共计 1479 个字符，预计需要花费 4 分钟才能阅读完成。
早期的人工智能硬件设备在整合人工智能模块方面曾受到批评，表现并不理想。然而，芬兰初创公司 Binit 正在开发的一款人工智能小工具，旨在通过大型语言模型（LLMs）的图像处理能力来追踪家庭垃圾，从而提升市政或商业层面的回收效率。
近年来，利用人工智能技术对废弃物品进行分类的技术已吸引了不少创业者的关注，例如 Greyparrot、TrashBot 和 Glacier 等公司。但 Binit 的创始人 Borut Grgic 认为，家庭垃圾追踪是一个尚未被充分开发的领域。
Grgic 告诉 TechCrunch：“我们正在开发首个家庭垃圾追踪器。”他将这款即将推出的人工智能设备比作睡眠追踪器，但其功能是追踪用户的垃圾处理习惯。“这是一种基于神经网络的摄像头视觉技术，我们利用 LLMs 来识别常见的家庭垃圾物品。”
Binit 成立于疫情期间，并已从一位天使投资者那里筹集了近 300 万美元的资金。他们正在开发一款专为厨房设计的人工智能硬件设备，可以安装在柜子或垃圾桶附近的墙上，设计时尚。这款电池供电的设备配备了摄像头和其他传感器，当有人靠近时会自动唤醒，允许用户在丢弃物品前进行扫描。
Grgic 表示，他们依赖与商业 LLMs（主要是 OpenAI 的 GPT）的整合来进行图像识别。随后，Binit 追踪家庭丢弃的物品，并通过应用程序提供分析、反馈和游戏化功能，如每周的垃圾得分，旨在激励用户减少垃圾量。
最初，该团队尝试训练自己的 AI 模型进行垃圾识别，但准确率仅为约 40%。因此，他们转向使用 OpenAI 的图像识别能力。在整合 LLMs 后，Grgic 声称他们实现了近 98% 的准确度。
Binit 的创始人表示，他对 OpenAI 的训练数据中是否包含大量垃圾图片并不清楚，或者是否仅因其训练数据的丰富性而能识别大量物品。“这种准确度令人惊叹，”他声称，并表示在与 OpenAI 的模型测试中取得的高性能可能是因为扫描的物品为“常见物品”。
在美国进行的测试中，Binit 发现用户在使用该产品进行垃圾透明度互动后，混合垃圾箱的废物减少了约 40%。因此，他们认为他们的透明度和游戏化方法可以帮助人们改变根深蒂固的习惯。
Binit 希望其应用成为用户获取分析和减少垃圾量信息的地方。对于后者，Grgic 表示，他们还计划利用 LLMs 提供建议，并根据用户的位置进行个性化推荐。
他解释道：“以包装为例，用户扫描的每个包装都会在应用程序中形成一张小卡片，卡片上显示着您扔掉的物品（例如塑料瓶）……以及在您所在区域可以考虑减少塑料消耗的替代品。”
Grgic 还看到了与食物浪费减少影响者等合作伙伴关系的可能性。
他认为，该产品的另一个新颖之处在于它是“反无节制消费”。该初创公司正在与日益增长的可持续意识和行动保持一致。人们开始提出问题：是否有必要把所有东西都丢掉？或者我们是否可以开始考虑修复（和重复使用）？
然而，Binit 的用例是否可以简化为一个智能手机应用程序呢？Grgic 认为这取决于情况。他说，一些家庭可能愿意在做饭准备期间使用智能手机，因为他们的手可能很脏，但其他人则认为拥有一个专用的免提垃圾扫描仪会更有价值。
值得注意的是，他们还计划在应用程序中免费提供扫描功能，因此他们将提供两种选择。
迄今为止，这家初创公司已在美国和欧洲的多个城市进行了其人工智能垃圾扫描仪的试点测试。
他表示，他们正在努力在今年秋季（可能在美国）进行商业上的推出。他们所定位的人工智能硬件的价格点约为 199 美元，这被他形容为智能家居设备的“最佳位置”。
注意：本报告已更新，更正了一处错误：卢比尔雅那位于斯洛文尼亚，而不是斯洛伐克。我们对此错误表示遗憾。
