El sistema, pionero en Cataluña, utiliza inteligencia artificial y algoritmos de 'machine learning' para seleccionar envases de plástico de entre otros residuos.
#5:
El machine learning es el grafeno de la informática.
Hasta los retretes van a analizarte los palominos para a través del machine learning saber cuántas capas de papel dispensarte
#29:
#15 Supongo que entre diseñadores, fabricantes, vendedores y mecánicos del bicho se crearán bastantes puestos de trabajo. Y de los llamados "de calidad", no?
#4:
#2 Eso es lo que él cree. Para eso lo programamos.
El machine learning es el grafeno de la informática.
Hasta los retretes van a analizarte los palominos para a través del machine learning saber cuántas capas de papel dispensarte
#5 y cuando decida que con dos te es suficiente empezaremos a inventar técnicas para engañarle, como simular diarrea. Y esto es extensible a todas las tecnologías "inteligentes" que en futuro irán decidiendo todo por nosotros, ineptos humanos
#10 me has recordado a un cura de un colegio de mi pueblo que antes de entrar al baño les daba a los críos una sola hoja de papel para ahorrar, y los chavales acababan por decirle casi siempre que iban sueltos o tenían diarrea para que les diera más
#5 Con la diferencia de que el machine learning ya se está usando masivamente. Hasta la cámara de los teléfonos ahora tiene inteligencia para diferenciar entre una flor, una persona o un paisaje y ajustar los parámetros para cada caso.
#35 No, te dan un sistema con reglas predefinidas, no aprende nada por si mismo
Que para llegar a esas reglas, se haya usado machine learning es otro tema
Normalmente la gente no quiere mostrarle cuantos se miles de fotos a su teléfono para que aprenda a diferenciar un gato de una persona. Prefiere que le den loa datos de esos continuación para que la IA de su cámara los use.
Si de verdad te interesa enseñarle algo a un sistema tienes bibliotecas que te ayudan y Google publica gratis muchos datasets para que alimentes a tu IA.
#15 Supongo que entre diseñadores, fabricantes, vendedores y mecánicos del bicho se crearán bastantes puestos de trabajo. Y de los llamados "de calidad", no?
El método actual de separación consta de varía fases.
Mecánico, el material pasa por cribas y separa tamaños.
Aspiración, básicamente separa film.
Óptico, el material va por una cinta y hay un detector del tipo de material que quieres separar y cuando lo detecta sopla y cae en otro sitio diferente.
Magnéticos, electro imán para férrico y focault para metales no férricos.
Decantación, en recicladores de PET para separarlo del polipropileno, pero previamente triturado en escama. También para brik y cartón, pero se llaman pulper.
Al leer la noticia he sido bastante escéptico por el hecho de que el Machine Learning es bastante obtuso a la hora de buscar elementos mezclados (no digo que no se pueda, sino que ciertos resultados se dan en condiciones de laboratorio y hay mucho humo comercial).
#9 Trabaje en una empresa donde desarrollaban este tipo de tecnología y la clave mas importante a resolver el problema era usar cámaras multiespectrales. Así que el Machine Learning si esta combinado con una cámara de estas características puede dar buenos resultados.
#16 En la documentación oficial del producto por parte de la empresa (el segundo enlace de los dos que he puesto), pone explícitamente lo que puede hacer. Mi excepticismo va más por el grado de efectividad del producto (me suele pasar con los temas de ML)
Para hacer la división entre plástico y otros elementos no necesitas Machine Learning. En general, ya se hace (con métodos mecánicos, imanes, agua, etc)
#14 La parte de la óptica no la conozco, yo lo que he tocado algo más es la parte de la búsqueda de patrones con Machine Learning a nivel matemático y programático.
Y como te digo... por ejemplo encontrar calcetines en una bola de ropa sucia (con muchos datos) suele dar muchísimos falsos positivos (si pilla el borde de abajo si, pero claro eso son condiciones de laboratorio). Por eso soy relativamente escéptico, porque en este tipo de tecnologías España está tres o cuatro años por detrás de los EEUU o de algunos países europeos y he estado buscando información y no hay ningún modelo generalizado.
#14 la dificultad no solo recae en identificar residuo mediante óptica+machine learning sinó en la variabilidad de residuos que hay en cada vertedero, por ej. no se consumen los mismos productos,(plásticos)en Cataluña, que en Galicia o en Andalucía. Además son líneas de residuos que van a muy alta velocidad
#32 Con una cámara multiespectral lo único que importa es el tipo de material. Da igual si los productos que llegan al vertedero son de distintas regiones o países.
#8 Bueno, un robot no deja de ser un sistema mecánico pero con detectores (cámaras y/u otros detectores o sensores) y un sistema de procesamiento. De este modo, no serían las personas que metan las manos entre la basura de plásticos y esta máquina sería más eficiente ya que seguramente, al cambio, se contratarán a muchas menos personas. En este aspecto quizá sí tenga más sentido que lo haga una máquina, por lo menos hasta que la reducción de plásticos se haga a conciencia.
Comentarios
El machine learning es el grafeno de la informática.
Hasta los retretes van a analizarte los palominos para a través del machine learning saber cuántas capas de papel dispensarte
#5 y cuando decida que con dos te es suficiente empezaremos a inventar técnicas para engañarle, como simular diarrea. Y esto es extensible a todas las tecnologías "inteligentes" que en futuro irán decidiendo todo por nosotros, ineptos humanos
#10 me has recordado a un cura de un colegio de mi pueblo que antes de entrar al baño les daba a los críos una sola hoja de papel para ahorrar, y los chavales acababan por decirle casi siempre que iban sueltos o tenían diarrea para que les diera más
#5 Con la diferencia de que el machine learning ya se está usando masivamente. Hasta la cámara de los teléfonos ahora tiene inteligencia para diferenciar entre una flor, una persona o un paisaje y ajustar los parámetros para cada caso.
#26 Eso no es machine learning, ya viene aprendido de casa
#30 Asi funciona. Le enseñan "en casa" y después te dan el la IA ya sabiendo lo que tiene que hacer.
Se lo llama machine learning porque se le puede enseñar, aunque no seas tu el que le enseña.
#35 No, te dan un sistema con reglas predefinidas, no aprende nada por si mismo
Que para llegar a esas reglas, se haya usado machine learning es otro tema
#38 Bueno, claro. A eso se refiere el asunto.
Normalmente la gente no quiere mostrarle cuantos se miles de fotos a su teléfono para que aprenda a diferenciar un gato de una persona. Prefiere que le den loa datos de esos continuación para que la IA de su cámara los use.
Si de verdad te interesa enseñarle algo a un sistema tienes bibliotecas que te ayudan y Google publica gratis muchos datasets para que alimentes a tu IA.
Un robot separatista. Ok ya marcho.
#15 Tendrán que reciclarse.
cc #11 Puedo ir contigo en tu huida
#15 Supongo que entre diseñadores, fabricantes, vendedores y mecánicos del bicho se crearán bastantes puestos de trabajo. Y de los llamados "de calidad", no?
Ahora podremos usar más plásticos sin miedo a que vayan al lugar inadecuado en.el vertedero.
#13
Sí, ahora los vagos tendrán otra excusa más para pasar de todo y contaminar más.
Wall-e, ¿eres tú?
#1 Wall-e no separa el plastico.. lo colecciona
#2 Eso es lo que él cree. Para eso lo programamos.
#1 EVA.??
#1 Más gente al paro.
#15 Hombre, urgar en la basura para separar el plástico no es un trabajo que nadie vaya a echar mucho de menos yo creo.
Esto no existía ya?
Pues llevamos 30 años reciclando, ya me dirás tú cómo
El método actual de separación consta de varía fases.
Mecánico, el material pasa por cribas y separa tamaños.
Aspiración, básicamente separa film.
Óptico, el material va por una cinta y hay un detector del tipo de material que quieres separar y cuando lo detecta sopla y cae en otro sitio diferente.
Magnéticos, electro imán para férrico y focault para metales no férricos.
Decantación, en recicladores de PET para separarlo del polipropileno, pero previamente triturado en escama. También para brik y cartón, pero se llaman pulper.
Parece estafa.
Al leer la noticia he sido bastante escéptico por el hecho de que el Machine Learning es bastante obtuso a la hora de buscar elementos mezclados (no digo que no se pueda, sino que ciertos resultados se dan en condiciones de laboratorio y hay mucho humo comercial).
Así que no se, pese a mi escepticismo, he buscado algo más de información por si a alguien le interesa:
- Ecopick, el robot del que hablan en el artículo: https://picvisa.com/en/docs/doc/c2Pv8sB5KO0n7pOiDBfNFKFP4xi4-_-ZZO
- Brain by Picvisa, los residuos que separa exactamente la inteligencia artificial de la que hablan: https://picvisa.com/es/docs/doc/xtIQyY2Dleu2OVCNYzEZFCPT0R9Ixqg-
#9 Trabaje en una empresa donde desarrollaban este tipo de tecnología y la clave mas importante a resolver el problema era usar cámaras multiespectrales. Así que el Machine Learning si esta combinado con una cámara de estas características puede dar buenos resultados.
#9
Con un espectrómetro lo tienes fácil para detectar los envases del material que buscas, tal y como dice #14.
#16 En la documentación oficial del producto por parte de la empresa (el segundo enlace de los dos que he puesto), pone explícitamente lo que puede hacer. Mi excepticismo va más por el grado de efectividad del producto (me suele pasar con los temas de ML)
Para hacer la división entre plástico y otros elementos no necesitas Machine Learning. En general, ya se hace (con métodos mecánicos, imanes, agua, etc)
#14 La parte de la óptica no la conozco, yo lo que he tocado algo más es la parte de la búsqueda de patrones con Machine Learning a nivel matemático y programático.
Y como te digo... por ejemplo encontrar calcetines en una bola de ropa sucia (con muchos datos) suele dar muchísimos falsos positivos (si pilla el borde de abajo si, pero claro eso son condiciones de laboratorio). Por eso soy relativamente escéptico, porque en este tipo de tecnologías España está tres o cuatro años por detrás de los EEUU o de algunos países europeos y he estado buscando información y no hay ningún modelo generalizado.
Si resulta que es un estudio puntero, chapó.
#14 la dificultad no solo recae en identificar residuo mediante óptica+machine learning sinó en la variabilidad de residuos que hay en cada vertedero, por ej. no se consumen los mismos productos,(plásticos)en Cataluña, que en Galicia o en Andalucía. Además son líneas de residuos que van a muy alta velocidad
#32 Con una cámara multiespectral lo único que importa es el tipo de material. Da igual si los productos que llegan al vertedero son de distintas regiones o países.
imaginaba que eso ya se hacía con métodos mecánicos y químicos
¿no tendría más sentido?
#8 Bueno, un robot no deja de ser un sistema mecánico pero con detectores (cámaras y/u otros detectores o sensores) y un sistema de procesamiento. De este modo, no serían las personas que metan las manos entre la basura de plásticos y esta máquina sería más eficiente ya que seguramente, al cambio, se contratarán a muchas menos personas. En este aspecto quizá sí tenga más sentido que lo haga una máquina, por lo menos hasta que la reducción de plásticos se haga a conciencia.
#20 me refería a decantación o similares, sin "inteligencia artificial"
#22 Es más usual una cinta transportadora con una docena de operarios que cobran el sueldo mínimo separando a mano la basura que va pasando.
#27 pues vaya basura...
#28 Mira:
Aquí les presento otro Robot.
Samurai,otro buen ejemplo.
https://avatarenergia.com/samurai/amp/
Con tanto contenedor derretido no va a dar abasto.
Genial! Un robot reciclando