המיחזור שלכם הוא שקר — והפתרון דורש פיזיקה, לא ChatGPT
צפיתי במגש פוליפרופילן במצב מושלם — מהסוג שבו קונים סושי — מחליק מקצה מסוע ונופל לתוך פח המסומן "שאריות". שאריות זו המילה המנומסת. משמעה הטמנה. משמעה שריפה. משמעה כישלון.
המגש היה שחור. זה היה פשעו היחיד.
עמדתי במתקן להשבת חומרים באירופה, מהסוג שמעבד עשרות אלפי טונות של פסולת בשנה, וצפיתי במַיֵּן האופטי המתקדם שלהם — מכונה שעולה יותר מרוב הדירות — מתעלם באופן שיטתי מכל עצם כהה-צבע שחלף מתחת לחיישניו. לא משום שהמכונה הייתה מקולקלת. אלא משום שהפיזיקה של החיישן הפכה את הפלסטיק השחור לבלתי-נראה ממש.
אותו רגע שינה את מסלול החברה שלי. ב-Veriprajna אנו בונים מערכות AI עמוקות לבעיות תעשייתיות, והגעתי למתקן הזה בציפייה למצוא בעיה תוכנתית. פער סיווג. משהו שנוכל לכוונן. במקום זאת, מצאתי חור בספקטרום האלקטרומגנטי — ושום כמות של למידת מכונה לא יכלה למלא אותו.
היקף מה שאנחנו זורקים
הנה מספר שאמור להטריד אתכם: מתוך 353 מיליון טונות של פסולת פלסטיק הנוצרות ברחבי העולם מדי שנה, רק 9% ממוחזרים. מחצית הולכת להטמנה. חמישית נשרפת. השאר מנוהל בצורה לקויה — כינוי מכובס ל"נזרק אי-שם במקום שנעדיף לא לחשוב עליו".
פלסטיק שחור מחמיר את התמונה. הוא מהווה בין 3% ל-15% מכלל זרם פסולת הפלסטיק, תלוי היכן אתם נמצאים. במתקן המעבד 50,000 טונות בשנה, מדובר באלפי טונות של חומר — פוליפרופילן, פוליאתילן, ABS, פוליסטירן — הנפלט מזרם המיחזור לא משום שאי-אפשר למחזר אותו, אלא משום שהמכונות אינן יכולות לראותו.
והחומר הזה אינו חסר ערך. פוליפרופילן שחור ממוחזר נסחר במחיר 1,130–1,200 דולר לטונה. ABS ממוחזר משיג 800–1,100 דולר. מתקן בינוני יחיד זורק לפח מעל 2 מיליון דולר בערך בר-השבה מדי שנה. זו אינה טעות עיגול. זהו מודל עסקי הממתין להיפתח.
אי-אפשר למחזר את מה שלא רואים. וכרגע, כל התעשייה עיוורת ל-15% מזרם הפסולת.
מדוע מגש שחור בלתי-נראה לרובוט מיחזור?
התשובה טמונה בפיגמנט הנקרא פחם שחור (carbon black). הוא מיוצר מבעירה בלתי-מלאה של נפט, והוא הסיבה שרוב הפלסטיק השחור שחור. הוא גם אחד מבולעי האור היעילים ביותר שיוצרו אי-פעם.
מַיְּנֵי מיחזור סטנדרטיים משתמשים בספקטרוסקופיית אינפרא-אדום קרוב — NIR — הפועלת בין 0.9 ל-1.7 מיקרומטר. אופן הפעולה אלגנטי: מנורות הלוגן מציפות את המסוע באור. כשהאור פוגע בבקבוק פלסטיק צבעוני או שקוף, הוא מוחזר כשאורכי גל מסוימים נבלעים — טביעת אצבע ספקטרלית שאומרת לחיישן "זהו PET" או "זהו HDPE". הפולט הפנאומטי יורה. הבקבוק נוחת בפח הנכון.
אך כשאותו אור פוגע בפחם השחור, הוא אינו מוחזר. הפיגמנט בולע את הפוטונים על פני כל טווח ה-NIR וממיר אותם לחום. החיישן אינו מקבל דבר. ומכיוון שהמסוע עצמו הוא בדרך כלל גומי שחור, המכונה רואה עצם שחור על רקע שחור המחזיר אות אפסי. עבור אלגוריתם המיון, המסוע נראה ריק.
אני זוכר שהסברתי זאת למשקיע בשלב מוקדם. הוא אמר, "אי-אפשר פשוט לאמן מודל טוב יותר על הפיקסלים הכהים?" הצגתי קריאת ספקטרום ממגש PP שחור תחת NIR. הוא היה קו ישר. רעש. אמרתי לו: אין כאן שום נתונים. אי-אפשר לאמן מודל על כלום.
הוא השתהה, ואז אמר, "ומה עם GPT?"
אני מקבל את השאלה הזו יותר משהייתי רוצה להודות.
מדוע אי-אפשר פשוט להשתמש ב-LLM לשם כך?
אני רוצה להיות ישיר לגבי משהו, משום שגל ההייפ הנוכחי של ה-AI יצר אשליה מסוכנת: אי-אפשר לפתור בעיית פיזיקה באמצעות פרומפט.
מודלי שפה גדולים הם מנועי טקסט הסתברותיים. הם חוזים את הטוקן הבא על סמך דפוסים בנתוני האימון שלהם. הם יוצאי דופן במה שהם עושים. אך הם דורשים קלט. במקרה של מיון פלסטיק שחור, הקלט מחיישן NIR סטנדרטי הוא קבוצה ריקה — קו ישר של רעש שאי-אפשר להבחין בינו לבין רקע המסוע.
אם תכריחו מודל גנרטיבי לסווג את הרעש הזה, ייתכן שינחש. ייתכן שיאמר "כנראה פוליפרופילן" משום ש-PP נפוץ. אך ניחוש אינו חישה. בקו מיחזור תעשייתי שבו זיהום מעל 1–2% הופך חבילה שלמה לבלתי-מכירה, ניחוש בטוח גרוע יותר מאי-מתן תשובה כלל. זו הזיה עם השלכות פיזיות.
יש גם את בעיית ההשהיה. החלטות מיון תעשייתיות מתרחשות במילישניות — מסוע הרץ ב-3 מטרים לשנייה אינו ממתין לקריאת API לשרת ענן. עד שמודל מבוסס-ענן מחזיר את תשובתו השגויה והבטוחה, המגש כבר בפח השאריות.
עטיפת LLM אינה יכולה להזות פוטונים שמעולם לא נלכדו על ידי החיישן. אם הנתונים אינם קיימים, המודל עיוור — לא משנה כמה פרמטרים יש לו.
זו ההבחנה שאני חוזר אליה שוב ושוב בין מה שאני מכנה "עטיפות AI" לבין דיפ-טק. עטיפה לוקחת מודל של מישהו אחר ומוסיפה לו ממשק משתמש. דיפ-טק משנה את הפיזיקה של המדידה. היינו צריכים לשנות את המדידה.
מה קורה כשמזיזים את אורך הגל?
בליעת הפחם השחור אינה אינסופית. יש לה גבולות. והגבולות הללו הופכים לניתנים לניצול כשעוברים מהאינפרא-אדום הקרוב אל אינפרא-אדום גל-אמצעי — פס ה-MWIR, ליתר דיוק בין 2.7 ל-5.3 מיקרומטר.
כאן כימיית הפולימרים נעשית רועשת.
בטווח ה-NIR קולטים רעידות "אובר-טון" — הדים קלושים של קשרים מולקולריים. הן עדינות, נבלעות בקלות על ידי הפחם השחור. אך ב-MWIR פוגעים ברעידות היסודיות: קשרי המתיחה C-H, מתיחות הקרבוניל C=O, מודי הטבעת הארומטית. אותות אלה חזקים בסדרי גודל. חזקים מספיק כדי לפרוץ דרך פיגמנט הפחם השחור ולהגיע לחיישן.
בפעם הראשונה שהצוות שלי ראה קריאת ספקטרום נקייה ממגש פוליפרופילן שחור תחת MWIR, היה רגע של אי-אמון אמיתי. בהינו בקווים ישרים במשך שבועות. ואז לפתע — שיאים. חדים, מובחנים, בלתי-ניתנים לטעות. פס הבליעה C-H ב-3.4 מיקרומטר היה שם ממש, ברור כמו כל דיאגרמה בספר לימוד. אלא שזו לא הייתה דגימת ספר לימוד. זה היה מגש מזון מעוך ומלוכלך שנשלף מזרם פסולת אמיתי.
פניתי למהנדס שלי ואמרתי, "המגש תמיד דיבר. אנחנו פשוט האזנו בתדר הלא נכון."
זו התובנה המרכזית. לא הפכנו את הפלסטיק לנראה יותר. שינינו היכן הבטנו.
כיצד הדמיה היפר-ספקטרלית MWIR באמת עובדת?
בנינו את המערכת שלנו סביב Specim FX50, שהיא כיום מצלמת ההיפר-ספקטרל היחידה הכדאית מסחרית המכסה את מלוא טווח 2.7–5.3 מיקרומטר הנדרש ליישום זה. ו"כדאית מסחרית" נושאת משקל רב במשפט הזה, משום שזו אינה מצלמת רשת שמבריגים על מסוע.
חומר הגלאי הוא אינדיום אנטימוניד — מוליך למחצה אקזוטי הרגיש לקרינה תרמית. מכיוון שבמהותכם אתם מזהים חתימות חום באורכי הגל הללו, החיישן חייב להתקרר לטמפרטורות קריוגניות — כ-77 קלווין, או בקירוב מינוס 196 מעלות צלזיוס — באמצעות מקרר סטירלינג משולב. אם לא מקררים אותו, החיישן מעוור את עצמו ברעש התרמי שלו.
המצלמה לוכדת 154 פסים ספקטרליים עבור כל פיקסל בשדה הראייה שלה, ומייצרת קוביית נתונים תלת-ממדית: מיקום מרחבי בתוספת אורך גל. ב-380 פריימים לשנייה, היא עומדת בקצב של מסועים הרצים מעל 2 מטרים לשנייה.
כתבתי על מלוא ארכיטקטורת החיישן והפיזיקה שמאחוריה בנייר העמדה האינטראקטיבי שלנו — פרטי ההנדסה של הקירור הקריוגני לבדם יכלו למלא מסה נפרדת. אך הנקודה המרכזית היא זו: מה שהמצלמה רואה אינו צבע. היא רואה כימיה. מגש PP שחור ומכסה PS שחור נראים זהים לעיניכם. תחת MWIR, יש להם חתימות ספקטרליות שונות לחלוטין — שיאים שונים, דפוסי בליעה שונים, זהויות מולקולריות שונות.
הפסקנו לעסוק בראייה ממוחשבת והתחלנו לעסוק בראייה כימית. המצלמה אינה רואה "צורות שחורות". היא רואה זרם של טביעות אצבע מולקולריות.
ה-AI שקורא כימיה, לא תמונות
לכידת נתונים היפר-ספקטרליים של 154 פסים במהירות תעשייתית מייצרת נפח מידע עצום. השאלה נעשית: כיצד מסווגים אותו מהר מספיק כדי להפעיל סילון אוויר לפני שהעצם נופל מהמסוע?
האינסטינקט הסטנדרטי ב-AI הוא לפנות לרשת עצבית קונבולוציונית דו-ממדית — מהסוג שמניע זיהוי תמונות. ResNet, YOLO, הארכיטקטורות שיודעות להבחין בין חתול לכלב. אך מיון פסולת שובר כל הנחה שהרשתות הללו מסתמכות עליה. בקבוק מעוך אינו נראה כמו בקבוק. שבר מגש קרוע נטול צורה מזוהה. רסיס של פלסטיק רכב שחור זהה מרחבית לרסיס של אריזת מזון שחורה.
הצורה אינה אמינה. הכימיה כן.
לכן אנו מתייחסים לבעיה כאל עיבוד אותות, לא זיהוי תמונות. עבור כל פיקסל על המסוע, אנו מחלצים וקטור חד-ממדי של 154 ערכים — הספקטרום בנקודה זו. אנו מזינים את הווקטור הזה לתוך רשת עצבית קונבולוציונית חד-ממדית (1D-CNN).
במקום גרעינים ריבועיים המחליקים על פני תמונה בחיפוש אחר קצוות ומרקמים, הגרעינים הליניאריים שלנו מחליקים על פני הספקטרום בחיפוש אחר חתימות מולקולריות: צניחה חדה ב-3.4 מיקרומטר, כתף רחבה ב-4.0, שיא דובלט מסוים שאומר "זהו פוליסטירן, לא פוליאתילן". הרשת לומדת את דקדוק הקשרים הכימיים.
היה שבוע שבו אחד המהנדסים שלי טען שכדאי לנסות במקום זאת ארכיטקטורת Transformer — מנגנוני קשב, אותה גישה שמניעה את GPT. על הנייר זה נשמע הגיוני. בפועל, המורכבות החישובית הריבועית הפכה את ההסקה לאיטית מדי עבור מסוע הנע ב-3 מטרים לשנייה. ה-1D-CNN שלנו רץ בפחות מ5 מילישניות על חומרת קצה. ה-Transformer עדיין "הפנה קשב" להקשר הגלובלי של הספקטרום בזמן שהמערכת שלנו כבר סיווגה את הפיקסל והפעילה את הפולט.
אנחנו לא רצים בענן. יש NVIDIA Jetson AGX Orin היושב על מכונת המיון. הנתונים לעולם אינם עוזבים את המתקן. עד שמערכת מבוססת-ענן הייתה מסיימת את מסע הלוך-ושוב שלה, סילון האוויר שלנו כבר הפנה את המגש לפח הנכון.
מיזוג שתי דרכי ראייה
MWIR אומר לכם מה משהו הוא. אך יש לו רזולוציה מרחבית נמוכה יותר ממצלמה סטנדרטית והוא יקר. לכן אנו ממזגים אותו עם RGB.
מצלמת צבע ברזולוציה גבוהה מטפלת בפילוח — מציאת גבולות העצמים על המסוע. היא יוצרת מסכה: "יש פריט בקואורדינטות אלה". מצלמת ה-MWIR לוכדת את הנתונים הספקטרליים. מנוע המיזוג שלנו מכסה את מסכת ה-RGB על קוביית נתוני ה-MWIR ומתשאל את הספקטרום בתוך גבול כל עצם. ה-1D-CNN מסווג את החומר.
הפלט לרובוט המיון הוא מנת נתונים מורכבת: עצם #452 הוא פוליפרופילן שחור, ממוקם בקואורדינטות אלה, מכוון בזווית זו. הרם אותו. שים אותו בפח שלוש.
גישה היברידית זו מאפשרת לנו להשתמש ב-RGB זול ומהיר לעבודה המרחבית ולשמור את ה-MWIR היקר ועתיר-המידע להחלטה שחשובה: ממה עשוי הדבר הזה?
מדוע התעשייה אינה עושה זאת כבר?
אנשים שואלים אותי זאת ללא הרף. אם MWIR עובד, מדוע לא כל מפעל מיחזור משתמש בו?
שלוש סיבות.
ראשית, מחסום החומרה. מצלמות אינפרא-אדום מקוררות קריוגנית עם גלאי מוליכים-למחצה אקזוטיים אינן פריטי מדף. אי-אפשר להזמין אחת מקטלוג אלקטרוניקה צרכנית. ה-Specim FX50 קיים, אך שילובו בקו מיון שמטפל בפסולת של העולם האמיתי — עצמים מלוכלכים, רטובים וחופפים במהירות — דורש הנדסה משמעותית.
שנית, מחסום ה-AI. הקושחה של מכונות מיון סטנדרטיות מתוכננת לנתוני NIR. אי-אפשר פשוט להחליף את החיישן ולצפות שהתוכנה הקיימת תעבוד. ארכיטקטורת ה-1D-CNN, העיבוד המקדים הספקטרלי, צינור מיזוג החיישנים — כל זה בהתאמה אישית. כאן חיה Veriprajna. אנו מספקים את שכבת הבינה לחומרה שנבנתה לעידן חישה אחר.
שלישית, אינרציה. במשך שנים, תשובת התעשייה לפלסטיק שחור הייתה "אל תשתמשו בו" או "קבלו את ההפסד". למותגים נאמר לעבור לפיגמנטים ניתנים-לזיהוי. חלקם עשו זאת. רובם לא, משום שהפחם השחור זול, יציב ב-UV, ומאפשר ליצרנים להשתמש בחומר גלם ממוחזר מעורב-צבעים — בדיוק הדבר שהופך את המיחזור לכדאי כלכלית מלכתחילה.
הפחם השחור מאפשר ליצרנים להשתמש בתוכן ממוחזר. אך הוא גם הופך את המוצר הסופי לבלתי-נראה לחיישני המיחזור. הפיגמנט שמאפשר מחזוריות הורס אותה בו-זמנית.
תקנת האריזות ופסולת האריזות של האיחוד האירופי כופה את הנושא. עד 2030, כל אריזה חייבת להיות ניתנת-למיחזור — לא באופן תיאורטי, אלא באופן מוכח, במתקנים תעשייתיים ממשיים. אם המַיֵּן אינו יכול לראותה, היא בלתי-ניתנת-למיחזור מבחינה חוקית. המועד האחרון הרגולטורי הזה ממקד את המחשבות.
הכלכלה שהופכת את זה לבלתי-נמנע
למדתי שכשמוכרים דיפ-טק למפעילים תעשייתיים, הטיעון הסביבתי פותח את הדלת אך הגיליון האלקטרוני סוגר את העסקה.
קחו מתקן MRF אירופי בינוני המעבד 50,000 טונות בשנה. תכולת פלסטיק שחור: 5%, או 2,500 טונות. כיום, החומר הזה הולך לשריפה בדמי שער בתוספת מס פחמן של בערך 100€ לטונה — עלות של 250,000€ בשנה רק כדי להשמיד חומר בעל ערך.
עם מיון MWIR המשיב 90% מהזרם הזה ומוכר את הפלטים הממוינים ב-900€ לטונה, החישוב משתנה באופן דרמטי: 2.25 מיליון € בהכנסות משולבות ובעלויות סילוק שנחסכו. אל מול הוצאה הונית של המערכת בסך כ-300,000 דולר, תקופת ההחזר קצרה משני חודשים.
צפיתי במנהלי מתקנים עושים את החישוב הזה על גב מעטפה ואז מבקשים מיד לדעת מתי נוכל להתקין. הכלכלה אינה שולית. היא מכריעה.
לפירוט הטכני המלא — כולל נתוני ההבחנה הספקטרלית, פרטי ארכיטקטורת ה-1D-CNN וצינור מיזוג החיישנים — פרסמתי מאמר מחקר מפורט שמעמיק יותר משאני יכול במסה.
במה מדובר באמת
הקמתי את Veriprajna משום שהאמנתי שהבעיות התעשייתיות הקשות ביותר אינן ניתנות לפתרון על ידי עטיפת API. הן דורשות הבנת הפיזיקה של המדידה, בניית צינור החיישנים הנכון, ותכנון ארכיטקטורות AI התואמות את מבנה הנתונים — לא את מבנה גל ההייפ.
מיחזור פלסטיק שחור הוא מקרה בוחן לכך מדוע דיפ-טק חשוב. הבעיה מעולם לא הייתה שחסרה לנו בינה. הבעיה הייתה שחסר לנו אות. הארנו באור הלא נכון ואז האשמנו את ה-AI שאינו רואה דבר.
כשמישהו אומר לכם ש-AI יכול לפתור הכול, שאלו אותו: לפתור עם אילו נתונים? אם החיישן אינו יכול ללכוד את המציאות, המודל הוא סתם מחולל מספרים אקראיים יקר מאוד.
יש מיליוני טונות של פולימר הניתן למיחזור באופן מושלם היושבים באתרי הטמנה ברגע זה בגלל פיגמנט הבולע אור אינפרא-אדום קרוב. לא משום שהכימיה שגויה. לא משום שהכלכלה אינה עובדת. אלא משום שהחיישן נבנה לעולם שבו הכול בגוון נוח של כחול או ירוק.
העולם אינו כה נוח. והפתרון אינו פרומפט טוב יותר. אלא פוטון טוב יותר.