陳俊源 博士
學歷
國立成功大學環境工程學系學士 91級
國立成功大學環境工程學系碩士 93級
國立成功大學資源工程學系博士 112級
經歷
● 傳統零件製造產業2年
● 半導體晶片製造業3~4年
● 環境保護顧問業1年
● 環境保護公部門13年迄今
● 現任職於環境部環境管理署
專長
● 環境工程廢棄物處理
● 人工智慧資源探索運用
● 衛星影象辨識運用
- 前言
從環工「斜槓」到資源，體會莊子「無用之用，是為大用」精神
我是陳俊源，在今年正式踏入資源人的大家庭中。我本身主修的是環境工程，猶記得20年前剛出社會曾有過一段「一年換24個頭家」的過程，待過傳統產業及高科技業，最後落腳環境工程。在因緣際會下繼續「斜槓」到資源領域深究，取得博士學位，經歷過「人生的最佳化程序」，這個程序就是需要不斷地嘗試、更替及迭代，最後找到最佳解過程。
註: 斜槓一詞，意指有2個以上領域的技能專長或事業
在資源領域，我是「新資源人」，在環工領域，我是「老環工人」。在如此的新舊碰撞下，關於資源的探索，我以莊子「無用之用，是為大用」的精神跟大家分享。我對這句話的解讀是，發現事物普遍被認為無價值的面向（即「無用」之處），賦予它有價值的面向（即是「大用」）的作法。因此，個人覺得如果能將廢棄垃圾，即是「無用」之物，找到它們可被利用之處，就是一種偉大的貢獻，也就是找到它的「大用」之處。舉我博士論文開頭的一段文字「Picture a world where robots collect and consume garbage, sorting it into reusable resources and recovering energy in the process. These robots roam across oceans and mountains, effortlessly reducing waste and emissions to zero. The melody of a sustainable, emission-zero, and waste-free planet would fill the air….」（陳，2023, p.1）這段文字表明我對未來世界的憧憬，也就是想像世界充滿人工智慧機械人（Artificial intelligence robots, AI-robots），這些機械人能自動去找垃圾，遊走山間海裡，將垃圾挑選分類為可再利用資源，甚至吃到肚子裡轉為能源。從此地球將沒有廢棄物，人們居住的環境品質也會提升。這樣的憧憬也許20年前被認為是天方夜譚，只會出現在電影或小說情節。然而，受惠於近年的人工智慧蓬勃發展，似乎一切都變得可能。舉近期的新聞「智慧機器人投入回收領域，可辨識500種廢棄物」（Technews, 2024）為例，這類情節會陸續出現在我們真實的世界中，也會離我們越來越近。
當然，如果真有這樣的機械人（AI-robots），全天24小時不間斷服務人們，遊走地球每個角落，上山下海找出被亂丟的垃圾，並且轉成為資源，如同採礦一樣到處尋找垃圾轉為資源。礦物會經由自然的富集作用（mineral enrichment）達到值得被開採的價值，而使用人工智慧機械人（AI-robots）解決方案，則是運用人工智慧的富集（AI-enrichment）方式，富集垃圾，達到廢棄物可被精煉為資源的程度，再度成為資源。這樣是否可轉變對現有資源開採的方式，從而實現永續資源呢？
- 環境與資源領域結合的案例── AI輔助的轉廢棄物為資源的觀念
有前面的想法後，我再舉近期關注的海洋廢棄物為例。簡單來說，海洋廢棄物是人類不當處理或管理廢棄物而累積造成的全球性問題，大多數是在自然環境中無法代謝的塑膠物品或其殘骸，來自漁網或塑膠包裝容器等。嚴格來說，也是屬於被丟棄的石化產品，富含碳氫化合物的物質罷了。然而，這些物質充斥海洋，比重輕的隨洋流漂散，比重重的沉落到深海，更嚴重的是數量非但持續增加，還經過地球風化作用及太陽輻射照射成為細小微粒，有些細小微粒甚至達到奈米等級而進入食物鏈循環，對生態及人體健康造成嚴重危害。這問題有多嚴重呢？回顧2018年的一篇論文提到，一處已被發現漂浮於海上的廢塑膠殘骸，位於夏威夷及美國之間，面積為160萬平方公里，此面積約是臺灣的44倍大小，被稱為太平洋垃圾帶（The Great Pacific Garbage Patch, GPGP, Lebreton et al., 2018）。這些太平洋垃圾帶漂浮海上，許多環保領域將之視為污染、生態浩劫，但在資源領域，某程度上是可再利用的石化資源，只是被丟棄於海上的石化產物。依礦場生成理論，這些太平洋垃圾帶可視為自然的富集作用形成的礦場（mineral enrichment，經由洋流富集），並且具備開採的潛力及價值。如可藉由我前面提出的機器人（AI-robots）解決方案，想辦法收集並分類這些被丟棄的石化物質，進行人工智慧富集，重新精煉為可用物質，將可取代天然石化資源的開採，而那塊44倍臺灣面積大小的太平洋垃圾帶，未來將變成新的「海洋礦場」。當然，如果這些廢棄物能在流入海洋系統前被收集或截取下來，開採成本會更低，或許是更佳的解決方式，也是從根本解決問題。
解決這類廢棄物的問題所要思考的邏輯，如果由最初資源被消費後產生廢棄物開始，就是假設任何消費完的物質被丟棄前，將它們重新逆轉回來成為資源，依其性質分類後富集起來，最後再加以精煉，再度成為資源。如果這些逆轉技術都能完善，人類從此可不再消耗地球上新的資源，取而代之的是轉變已消耗的資源成為資源，達到永續資源的目的。這樣的觀念雖然很簡單，但執行上卻很難完美，大多原因受限於效率及成本，還有很多人為因素，倚賴人工或傳統機械的傳統分類效率似乎已到瓶頸，分類效率不佳及技術瓶頸無法突破，或是需要依賴大量人力來提升效能的方式，都有可能因為人為惰性，造成投入的成本過高，因而以失敗收場，最終放棄。於是借用當前的人工智慧（AI）、機械學習（Machine learning）技術，執行效率有機會往上提升，甚至達到完美。由於過去曾有傳統機械機構及高科技半導體的經歷，結合當前的環境問題，在資源領域的加持下，我提出了一個觀念：”Waste-to-Resources AI-solutions”。藉由AI輔助轉廢棄物轉為資源的架構（圖1），將是新世代的永續資源取得方式。特別是日益短缺的地球資源，由廢棄的物質逆轉為資源，就是發揮古人「無用之用，是為大用」的智慧。而要實現這架構，必須打開機械的眼睛，讓它們可以看見資源，才能用來投入系統運作，取代人類及提高效率，達到機械人大軍全天候24小時來服務人類的目標。讓機械人高效率找到資源，是這個架構下首先必須突破的技術瓶頸。
- 機械學習──讓機械看見資源
由於對資源探索抱持想像，於是博士研究期間，我嘗試使用當前主流發展的機械學習技術，特別是捲積式類神經網路（Convolutional Neural Networks, CNNs）進行影像辨識的研究，讓機械看得見資源。期間我組裝了一臺電腦，功能需具有獨立顯示卡，玩遊戲不卡頓的那種。記得那是博二暑假，當時去電腦商場挑選設備時，印象深刻的是當同一組客人關心所組裝的電腦是否能跑特定款的3D遊戲時，我卻關心所組的電腦能否負荷多少解析度的影像及數量訓練，機械學習訓練速度是否能夠更快達成目標等，店員此時的表情整個就是黑人問號。經過反覆試驗，終於，這臺耗費新臺幣約3萬元，規格為4G RAM GeForce GTX 1650 GPU的電腦架設完成（圖2）。
測試程式之後，最終在那年暑假，這部可進行捲積式類神經網路（CNNs）訓練影像的平臺完成啟動運轉，將普通電腦要運行數周的訓練過程縮減到24小時內完成。我憧憬的全天候機械人幫忙挑揀垃圾富集為資源的世界，終於跨出了第一步，這個過程無形中也與當前人工智慧研究的世界取得連結。後續我也用這平臺結合”Waste-to-Resources AI-solutions”AI輔助轉廢棄物轉為資源架構，研究如何在焚化底渣中挑選資源。焚化底渣是垃圾被焚化後所剩的殘留廢棄物，雖然經過焚化，但當中仍有一定比率沒有被焚化或無法被焚化的物質，例如金屬、塑膠、電池，或一些可分辨的不可燃資源物等。經由機械人（AI-robots）進行富集，它們都是可再度精煉的資源。如何運用機械去發現及找出這些物質，當時還沒人做過，也算是一個大膽的嘗試。這項研究成果，後來與我的指導教授余騰鐸老師共同發表在國際期刊（Chen and Yu, 2023），也很榮幸能以資源人的角度，向全世界訴說一個資源被看見的故事（圖3）。
說穿了其實也沒什麼困難，原理有點像運用衛星向地球表面找尋特定的物件，只是尺度的不同，實做一次印像就會非常深刻。幫機械打開眼睛、使它們可以看見資源，只是跨出第一步，未來仍有相當程度的技術需要持續研發及改良，才能穩定地投入實際運作。需要精進的地方很多，例如，機械富集資源的方式及運作？如何以垃圾為食物，產生機械人需要的能量？損耗自我修復機制及許多的成本問題需要克服等等，這些有賴未來更多領域的人才來「斜槓」。
事後回想起來，我所組的電腦規格在當時不算很頂尖，甚至有點陽春。如果專攻3D遊戲硬體的同學應該很能理解，這樣的規格很難跟國際競爭，更不用說跟別人比擂台賽。我不是資訊工程出身，不可能開發很高效率的演算法來跟別人比。但這平臺卻幫我完成了一篇刊登國際期刊的論文，能跟國際競爭，有很大原因是我們用不同的方式來看見資源，並用平易近人的方式跟全世界講一個資源被看見的故事，這也符合當前世界關注的議題。完成這項任務不一定得靠超級電腦，一臺簡單陽春的電腦也能實現，或許就是這份普及化的訴求，才打動了審稿者的心吧。
這過程讓我深刻體會，資源能以任何形式被看見，只要夠有創意及想像，一切都有可能，相信在每一個資源人的身上都可以發生。
- 給在學中資源人的建議：
「不要設限自己的任何可能性，勇於探索人生的旅途並找到全域最佳解（global optimization）」
在求學過程中，我可以感受到資源系的自由學風跟其他系相當不同。課堂上，經歷過學生可以無限制發揮想像的時光，包含討論廣闊的太空資源、暢談奈米材料的運用，或探索埋藏的地底資源等，這反映了資源人的無限可塑性及無限可能性，幾乎做什麼研究好像都可以跟資源扯上關係。這樣廣闊無際的想像邊界，已幫資源人佔據戰略制高點，讓大家更容易找到人生的全域最佳解（Global optimization）。何謂全域最佳解呢？這裡舉一個機械學習尋找最佳解的理論說明，如果人生的志向是以爬一個特定區域內的最高山為目標，倘若限制範圍只在臺灣（local），最終所能爬的最高山就是玉山，約3,900公尺；如果限制範圍擴大到全世界（global），那麼所能爬的最高山會是喜馬拉雅山，約8,800公尺；如果持續放寬限制擴大到無際的太陽系（Super-global），那麼所能爬的最高山是火星上的奧林帕斯山（Mount Olympus），約21,000公尺 （Chinatimes, 2021）。
這說明了最佳解與所設定的範圍／參數有很大的關連性，某種程度就是自己的眼界、格局及想像邊界。如果自己的眼界及格局夠大，對未來的想像沒有邊際，並且勇於嘗試，將有更多機會找到人生完美的劇本，並解鎖人生成就。
最後，我跟大家分享近期一篇由Jensen博士在2023發表的論文，內容是關於利用機械人自動化在小行星上建構移民太空站的計畫 （Jensen, 2023），大家有機會可以去讀看看。文中談到如何在小行星建構一個可以容納70萬人居住生活的太空站，值得注意的是，該計畫第一批送上去的不是活生生的人類，而是一批能夠進行採礦、建置人們居住環境及尋找水源，甚至能夠自我修復及重製的人工智慧機械人，也就是我論文講的機器人（AI-robots）太空版。實現這個計畫前後花了17年，前幾年是讓機械人大軍建構足夠安全、富有水源、氧氣及資源的環境，後幾年才開始逐批移民人類到該太空站生活。文章內容也有探討如何利用角動量旋轉來克服太空重力問題，以及如何選定富有資源宜居的小行星標的進行登陸。其中運用各種知識來構築環境，以安全、有效及創意的方式找尋資源，並不限定在地球上才會發生的事情。這篇文章給了我們很大的啟示，人工智慧的發展，無形之中改變了我們對宇宙資源探索的方式，宇宙的大航海時代也在不經意中悄然地開始，資源人準備好了嗎？
各位偉大的資源人，想要宇宙的所有資源嗎？去找吧！所有的資源都在那邊了！！！（怎麼好像某部漫畫的slogan！？）
參考資料
- Technews, 2024，「智慧機器人投入回收領域，可辨識500種廢棄物」https://technews.tw/2024/02/17/automated-garbage-picking/
- 陳俊源（2023），邁向零排放：通過通用機器學習實現智慧垃圾掩埋場聚類、採礦選址及焚化底渣資源化，國立成功大學，p.p.1 and 117，博士論文，112年度。
- Lebreton, L., Slat, B., Ferrari, F. et al. (2018), Evidence that the Great Pacific Garbage Patch is rapidly accumulating plastic. Sci Rep 8, 4666. https://doi.org/10.1038/s41598-018-22939-w
- Chen, C.Y., Yu., T.T., (2023), Towards a circular economy: Recapturing battery, metal, and plastic from soil-size and gravel-size municipal solid waste incineration bottom ash using convolutional neural networks. J. Clean. Prod. 139737. https://doi.org/10.1016/j.jclepro.2023.139737.
- Chinatimes, 2021. 奧林帕斯山（Mount Olympus）。https://www.chinatimes.com/realtimenews/20210913000026-260412?chdtv
- Jensen, D. W. (2023), Autonomous Restructuring of Asteroids into Rotating Space Stations. preprint arXiv:2302.12353. https://doi.org/10.48550/arXiv.2302.12353.
