Hvordan kunstig intelligens kan gøre vores mad sikrere

Tilbagekaldelse af fødevarer kan være fortid, hvis kunstig intelligens (AI) bliver brugt i fødevareproduktion, ifølge en nylig undersøgelse fra UBC og University of Guelph.

De gennemsnitlige omkostninger ved en tilbagekaldelse af fødevarer på grund af bakteriel eller mikrobiel forurening, såsom E. coli, er US$10 millioner ifølge studiets medforfatter Dr. Rickey Yada, professor og dekan for UBC-fakultetet for jord og fødevaresystemer.

Vi talte med Dr. Yada om, hvordan kunstig intelligens kan hjælpe med at optimere de nuværende systemer, der bruges i fødevareindustrien, og hvordan det kan hjælpe med at gøre vores fødevareforsyning mere sikker.

Hvad er nogle af de nuværende begrænsninger, når det kommer til fødevareforarbejdning?

Den aktuelle udfordring er, at fødevaresikkerhedsproblemer har en tendens til at dukke op efter det faktum, når produkterne er blevet afsendt, solgt eller i nogle tilfælde allerede forbrugt. Dette fører så til tilbagekaldelser, der er skadelige både økonomisk og omdømmemæssigt.

Der er i øjeblikket to måder at opnå fødevaresikkerhedsindikatorer på. Den første er at analysere data efter et fødevareprodukt er blevet behandlet og er et slutprodukt for at se, om der opstår problemer (også kendt som forsinkelsesfaktorer), og den anden er at indsamle data om advarselsindikatorer - såsom effektiviteten af ​​en fødevaresikkerhed træningsøvelser - og forudsige problemer, der kan opstå deraf (kendt som ledende faktorer).

Udfordringen med efterslæbende faktorer er, at problemer først kan bemærkes, efter at fødevaren allerede er blevet solgt og indtaget.

Hvordan giver kunstig intelligens en løsning, der kan forbedre fødevaresikkerheden?

Jeg tror, ​​at kraften ved AI og maskinlæring er forudsigelsesevnen; det kan hjælpe fødevareindustrien med at tage skridt tidligere for at reducere forekomsten af ​​fødevarebårne sygdomme i deres operationer.

I dette tilfælde handler det om at flytte industrien mod en datadrevet tilgang. Brug af kunstig intelligens kan øge præcision og effektivitet i fødevareforarbejdning og kan være en forebyggende metode til at hjælpe os med at strømline processer, hvilket i sidste ende mindsker chancerne for flere bakterielle udbrud i produkter.

Hvordan ville det se ud i praksis?

Hvis vi optimerer de data, vi har fra nuværende fødevareforarbejdningssystemer med maskinlæring, kan det opveje nogle af de begrænsninger, vi står over for med at få mad ud af døren. I øjeblikket genererer fødevareforarbejdningsmaskiner data, men så er det ofte op til mennesker nogle gange at fortolke disse data. For eksempel kan en maskines opgave være at filtrere røde æbler fra grønne æbler, men så er det i slutningen af ​​linjen op til et menneske at beslutte, om det er rødt nok eller ej. Dette kan skabe ineffektivitet i nogle scenarier.

Tanken er at få maskiner til at tænke som den menneskelige hjerne. Så de nuværende fejl og ineffektiviteter fra menneskelig indgriben – som til tider kan kompromittere fødevaresikkerheden – kan forudsiges af kunstig intelligens og i sidste ende reduceres eller elimineres.

En anden lovende applikation er at bruge AI til at analysere adfærdsdata for menneskelige arbejdere i behandlingslinjen. I praksis kan det betyde, at arbejdere udfylder en hurtig ugentlig online-undersøgelse om deres arbejdspladskultur. Naturlig sprogbehandling vil derefter blive brugt til at analysere deres svar og skabe et kvantitativt mål for fødevaresikkerhedskulturen. Virksomheden kunne forudsige sandsynligheden for fødevaresikkerhedsproblemer ved at se på tendenserne i fødevaresikkerhedskulturen og kombinere dem med andre fødevaresikkerhedsrelaterede data og tage rettidige skridt for at reducere risikoen for et udbrud.

Vil det betyde, at mennesker i sidste ende kan blive erstattet af maskiner?

I dette tilfælde handler det om at finde en datadrevet løsning på, hvordan vi kan bruge kunstig intelligens til at blande menneskelig indgriben med maskinintervention. Det er blandingen af ​​begge disse ting, der vil give os mulighed for at have en stærkere forudsigelsesmodel omkring fødevaresikkerhedsspørgsmål.

Denne undersøgelse blev offentliggjort i Trends in Food Science &Technology Journal . + Udforsk yderligere

Personlig mad fra 3D-printeren