مطالعه نشان می‌دهد که اعتماد عنصر گمشده برای ایمنی مواد غذایی مبتنی بر هوش مصنوعی است

ویرایش شده توسط لیزا لاک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

هوش مصنوعی با کمک به شرکت‌ها در شناسایی خطرات زودهنگام، پیش‌بینی شیوع بیماری و یادگیری از الگوهای بسیار نادری که برای هر شرکتی به تنهایی تشخیص داده نمی‌شود، نوید تغییر ایمنی مواد غذایی را می‌دهد. اما هوش مصنوعی به یک چیز بستگی دارد: مجموعه داده های بزرگ و متنوع.

تحقیقات جدید توسط لیندا کالونگا، کاندیدای دکتری کرنل، نشان داد که اگرچه شرکت‌های مواد غذایی مزایای واضحی را برای ادغام داده‌های محرمانه ایمنی مواد غذایی به رسمیت می‌شناسند، نگرانی‌ها در مورد اعتماد، رقابت و استانداردهای مشترک همچنان مانع است. این مطالعه که در npj Science of Food منتشر شده است، بر اساس مصاحبه با ۲۷ مدیر صنایع غذایی، مدیران ایمنی مواد غذایی و مدیرانی است که نماینده بخش‌های لبنی، گوشت، محصولات، تولید مواد غذایی و آزمایشگاه ایمنی مواد غذایی هستند.

کالونگا، کاندیدای دکترا در آزمایشگاه رناتا ایوانک، استاد کالج دامپزشکی و یکی از مدیران موسسه کشاورزی دیجیتال کرنل (CIDA)، این مطالعه را با همکارانی از کرنل، دانشگاه کالیفرنیا، دیویس، و دانشگاه کالیفرنیا، برکلی رهبری کرد. کالونگا مدرک کارشناسی ارشد بهداشت عمومی خود را از کرنل در سال 2022 قبل از شروع تحصیل در مقطع دکترا در آزمایشگاه ایوانک دریافت کرد. این مطالعه همچنین متخصصان علوم غذایی، علوم داده، اقتصاد و علوم اجتماعی را گرد هم آورد.

کالونگا گفت: «قبل از شروع این تحقیق، انتظار داشتم که شرکت‌ها در مورد به اشتراک گذاشتن داده‌های ایمنی مواد غذایی خود مردد باشند، به خصوص وقتی صحبت از همکاری با رقبا می‌شود. "من از اینکه چگونه شرکت کنندگان به طور آشکار دیدگاه های خود را به اشتراک گذاشتند شگفت زده شدم. بسیاری مایل بودند که نه تنها در مورد موانع گسترده تر در سطح صنعت، بلکه همچنین چالش های شرکت خود را مورد بحث قرار دهند، و بر شناخت مشترک این موضوع و تمایل به صحبت در مورد راه حل های بالقوه تاکید کردند."

در طول مصاحبه‌ها، شرکت‌کنندگان به طور مداوم الگوی مشابهی را توصیف کردند: آن‌ها ارزش ادغام داده‌ها را تشخیص دادند، اما با موانع فنی و عدم اعتماد به اینکه داده‌هایشان مسئولانه اداره می‌شود، دست و پنجه نرم کردند.

ایوانک گفت: «به اشتراک گذاری داده های محرمانه ایمنی مواد غذایی با رقبا برای ایجاد بینش مبتنی بر هوش مصنوعی از مجموعه داده های بزرگتر پیشنهادی وسوسه انگیز است. مزایای بالقوه بسیار زیادی دارد، اما راه‌های زیادی برای شکست نیز دارد.»

شرکت کنندگان گفتند که مجموعه داده های مشترک بزرگتر می تواند به شرکت ها کمک کند تا روندها را زودتر شناسایی کنند، مدل های پیش بینی را بهبود بخشند و شیوع نادر ناشی از مواد غذایی را بهتر درک کنند. چندین نفر اضافه کردند که ادغام داده ها همچنین می تواند به شرکت های کوچکتر دسترسی به بینش هایی را بدهد که در غیر این صورت به سرمایه گذاری های پرهزینه در تحقیق و تجزیه و تحلیل نیاز دارند. این مزایا با هم می توانند به شرکت ها کمک کنند تا مشکلات ایمنی مواد غذایی را زودتر تشخیص دهند و تلاش ها را برای دور نگه داشتن محصولات آلوده از عرضه مواد غذایی بهبود بخشند.

با این حال، شرکت‌ها ثبت سوابق ناهماهنگ، سیستم‌های داده ناسازگار و زیرساخت‌های دیجیتال ناهموار را به عنوان اشکالات ذکر کردند. در حالی که شرکت‌های بزرگ‌تر اغلب از پلت‌فرم‌های دیجیتالی پیشرفته استفاده می‌کنند، بسیاری از شرکت‌های کوچک‌تر هنوز به صفحات گسترده یا سوابق کاغذی متکی هستند، که اشتراک‌گذاری اطلاعات در مقیاس بزرگ را دشوار می‌کند.

کالونگا گفت که یافته‌ها به اعتماد و نه فناوری به عنوان بزرگ‌ترین مانع برای همکاری در صنعت اشاره دارد. مدیران مواد غذایی مصاحبه شده بارها نگرانی خود را در مورد از دست دادن کنترل داده های خود پس از ترک شرکت ابراز کردند. آن‌ها نگران بودند که داده‌ها از متن خارج شوند، آنها را در معرض مسئولیت قانونی قرار دهند، نظارت نظارتی را به خود جلب کنند یا مزیتی ناعادلانه برای رقبا فراهم کنند.

یکی از شرکت‌کنندگان به محققان گفت: «زمانی که این داده‌ها را ارائه دهم، مگر اینکه کاملا مطمئن باشم که از آن محافظت می‌شود، می‌توان از آن به عنوان سلاحی علیه من استفاده کرد.

کالونگا گفت: «برای اینکه هوش مصنوعی مؤثر باشد، باید در میان مردم تمایل به همکاری در اشتراک‌گذاری داده‌ها وجود داشته باشد. او گفت که شرکت ها می دانند که داده های به اشتراک گذاشته شده می تواند ایمنی غذا را برای همه بهبود بخشد، اما آنها مردد هستند زیرا خطرات توسط شرکت های فردی متحمل می شود در حالی که منافع به طور گسترده در صنعت توزیع می شود.

شرکت‌کنندگان گفتند استانداردهای واضح‌تر و اشخاص ثالث بی‌طرف، از جمله دانشگاه‌ها، می‌توانند به ایجاد حفاظت از حریم خصوصی و امکان همکاری کمک کنند. کالونگا گفت که یافته‌ها نشان می‌دهد که تحقق پتانسیل هوش مصنوعی برای ایمنی مواد غذایی ممکن است به همان اندازه به تمایل سازمان‌ها برای همکاری بستگی داشته باشد تا به پیشرفت‌های این فناوری.

ایوانک گفت که حل چالش های ایمنی مواد غذایی نیازمند همکاری بین رشته ای میان محققان در کشاورزی، دامپزشکی، اقتصاد، علوم کامپیوتر و سیاست عمومی است.

او گفت: "این یکی از آن مسائل سیستماتیک است که درک کل اکوسیستم برای حل مشکل ضروری است." "هر رشته در تیم ما بخش متفاوتی از راه حل را ارائه داد - از طراحی سوالات مصاحبه گرفته تا شناسایی الزامات عملی برای به اشتراک گذاری داده ها."

لیندا کالونگا و همکاران، ادراکات به اشتراک گذاری داوطلبانه داده های ایمنی مواد غذایی محرمانه افقی: یک مطالعه مصاحبه اکتشافی با رهبری صنعت غذا، npj Science of Food (2026). DOI: 10.1038/s41538-026-00939-9

لیسانس تاریخ هنر، کارشناسی ارشد فرهنگ مادی. سردبیر سابق موزه، پیراپزشک و هماهنگ کننده پیوند. ویرایش برای Science X از سال 2021. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →