Les rappels d'aliments pourraient appartenir au passé si l'intelligence artificielle (IA) est utilisée dans la production alimentaire, selon une étude récente de l'UBC et de l'Université de Guelph.

Le coût moyen d'un rappel d'aliments en raison d'une contamination bactérienne ou microbienne, comme E. coli, est de 10 millions de dollars américains selon le co-auteur de l'étude, le Dr Rickey Yada, professeur et doyen de la faculté des terres et des systèmes alimentaires de l'UBC. /P>

Nous avons discuté avec le Dr Yada de la façon dont l'IA peut aider à optimiser les systèmes actuels utilisés dans l'industrie de la transformation des aliments et comment elle peut contribuer à rendre notre approvisionnement alimentaire plus sûr.

Quelles sont certaines des limites actuelles en matière de transformation des aliments ?

Le défi actuel est que les problèmes de sécurité alimentaire ont tendance à apparaître après coup, une fois que les produits ont été expédiés, vendus ou, dans certains cas, déjà consommés. Cela conduit alors à des rappels qui nuisent à la fois à l'économie et à la réputation.

Il existe actuellement deux manières d'obtenir des indicateurs de sécurité alimentaire. Le premier consiste à analyser les données après la transformation d'un produit alimentaire et constitue un produit final pour voir si des problèmes surviennent (également appelés facteurs retardés), et le second consiste à collecter des données sur les indicateurs d'avertissement, tels que l'efficacité d'un système de sécurité alimentaire. exercices d'entraînement et prédire les problèmes qui pourraient en découler (appelés facteurs principaux).

Le problème avec les facteurs retardés est que les problèmes ne peuvent être remarqués qu'après que le produit alimentaire a déjà été vendu et consommé.

Comment l'IA fournit-elle une solution qui peut améliorer la sécurité alimentaire ?

Je pense que le pouvoir de l'IA et de l'apprentissage automatique est la capacité prédictive ; cela peut aider l'industrie alimentaire à prendre des mesures plus tôt pour réduire l'apparition de maladies d'origine alimentaire dans ses opérations.

Dans ce cas, il s'agit de faire évoluer l'industrie vers une approche axée sur les données. L'utilisation de l'IA peut accroître la précision et l'efficacité de la transformation des aliments et peut constituer une méthode préventive pour nous aider à rationaliser les processus, ce qui réduit en fin de compte les risques d'épidémies bactériennes dans les produits.

À quoi cela ressemblerait-il dans la pratique ?

Si nous optimisons les données que nous avons des systèmes de transformation des aliments actuels avec l'apprentissage automatique, cela peut compenser certaines des limites auxquelles nous sommes confrontés pour faire sortir les aliments de la porte. Actuellement, les machines de transformation des aliments génèrent des données, mais c'est souvent aux humains d'interpréter parfois ces données. Par exemple, le travail d'une machine peut être de filtrer les pommes rouges des pommes vertes, mais à la fin de la ligne, c'est à un humain de décider si c'est assez rouge ou non. Cela peut créer des inefficacités dans certains scénarios.

L'idée est d'amener les machines à penser comme le cerveau humain. Afin que les erreurs et les inefficacités actuelles de l'intervention humaine, qui peuvent parfois compromettre la sécurité alimentaire, puissent être prédites par l'IA et finalement réduites ou éliminées.

Une autre application prometteuse consiste à utiliser l'IA pour analyser les données comportementales des travailleurs humains dans la chaîne de traitement. En pratique, cela pourrait signifier que les travailleurs remplissent une enquête hebdomadaire rapide en ligne sur leur culture d'entreprise. Le traitement du langage naturel serait ensuite utilisé pour analyser leurs réponses et créer une mesure quantitative de la culture de la sécurité alimentaire. L'entreprise pourrait prédire la probabilité de problèmes de sécurité alimentaire en examinant les tendances de la culture de la sécurité alimentaire et en les combinant avec les autres données liées à la sécurité alimentaire, et prendre des mesures en temps opportun pour réduire le risque d'épidémie.

Cela signifierait-il que les humains pourraient éventuellement être remplacés par des machines ?

Dans ce cas, il s'agit de trouver une solution basée sur les données sur la façon dont nous pouvons utiliser l'intelligence artificielle pour combiner l'intervention humaine avec l'intervention de la machine. C'est la combinaison de ces deux éléments qui nous permettra d'avoir un modèle prédictif plus solide autour des problèmes de sécurité alimentaire.

Cette étude a été publiée dans le Trends in Food Science &Technology Journal . + Explorer plus loin

Nourriture personnalisée de l'imprimante 3D