Cum poate inteligența artificială să contribuie la un sistem alimentar mai echitabil
Conectând datele personale de sănătate cu prognozele climatice și logisticile alimentare, inteligența artificială (IA) ar putea transforma modul în care se cultivă, se livrează și se recomandă alimentele, dar revizuirea avertizează că echitatea, confidențialitatea și sustenabilitatea vor decide dacă aceste instrumente vor beneficia pe toată lumea.
O revizuire recentă publicată în revista npj Science of Food sugerează că inteligența artificială ar putea ajuta la abordarea unor aspecte ale insecurității alimentare globale prin corelarea datelor individuale de sănătate, comportamentale, dietetice, de mediu și logistice cu condițiile climatice și practicile agricole.
Modelele de IA pot analiza informații complexe, inclusiv datele de sănătate și mediu, prognozele meteo și datele logistice, pentru a îmbunătăți producția, distribuția și sustenabilitatea alimentelor, cu condiția ca barierele de echitate, confidențialitate și guvernanță să fie abordate.
Sistemele alimentare actuale nu sunt echipate adecvat pentru a face față problemei în creștere a insecurității alimentare. Persoanele care se confruntă cu bariere economice pot avea dificultăți în accesarea dietelor sănătoase. În paralel, consumul excesiv de alimente ultra-procesate, care sunt ieftine și disponibile, în special în mediile cu venituri mici, poate predispune indivizii la condiții precum obezitatea.
Recomandările dietetice existente sunt generice. Două persoane care consumă aceleași alimente pot răspunde diferit. Aceasta se datorează faptului că oamenii au profiluri metabolice, susceptibilități genetice și compoziții ale microbiomului intestinal diferite.
De asemenea, agricultorii cultivă în principal câteva culturi pe baza condițiilor climatice istorice. Drept urmare, producția agricolă poate deveni ineficientă din cauza schimbărilor climatice continue.
Aceste sisteme pot crește dependența de modele de producție intensive în resurse și pot reduce reziliența în fața unui climat în schimbare. Metodele convenționale pot, prin urmare, să agraveze daunele aduse mediului.
În revizuirea actuală, cercetătorii au căutat în bazele de date PubMed, Scopus și Web of Science înregistrări relevante privind utilizarea IA în nutriția de precizie și în lanțurile de aprovizionare alimentare reziliente la climă.
IA utilizată pentru personalizarea consumului alimentar și îmbunătățirea lanțurilor de aprovizionare
Inteligența artificială poate face nutriția mai personalizată și producția alimentară mai eficientă. Modelele de IA pot combina date din surse multiple. Algoritmii de învățare automată și învățare profundă pot analiza aceste seturi de date integrate. De exemplu, dispozitivele purtabile pot urmări măsurători precum ritmul cardiac, activitatea, somnul și, în unele cazuri, tensiunea arterială.
Aplicațiile de IA pot combina aceste informații personale cu date genetice, compoziția microbiomului intestinal și factorii de mediu. Modelele pot oferi planuri dietetice personalizate pe baza parametrilor de sănătate, activității fizice, obiceiurilor alimentare și tiparelor de somn pentru a îmbunătăți sănătatea generală.
Aceste aplicații pot analiza condițiile geografice și pot oferi opțiuni alimentare locale, mai degrabă decât produse importate cu o amprentă de carbon ridicată. Platformele bazate pe IA, cum ar fi DayTwo, utilizează informații despre microbiomul intestinal și monitorizarea glucozei pentru a susține nutriția personalizată, iar revizuirea raportează că intervențiile personalizate au redus nivelurile de glucoză postprandială cu până la 21% în studiile citate.
Tehnologia IA poate, de asemenea, să întărească lanțurile de aprovizionare alimentară. Modelele de prognoză a climei utilizează senzori de la distanță și analizează datele satelitare în timp real pentru a prezice inundațiile și secetele cu câteva săptămâni înainte. Prin urmare, acestea pot îmbunătăți pregătirea agricultorilor.
Singapore utilizează tehnici de agricultură în interior bazate pe IA. Culturile sunt cultivate în panouri verticale controlate de IA. Aceste panouri pot ajusta automat lumina, temperatura și nutrienții. Roboții efectuează sarcini agricole plictisitoare pentru a reduce necesitatea muncii manuale. Procedurile automate includ plantarea semințelor, mutarea culturilor și recoltarea. Cu toate acestea, revizuirea observă că agricultura verticală poate necesita investiții mari, expertiză tehnică și un consum substanțial de electricitate.
IBM Food Trust utilizează trasabilitate bazată pe blockchain, susținută de curățarea, standardizarea și analiza datelor, pentru a urmări alimentele de la sursa originală (fermă) până la magazinul de alimente. Prin conectarea producătorilor, angrosiștilor și retailerilor, IA ar putea ajuta la reducerea risipei alimentare și la identificarea rapidă a surselor de contaminare.
Astfel de sisteme pot ajuta la alinierea producției alimentare cu cerințele nutriționale ale comunităților locale. Aceasta susține practicile alimentare circulare și reduce emisiile de carbon și presiunea asupra mediului.
Pe baza traficului în timp real și a accidentelor de vehicule, aplicațiile de IA pot identifica cea mai potrivită rută de livrare. Acest lucru a redus emisiile de gaze cu efect de seră cu 15% până la 30% în aplicațiile citate.
Limitări existente și direcții viitoare
Cercetătorii utilizează din ce în ce mai mult tehnologiile IA. Cu toate acestea, anumite bariere limitează utilizarea pe scară largă. Informațiile individuale de sănătate și meteorologice sunt adesea stocate în formate diferite, ceea ce le face mai greu de interpretat între sistemele diferite. Modelele de IA sunt, de asemenea, antrenate în principal în țările dezvoltate. Drept urmare, datele pot să nu performeze bine pentru persoanele din țările în dezvoltare sau cu venituri mici. Aceste modele au, de obicei, o abordare de tip „cutie neagră”.
Datele de intrare sunt procesate în rezultate fără o raționare transparentă. Aceasta reduce încrederea în procesul decizional și ridică probleme de confidențialitate. Prin urmare, cercetătorii întâmpină dificultăți în integrarea informațiilor despre nutriție, climă și logistică.
În plus, sistemele de IA pentru fermele verticale interioare necesită investiții semnificative și expertiză tehnică. Acestea pot necesita un consum substanțial de electricitate și resurse tehnice mai largi, iar impactul lor asupra mediului depinde de modul în care sunt alimentate și gestionate. Marii furnizori de tehnologie controlează, de obicei, datele alimentare, ceea ce ridică preocupări etice și reduce accesul echitabil la strategiile de nutriție personalizate.
Cercetătorii trebuie să dezvolte sisteme de IA bazate pe învățarea federată care utilizează date cu consimțământul individual și oferă explicații transparente pentru deciziile lor. Eforturile viitoare trebuie să susțină, de asemenea, partajarea sigură a datelor alimentare bazate pe blockchain.
Tehnologiile precum computația cuantică ar putea, în cele din urmă, să ajute la reducerea sarcinilor computaționale și să îmbunătățească gestionarea lanțurilor de aprovizionare, deși revizuirea subliniază că utilizarea practică rămâne limitată de lipsa de hardware și expertiză.
