Επιστήμονες χρησιμοποίησαν επιτυχώς τεχνητή νοημοσύνη για να ανιχνεύσουν γάλα που είχε υποστεί επεξεργασία με αντιβιοτικά
Η γαλακτοβιομηχανία είναι ένας κλάδος πολύ υψηλής έντασης εργασίας που οδηγεί σε υψηλό εργατικό κόστος, το οποίο έχει σημαντικό αντίκτυπο στη συνολική κερδοφορία. Επιπλέον, ο φόρτος εργασίας στη γαλακτοβιομηχανία είναι επαναλαμβανόμενος και μονότονος, με αποτέλεσμα να μειώνονται τα κίνητρα των εργαζομένων και ολόκληρη η παραγωγική διαδικασία να είναι χρονοβόρα και λιγότερο αποτελεσματική.
Για την αύξηση της παραγωγικότητας, της αποδοτικότητας και της ταχύτητας, η νέα τεχνολογία όπως η τεχνητή νοημοσύνη (AI) μπορεί να διαδραματίσει σημαντικό ρόλο. Η χρήση της τεχνητής νοημοσύνης στη γαλακτοβιομηχανία έχει μεγάλο αντίκτυπο στη μείωση του κόστους εργασίας.
Σε μελέτη που δημοσιεύτηκε στο National Bureau of Economic Research εκτιμήθηκε ότι η χρήση ενός ρομπότ ανά χίλιους εργαζόμενους μείωσε το κόστος των μισθών κατά 0,5 %. Επίσης, η Τεχνητή Νοημοσύνη βοηθά στην ικανοποίηση των απαιτήσεων, καθώς αυξάνει την αποδοτικότητα της παραγωγής κατά 25%, τη μείωση του κόστους παραγωγής κατά 50% και την αύξηση της χρησιμοποίησης κατά περισσότερο από 85%.
Σε νέα μελέτη που δημοσιεύτηκε στο mSystems, ένα περιοδικό της Αμερικανικής Εταιρείας Μικροβιολογίας, οι ερευνητές ανέφεραν ότι χρησιμοποιώντας δεδομένα μεταγονιδιωματικής shotgun και τεχνητή νοημοσύνη, κατάφεραν να ανιχνεύσουν γάλα που είχε υποστεί επεξεργασία με αντιβιοτικά, το οποίο είχε προστεθεί πειραματικά και τυχαία στα δείγματα γάλακτος χύμα δεξαμενής που συνέλεξαν.
Συνδυάζοντας τη γενετική αλληλουχία και την ανάλυση των μικροβίων σε ένα δείγμα γάλακτος με την τεχνητή νοημοσύνη (AI), οι ερευνητές μπόρεσαν να ανιχνεύσουν ανωμαλίες στην παραγωγή γάλακτος, όπως μόλυνση ή μη εγκεκριμένα πρόσθετα. Η νέα προσέγγιση θα μπορούσε να συμβάλει στη βελτίωση της ασφάλειας των γαλακτοκομικών προϊόντων, σύμφωνα με τους συγγραφείς της μελέτης από το Penn State, το Πανεπιστήμιο Cornell και την IBM Research.
Για να επικυρώσουν τα ευρήματά τους, οι ερευνητές εφάρμοσαν επίσης το εξηγήσιμο εργαλείο AI σε δημόσια διαθέσιμα, γενετικά αλληλουχημένα σύνολα δεδομένων από δείγματα χύμα γάλακτος, αποδεικνύοντας περαιτέρω την ευρωστία της μη στοχευμένης προσέγγισης.
Οι ερευνητές συνέλεξαν 58 δείγματα χύμα γάλακτος από δεξαμενή και εφάρμοσαν διάφορους αλγορίθμους τεχνητής νοημοσύνης για να διακρίνουν μεταξύ των βασικών δειγμάτων και εκείνων που αντιπροσωπεύουν πιθανές ανωμαλίες, όπως γάλα από εξωτερική φάρμα ή γάλα που περιέχει αντιβιοτικά.
Η μελέτη αυτή χαρακτήρισε τα μεταγονιδιώματα του νωπού γάλακτος σε μεγαλύτερο βάθος αλληλούχισης από οποιαδήποτε άλλη δημοσιευμένη εργασία μέχρι σήμερα και έδειξε ότι υπάρχει ένα σύνολο μικροβίων συναίνεσης που βρέθηκαν να είναι σταθερά στοιχεία σε όλα τα δείγματα.
Τα ευρήματα της μελέτης υποδηλώνουν ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να βελτιώσει σημαντικά την ανίχνευση ανωμαλιών στην παραγωγή τροφίμων, παρέχοντας μια πιο ολοκληρωμένη μέθοδο που μπορεί να προστεθεί στην εργαλειοθήκη των επιστημόνων για τη διασφάλιση της ασφάλειας των τροφίμων, εξήγησε ο Ganda.
Ακολουθήστε το Cibum 
