Применение искусственного интеллекта в пищевой промышленности

Необходимость ИИ в пищевой промышленности

Помимо предоставления возможностей для решения сложных отраслевых задач, искусственный интеллект также меняет общий ландшафт бизнеса. Компании реагируют на потребительские тренды и выводят продукты на рынок быстрее, чем когда-либо прежде, и потребители начинают ожидать этого. Чтобы идти в ногу со временем и успешно реализовывать стратегии выхода на рынок, инновации в продуктах должны развиваться быстрее, чем когда-либо.

Традиционно цикл разработки новых продуктов для пищевых компаний, от замысла до появления на полках, был осложнен ограниченностью информации и фрагментарностью данных. Эта сложность обусловлена различными аспектами производственного цикла, включая маркетинг, исследования и разработки (НИОКР) и продажи. Эти проблемы приводят к медленному принятию решений и длительному циклу инноваций.

Поэтому неудивительно, что около 80% запусков продуктов питания терпят неудачу, в основном из-за отсутствия потребительского признания. ИИ помогает эффективно решать эти проблемы, сокращая необходимость в обширных испытаниях и стимулируя межведомственное взаимодействие с помощью мощных сетей передачи данных. Он может оптимизировать весь процесс, оптимизируя рецептуры продуктов, параметры процесса и анализируя рыночные тенденции.

«Вся цифровая повестка дня актуальна и интересна, потому что при правильном подходе она действительно ускоряет процессы», — говорит Мириам Юбералл, бывший директор по исследованиям и разработкам в Kraft Heinz и Unilever. «Избегайте метода проб и ошибок, свойственного традиционным организациям, занимающимся исследованиями и разработками, и будьте более предусмотрительны».

Роль ИИ в развитии инновационного цикла в пищевой промышленности

Улучшите понимание потребностей потребителей и генерацию идей . ИИ меняет процесс разработки новых продуктов, используя многомерный подход, основанный на данных.

Во-первых, ИИ интерпретирует тенденции в режиме реального времени из внешних источников, собирая информацию о мнениях и настроениях потребителей. Это включает в себя анализ социальных сетей, отслеживание ключевых слов, использование чат-ботов для проведения опросов и анализ изображений.

Во-вторых, ИИ также распространяется на датчики Интернета вещей (IoT), которые собирают данные потребителей о выборе продуктов и кулинарных предпочтениях. Кроме того, ИИ проводит аналитику, используя исторические данные о продажах и рыночных тенденциях для точного прогнозирования потребностей и предпочтений потребителей, оптимизации сроков запуска новых продуктов и адаптации к изменениям рынка.

TasteGPT — это универсальная программа на базе искусственного интеллекта от Tastewise, призванная помочь пользователям получать персонализированную информацию быстрее, чем когда-либо.

Стартап Tastewise — яркий пример использования искусственного интеллекта для разработки новых продуктов. Компания разработала программное обеспечение, которое собирает огромные объёмы данных из различных источников (социальные сети, отзывы, меню, рецепты и т. д.), чтобы понимать новые гастрономические тренды и вкусы потребителей.

Это программное обеспечение является ценным инструментом для компаний, производящих продукты питания, поскольку оно помогает создавать продукты, которые востребованы и предпочтительны для потребителей.

Открытие новых пищевых ингредиентов . В цикле разработки новых продуктов ИИ также может ускорить открытие новых пищевых ингредиентов, улучшить их скрининг и характеристику. Стартапы по всему миру исследуют и разрабатывают эффективный алгоритм для поддержки процесса открытия пищевых продуктов. Например, Ginkgo Bioworks и Arzeda используют сочетание вычислительного проектирования и ИИ для создания новых белков и ферментов. В то же время, Amai Proteins использует ИИ для разработки новых белков, оптимизированных для получения различных характеристик и вкусов.

Исследования, разработки и оптимизация . ИИ играет центральную роль в прогнозировании и улучшении характеристик различных пищевых продуктов. Он подбирает соотношение ингредиентов для соответствия вкусовым профилям и предлагает более полезные альтернативы, сохраняя при этом вкус.

Кроме того, ИИ помогает оценить текстуру пищевых продуктов, гарантируя, что их характеристики соответствуют ожиданиям. Что касается пищевой ценности, ИИ оптимизирует рецепты для достижения конкретных целей, будь то снижение содержания сахара или увеличение содержания белка, а также прогнозирует пищевую ценность в соответствии с требованиями маркировки.

В последнее время пищевые компании применяют ИИ в циклах исследований и разработок, сокращая время разработки и производства продукции с нескольких месяцев до нескольких дней. Компания Unilever использовала ИИ для создания продуктов с низким содержанием соли, ускорив процесс анализа вкуса с нескольких месяцев до нескольких дней. Компания Kraft Heinz протестировала алгоритмы ИИ для оптимизации затрат, сахара и соли, добившись впечатляющих результатов. Количественный описательный анализ позволил воспроизвести оригинальный томатный продукт с точностью 94%.

Оптимизация производительности и затрат . После разработки продуктов питания в лабораторных масштабах пищевые компании сталкиваются с необходимостью организации оборудования и линий для крупномасштабного производства с сохранением конкурентоспособности и качества, характерных для лабораторных условий. ИИ предлагает решение, анализируя данные и определяя оптимальные условия для масштабирования производства.

Такие новаторские стартапы, как Animal Alternative Technologies и Umami Bioworks, лидируют в этой области, разрабатывая масштабируемую интеллектуальную собственность и технологии посредством оптимизации науки о данных. Ещё один заметный стартап в этой области — Eternal, использующий ИИ и робототехнику для автоматизации тестирования, анализа и оптимизации ферментации биомассы. Эти достижения также приносят пользу крупным производителям, ищущим жизнеспособный и устойчивый путь к крупномасштабному производству альтернативного белка.

Проблемы применения ИИ в пищевой промышленности

Применение ИИ в пищевой промышленности обеспечивает множество преимуществ, включая экономическую эффективность, скорость, индивидуализацию, возможности прогнозирования и аналитику на основе данных. Однако этот процесс также сталкивается с рядом сложностей.

Ограниченность исторических данных : В такой развивающейся области, как пищевые технологии, отсутствуют исторические данные для использования в алгоритмах, что затрудняет получение значимых результатов. Даже если они доступны, они часто представлены в различных неструктурированных и разрозненных форматах. Поэтому необходимо разработать методы, позволяющие представить релевантные входные данные в более понятной форме.

Высокие затраты на внедрение : создание и поддержка системы искусственного интеллекта может быть дорогостоящим, особенно для малого бизнеса. С другой стороны, существующие системы крупных компаний могут быть не рассчитаны на будущее и, следовательно, требуют значительных инвестиций для дальнейшего развития.

Правовые и этические сложности : Растущая сложность систем ИИ, особенно в предиктивных приложениях, ставит вопрос о привлечении к ответственности с юридической и этической точки зрения для устранения потенциальных ошибок и последствий применения ИИ. Кроме того, оценка влияния ИИ на традиционную культуру питания имеет решающее значение для понимания его общего воздействия.

Проблемы безопасности данных : защита конфиденциальных данных, таких как секретные рецепты, и одновременное содействие обмену данными для оптимизации приложений ИИ — сложная задача, требующая эффективных механизмов управления. Кроме того, критически важна защита от цифровых атак.

Изменение правил : законы о продуктах питания часто меняются, и системам искусственного интеллекта приходится учитывать эти изменения. Кроме того, правила часто требуют интерпретации, для которой существующий искусственный интеллект может быть не очень хорошо приспособлен.

Междисциплинарное сотрудничество и обмен опытом : Сочетание ИИ и опыта в области продуктов питания требует эффективного взаимодействия между экспертами из разных областей (специалистами по продуктам питания, инженерами и специалистами по данным). Это требует ускоренного обмена опытом и развития кросс-функциональных возможностей для принятия комплексных решений на основе данных.

Принятие потребителями : Чтобы развеять опасения и страхи потребителей по поводу продуктов питания, производимых с помощью ИИ, необходимы тщательные и глубокие исследования. Это долгий, скрупулезный и дорогостоящий процесс.

Воздействие на окружающую среду : Помимо эффективности, необходимо учитывать воздействие ИИ на окружающую среду и сопоставлять его с преимуществами снижения воздействия на окружающую среду. Решение этих проблем имеет решающее значение для того, чтобы помочь пищевой промышленности максимально эффективно использовать потенциал ИИ, одновременно с упреждающим устранением его ограничений и социальных последствий.

Перспективы применения ИИ в пищевой промышленности

С конца 2010-х годов в мире наблюдается всплеск числа стартапов, специализирующихся на разработке продуктов питания с использованием ИИ. Суть заключается в предоставлении решений на базе ИИ для таких задач, как анализ рынка, прогнозирование потребительского спроса, а также предиктивное моделирование параметров продуктов и процессов.

Экосистема стартапов в пищевой промышленности на базе искусственного интеллекта.

Стартапы всё чаще объединяются с компаниями пищевой промышленности для стимулирования инноваций — тенденция, которая, как ожидается, будет набирать обороты в ближайшем будущем. Возникают проблемы с качеством данных, вычислительной мощностью и этикой, однако приложения ИИ уже глубоко проникли в пищевую промышленность. Поэтому, как только будет разработан гармонизированный механизм применения, ожидается, что ИИ произведёт революцию в пищевой промышленности.

Мощная синергия искусственного интеллекта и пищевых технологий — неотъемлемая часть процесса удовлетворения растущего спроса на продукты питания и требований устойчивого развития. В ближайшем будущем искусственный интеллект будет способствовать оптимизации каждого этапа цикла разработки новых продуктов в пищевой промышленности: от вдохновения для дизайна новых продуктов, основанного на данных о потребительском спросе, до предложения новых параметров процессов, которые могут повысить производительность и снизить затраты.

(По данным peakbridge.vc, ieeexplore.ieee.org)

Источник