Sztuczna inteligencja (SI) od jakiegoś już czasu trafia na pierwsze strony gazet. Wiele miejsca poświęca się wpływowi ChatGPT i podobnych technologii na nasze codzienne życie. Sądząc po tym, jak wielką sensację wzbudza ten temat można pomyśleć, że sztuczna inteligencja jest nową technologią. W rzeczywistości jej początki sięgają lat 50. ubiegłego wieku. To, co widzimy dzisiaj, jest wynikiem dekad badań i rozwoju technologicznego. Wygląda na to, że nareszcie pojawiają się owoce tych starań, wprowadzając prawdziwą rewolucję do naszego życia i pracy.

Nie inaczej jest w sektorze żywności i napojów. Coraz więcej firm czerpie korzyści z technologii SI. A ponieważ do 2028 roku wartość rynku SI w sektorze żywności i napojów może osiągnąć oszałamiającą kwotę ponad 35 mld dolarów, oznacza to, że liczba firm z tej branży inwestujących w sztuczną inteligencję znacząco wzrośnie. Niemniej, choć wiele osób zetknęło się już z pojęciem SI, wciąż panuje powszechna niepewność, czym ona właściwie jest, jak działa i jakie korzyści może przynieść sektorowi żywności i napojów.

Czym jest sztuczna inteligencja i uczenie maszynowe?

Sztuczna inteligencja (SI) to zdolność komputera lub maszyny do naśladowania lub imitowania ludzkiego, inteligentnego zachowania i wykonywania zadań w sposób podobny do działania ludzi. SI wykonuje zadania, które wymagają ludzkiej inteligencji – myślenia, rozumowania, uczenia się na podstawie doświadczenia – i co najważniejsze, samodzielnego podejmowania decyzji.

Z kolei uczenie maszynowe to podzbiór sztucznej inteligencji. Są to systemy komputerowe, które mogą się uczyć i dostosowywać bez wyraźnego programowania lub pomocy. Uczenie maszynowe wykorzystuje algorytmy i modele statystyczne do inteligentnej analizy danych, wyciągając wnioski z wzorców danych w celu dostarczenia informacji do dalszych działań.

Sztuczna inteligencja w branży spożywczej

Sztuczna inteligencja, a w szczególności uczenie maszynowe, dysponuje odpowiednim potencjałem, aby zoptymalizować wszystkie dziedziny produkcji żywności, ułatwiając inteligentne, branżowe zastosowania celem poprawy każdego aspektu łańcucha „od pola do stołu”, pomagając zarazem budować elastyczność i napędzając wzrost przychodów.

Dzięki możliwości uwzględnienia niebotycznej liczby wartości danych, parametrów, scenariuszy typu „co by było, gdyby...” i innych czynników, uczenie maszynowe może formułować dokładne i terminowe zalecenia dla niemal wszystkich ogniw łańcucha dostaw żywności. Zapewnia to przewagę konkurencyjną, której odtworzenie bez zastosowania technologii SI byłoby niemożliwe.

Gdzie już dziś wykorzystuje się uczenie maszynowe?

Zastosowania uczenia maszynowego w sektorze żywności i napojów są niemal nieograniczone. Weźmy na przykład rolnictwo precyzyjne – dziedzinę, w której uczenie maszynowe dostarcza nowych spostrzeżeń. Może to być analiza poprzednich zbiorów zarówno pod względem ilości, jak i jakości, w połączeniu z prognozami pogody, aby poinformować, które pola wymagają nawadniania lub kiedy należy zastosować nawóz.

Nutreco, firma zajmująca się żywieniem zwierząt, uzyskała w sektorze akwakultury dodatkowe cykle produkcyjne zdrowszych krewetek, zużywając jednocześnie o 30% mniej paszy. Firma wykorzystuje w szczególności czujniki dźwięku, aby wychwytywać sygnały oznaczające, że zwierzęta są głodne. Uczenie maszynowe określa następnie, kiedy nakarmić krewetki i jaką ilością paszy, co służy obniżeniu współczynnika konwersji paszy i skraca cykl produkcji, podwajając ją bez ogromnej intensyfikacji.

Innym przykładem zastosowania uczenia maszynowego w praktyce jest globalna firma Zeelandia Group zajmująca się produkcją składników piekarniczych. Firma stawiła czoło wyzwaniom w postaci wyższych kosztów i niedostępności składników, wdrażając model uczenia maszynowego. Rekomenduje on produkty i ceny klientom na podstawie zakupów innych piekarni o zbliżonej charakterystyce. Dzięki wdrożeniu sztucznej inteligencji grupa skróciła czas przygotowywania rekomendacji produktów dla klientów o 83% (z 30 minut do 5 minut). W efekcie pracownicy Zeelandia Group są w stanie zapewnić lepszą obsługę klienta, a także zwiększyć przychody na transakcję, poprawiając dokładność i szybkość rekomendacji produktów i strategii cenowych.

Coraz więcej organizacji zajmujących się żywnością i napojami zwraca się w stronę sztucznej inteligencji również po to, by zmniejszyć ilość odpadów i wychwycić nieefektywności w łańcuchu dostaw. Czołowy globalny dostawca koziego sera i ekologicznego sera krowiego Amalthea wykorzystuje uczenie maszynowe, aby zwiększyć przewidywalność jakości sera i zmaksymalizować wydajność, budując lojalność klientów i umacniając zrównoważony rozwój. Wcześniej Amalthea mogła ręcznie analizować udój mleka tylko raz w tygodniu, co utrudniało dostosowanie parametrów procesu w celu optymalizacji wydajności. Opierając się na uczeniu maszynowym, firma może teraz natychmiast analizować udój, a także otrzymuje bezpośredni wgląd w przyczyny jego wahania. Pomogło to firmie zmniejszyć ogólną ilość odpadów produkcyjnych, ponieważ teraz można szybko zidentyfikować bolączki i jednocześnie usprawnić procesy. Zmiany te miały bezpośredni wpływ na rentowność i wyniki finansowe.

Planowanie na każdą ewentualność

Wśród firm z branży spożywczej popularne do niedawna było przekonanie, że jedyną rzeczą, której mogą być pewne, jest niepewność. Biorąc pod uwagę nieprzewidywalność zmian warunków pogodowych, jak wygląda rola uczenia maszynowego tam, gdzie zasadniczo nie da się znaleźć wzorców danych?

Uczenie maszynowe może pomóc w lepszym zrozumieniu ryzyka związanego ze zmieniającymi się warunkami pogodowymi oraz ich wpływem na zbiory na całym świecie. Może to wpłynąć na strategie potrzebne do złagodzenia tych zagrożeń. Jednak nawet przy użyciu najnowszych technologii uczenia maszynowego, zapewnienie skuteczności tych działań wymaga konsensusu. Jak wskazuje Organi­zacja Narodów Zjednoczonych do spraw Wyżywienia i Rolnictwa (FAO), każda strona uczestnicząca w łańcuchu dostaw żywności musi zwiększyć swoją odporność, minimalizując zużycie wody, energii i innych zasobów. Wszystkie te zmiany mogą być wspierane przez uczenie maszynowe.

W miarę rozwoju technologii i odkrywania przez coraz więcej firm korzyści, jakie można osiągnąć dzięki zastosowaniu sztucznej inteligencji, możliwości SI będą się dalej rozwijać, doskonalone w celu rozwiązywania konkretnych problemów branżowych lub biznesowych. Już widzimy, że przemyślane zastosowanie technologii SI pomaga kolejnym firmom z branży spożywczej, a ich liczba w najbliższych kilku latach jeszcze wzrośnie. Sztuczna inteligencja już teraz okazuje się motorem rzeczywistej wydajności. Pomaga firmom planować i brać pod uwagę wszystkie ewentualności – a do tego dostarcza praktyczne spostrzeżenia, które są niezbędne, aby wyprzedzić o krok konkurencję.