Σύμφωνα με την Ευρωπαϊκή Αρχή για την Ασφάλεια των Τροφίμων, το 2022, μόνο στην Ευρωπαϊκή Ένωση σημειώθηκαν περισσότερες από 5.000 επιδημίες σχετιζόμενες με τρόφιμα (τροφιμογενείς), αύξηση που ξεπερνά το 40% σε σύγκριση με το 2021. Επιπλέον, οι ανακλήσεις τροφίμων και ποτών έχουν τεράστιες οικονομικές και νομικές επιπτώσεις για τις επιχειρήσεις. Όλα τα παραπάνω χαρακτηρίζονται από ένα κοινό παρονομαστή, τον χρόνο. Τόσο οι πολίτες όσο και οι επιχειρήσεις υποφέρουν από τις συνέπειες των μολυσμένων τροφίμων – μόνο και όταν αυτές έχουν ήδη συμβεί – όταν δηλαδή είναι πια πολύ αργά. Αλλά αυτός είναι και ο μοναδικός τρόπος αντίληψης του προβλήματος ή μήπως όχι;

Το ευρωπαϊκό έργο EFRA, ύψους 5.000.000 ευρώ, αφορά στην εκμετάλλευση και διαχείριση τεχνολογιών για τη πρωτοποριακή δυνατότητα πρόβλεψης, προσδιορισμού και αποτροπής αναδυόμενων διατροφικών κινδύνων. «Πρόκειται για ένα φιλόδοξο έργο που χρηματοδοτείται από την Ευρωπαϊκή Ένωση και ξεκίνησε τον Ιανουάριο του 2023 με διάρκεια τριών ετών με σκοπό να αποτελέσει ένα παράδειγμα υψηλής τεχνολογίας με τεράστιο αντίκτυπο στην διασφάλιση ασφαλών και βιώσιμων τροφίμων σε ένα παγκόσμιο περιβάλλον το οποίο πλήττεται από μεγάλες πιέσεις (κλιματολογικές, περιβαλλοντολογικές, οικονομικές κ.α.). Στο πρόγραμμα συμμετέχουν εννέα εταίροι, προερχόμενοι από επτά Ευρωπαϊκές χώρες. Η κοινοπραξία του EFRA πιστεύει πως μπορεί να δώσει απάντηση και να «κερδίσει τον χρόνο» χρησιμοποιώντας τις τελευταίες τεχνολογικές εξελίξεις στη λήψη αποφάσεων δια μέσου ψηφιακών δεδομένων», τόνισε ο Υπεύθυνος Επικοινωνίας του έργου Βασίλης Κοτσικόρης από την εταιρεία Rainno που συμμετέχει στο πρόγραμμα και έχει έδρα στη Θεσσαλονίκη.

Η βασική φιλοδοξία του EFRA είναι να ξεπεράσει τα παραπάνω όρια εξερευνώντας νέες, πειραματικές και πολλά υποσχόμενες προσεγγίσεις στην εξόρυξη δεδομένων καθώς και τεχνολογίες συγκέντρωσης και ανάλυσής τους με τη χρήση μοντέλων Τεχνητής Νοημοσύνης. Το πρώτο βήμα του έργου είναι η αναγνώριση και συγκέντρωση αυτού του «πλούτου» ετερογενών ψηφιακών δεδομένων, τα οποία βρίσκονται διασκορπισμένα στο διαδίκτυο και η μετατροπή τους σε μια «καθολική γλώσσα» υψηλής ποιότητας δεδομένων διατροφικού κινδύνου, ικανή για την «εκπαίδευση» μοντέλων Τεχνητής Νοημοσύνης. Τα μοντέλα αυτά θα έχουν τη δυνατότητα να παράγουν προληπτικά μέτρα περιορισμού του κινδύνου (βασιζόμενα σε προγνωστικές ενημερώσεις βραχυπρόθεσμων και μακροπρόθεσμων ρίσκων διατροφικού κινδύνου) με τρόπο ασφαλή, ακριβή, έμπιστο αλλά και «πράσινο», πριν την εμφάνιση φαινομένων μολύνσεων, ποιότητας ή και νοθείας τροφίμων.

«Είναι τιμή μου να συμμετέχω στο έργο EFRA, το οποίο έχει την προοπτική να φέρει ριζική επανάσταση στο τρόπο αντιμετώπισης θεμάτων ασφάλειας τροφίμων. Χρησιμοποιώντας προηγμένες τεχνικές επιστήμης των υπολογιστών, όπως κατανεμημένη μάθηση Τεχνητής Νοημοσύνης (federated AI learing) καθώς και κατανόηση φυσικής γλώσσας (NLU), στοχεύουμε στο συγκερασμό του ιδιωτικού πλούτου πληροφοριών ασφάλειας τροφίμων με τα δημόσια διαθέσιμα δεδομένα», επισημαίνει ο Μάνος Καρβούνης, Υπεύθυνος Έρευνας και Καινοτομίας της Agroknow και Συντονιστής του έργου EFRA.

«Δια μέσου της ψηφιοποίησης και της ανάπτυξης σύνδεσης των δικτύων αισθητήρων (sensor networks) καθώς και του διαδικτύου των πραγμάτων (Internet of Things), η συλλογή δεδομένων κατά μήκος της αλυσίδας εφοδιασμού τροφίμων έχει αυξηθεί σε τεράστια κλίμακα. Ωστόσο, όλα αυτά τα δημόσια και ιδιωτικά ψηφιακά δεδομένα χαρακτηρίζονται από τεράστιους όγκους, με μεγάλη ποικιλία και ταχύτητα σε συνδυασμό με ευρεία ποικιλομορφία και πολυπλοκότητα. Επιπλέον, τα δεδομένα αυτά συναντώνται σε πολλές μορφές, τύπους και γλώσσες, από πηγές οι οποίες είναι παγκόσμια διάσπαρτες και στα οποία λείπουν σημαντικές τιμές και σχετικό περιεχόμενο», εξηγεί ο Βασίλης Κοτσικόρης και καταλήγει: «Στόχος είναι να εφαρμόσουμε αυτή την τεχνολογία ώστε να προβλέψουμε κινδύνους που αφορούν την ασφάλεια τροφίμων, επιτρέποντας την λήψη προληπτικών μέτρων, τα οποία θα αποτελέσουν πραγματικά μια εκ βάθρων αλλαγή για τη βιομηχανία τροφίμων».
For more