舌尖上的AI：食物产业链的人工智能应用报告(4)

这份报告是历经九个月的研究、访谈、聆听会议和与在这个领域工作的各种人士和组织间非正式讨论的成果，探讨了包括人工智能和机器学习在内的技术如何加速创建一个更可持续、可扩展和公平的食品系统。

「知道自己正在做的事情对它们的幸福有益，就感觉非常值得。」Brandao 说。

「我们意识到，每头牛都有自己独特的个性和生物节律。」她说，「可能这头牛非常不活跃、而且行动缓慢，另一头却可能是交际花。」

我们也有可能利用人工智能产生的有价值的见解和预测，来创建一个更公平的食品体系。

随着食品技术的创新不断加速，社区在实施过程中拥有发言权尤为重要。Bustos 将技术的价值视为一种可以减少低效率，以更少的资源投入获得更多增长的手段。

Wholesome Wave 团队主张用免费的 EBT 机器接收它们，并扩展了一个低技术含量的令牌系统，作为提供产品激励的变通方案。

今天，机器学习模型增加了人们冒险进入这个领域收集信息的价值。可见光和近红外光谱中的高光谱影像与这些模型相结合，可以预测深层土壤中的有机质。

3.优化个人和公共卫生

也许最重要的是，正如本报告中介绍的许多技术所显示的那样，人工智能可以使整个食物链中各个环节的工作人员更容易协作和创新。

没有现成的技术依据可以支持 Nischan 的愿景。

消费：购买、准备、食用

这个时机再合适不过了：据估计，到 2050 年，全球粮食产量需要增加 25-70%，才能养活未来 30 年预计将达到 90-100 亿的人口。

在线零售商还不能保证在未来的日子里，将新鲜食品送到每家每户的门口，但是最近的发展让人们感到乐观。

她利用与历史数据相关的机器学习，建立了土壤特性模型，这些模型能够影响可以种植的作物和种植的地点。例如，她建立了一个模型来预测整个美国大陆的体积密度（或者说一定体积内的土壤质量）。

阅读 ()

早在食品配送应用和饮食跟踪平台出现之前，Nischan 就想办法拓宽获取农民培育的新鲜农产品的渠道。Wholesome Wave 不是开发 app，而是与杂货店、农贸市场和政府建立伙伴关系，为那些无法进入高质量农产品市场或买不起新鲜食品的人提供新鲜水果和蔬菜。

「从病理学家或昆虫学家那里得到答案，通常需要几天甚至几周，我们已经把时间缩短到了大约 10 秒钟。」Ganssle 说。

无论是依靠 Farm Hack 分享 DIY 技术工具的农民，还是使用 FarmBots（农场机器人）在自家后院播种和除草的家庭园丁，这些协作创新正在改变数字时代的食品生产格局。

2007 年，在《农业法案》将购买健康食品的激励措施纳入其食品援助计划的七年前，Michel Nischan（米歇尔·尼斯坎）创立了自己的组织 Wholesome Wave 来解决食品不安全问题。

「我们在问，『现在的农民是什么样的，我们怎样才能解决他们的一些痛点？』」他解释说，「我们现在正在捕捉专业人士的知识以继续前进，我们必须非常小心和非常准确地做到这一点，以便在整个学习过程中收集和维护这些经验教训。特别是对农民来说，也关于解释这个过程的工作原理。这不是一堆魔法仙尘，也不是我们在监视每一个人。这关系到我们如何获取数据，以及我们打算如何利用这些数据。」

从生产到消费的数字化转型，与新的生态服务相结合，将证明减少温室气体排放、处理多个导致粮食不安全的问题、解决 21 世纪人类的温饱问题是至关重要的。

农业工程师 Amanda Ramcharan（阿曼达·拉姆查兰）对泥土着了迷，她正通过引入预测技术来测量土壤在干旱或洪水面前的复原力，从而帮助改造这片「土地」。

新兴技术正在改变我们生产、分配和消费食物的方式，将食物带给人们，而不是把人带到食物中。

食品配送 app、饮食跟踪平台和健康数据库使美国人比以往任何时候都更容易改善他们的饮食习惯和整体健康。

（Acequias 是公共灌溉系统，由在新墨西哥州定居的西班牙人在 16 世纪至 18 世纪之间挖掘出来的，至今仍在使用。这里有一条主要的运河，水闸把水从这条运河引到七英里外的个人农场。）

这些工具可以通过在问题发生之前预测潜在问题，及早发现问题并提供有效解决问题的工具来帮助缓解最极端的困难。

他们的 app 叫 IDA，通过定期收集和分析连接在奶牛乳房上的传感器的数据不断改进。通过使用遥控的信号传送器，主人可以知道他们的 Holsteins 或 Guernseys 何时咀嚼反刍，感觉不适或准备授精。

在灾难性的作物减产后，政府开始实施一项雄心勃勃的计划，通过研究环境因素（如土地坡度，土壤深度，岩石数量，甚至原生植被等）是如何影响作物健康的，以减少水土流失。从那时起，土壤测绘技术迅速发展。