Peneliti Mengembangkan AI yang Dapat Mendeteksi Makanan yang Tidak Aman Amazon Lebih cepat dari FDA

Inteligensi buatan berkembang dengan langkah cepat dan menemukan aplikasi di banyak bidang untuk memberikan solusi inovatif atau meningkatkan solusi yang ada dengan peningkatan efisiensi. Kali ini, tim peneliti di Boston University School of Public Health menemukan AI yang dapat mendeteksi makanan yang tidak layak dikonsumsi.

AI tidak secara ajaib menentukan kualitas makanan, ia melakukannya dengan melalui ulasan yang diposting oleh pelanggan Amazon. Para peneliti telah melatih pembelajaran mendalam yang disebut AI Representasi Encoder Dua Arah dari Transformasi (BERT) untuk mendeteksi ulasan negatif.

Studi ini dipublikasikan awal pekan ini di Journal of American Medical Informatics Association di mana para peneliti menjelaskan pendekatan mereka untuk pelatihan BERT. Menurut jurnal itu, para peneliti mengumpulkan 1.297.156 ulasan produk makanan yang termasuk 5.149 produk makanan yang telah dilarang oleh Food and Drug Administration selama 2012-2014.

Para peneliti kemudian mengurutkan ulasan dan melabeli mereka ke dalam kategori seperti "sakit", "busuk", "label" – istilah yang sama yang digunakan oleh FDA. Dengan semua detail ini, BERT dapat mengidentifikasi produk yang ditarik dengan Akurasi 74 persen. Selain itu, AI juga mengidentifikasi lebih dari 20.000 produk potensial yang tidak aman yang belum ditarik oleh FDA sejauh ini.

Saya memiliki beberapa keraguan mengenai keandalan AI ini karena pesaing dapat melakukan kampanye dengan mempekerjakan orang untuk mengirim ulasan negatif yang pada gilirannya akan memukul keakuratan AI. Selain itu, AI tidak memiliki kecerdasan emosional dan karenanya tidak dapat dibedakan jika ulasan produk benar-benar asli atau dikirim karena frustrasi.

Walaupun AI ini tidak dapat sepenuhnya bergantung pada penarikan kembali produk makanan, itu pasti akan membantu organisasi pemerintah seperti FDA untuk meningkatkan efisiensinya karena mereka akan memiliki daftar produk yang ditandai yang perlu mereka ulas dengan prioritas lebih daripada mendekati semua produk dengan tradisional. metode.

Jadi, apa pendapat Anda tentang proyek ini? Bagikan pemikiran Anda dengan kami di komentar.