از آنجایی که برخی از محصولات روزمره ما مانند لوازم آرایشی یا دارویی برای جانوران آبزی سمی هستند، هنگامی که آنها در سیستم آب شسته می شوند، می توانند تهدیدی جدی برای حیات وحش باشند. این سموم می توانند ماهی ها را مسموم کنند و حتی به کل شبکه غذایی آسیب بزنند و در نهایت منجر به فروپاشی اکوسیستم شوند. برای جلوگیری از فاجعه در مقیاس گسترده، شرکت‌ها باید آزمایش کنند که آیا محصولاتشان سمی است یا خیر – و در برخی موارد، انجام این کار مستلزم آزمایش آنها بر روی حیوانات است .اغلب با قرار دادن مقدار مشخصی از محصول در مخزن ماهی ها می بینند چه تعدادی از آنها می میرند.
شرکت‌ها این آزمایشها را برای دههها انجام داده‌اند و دادههای بسیار زیادی در مورد میزان سمی بودن انواع مواد شیمیایی و مواد تشکیل‌دهنده تولید کرده‌اند. EPA دستورالعمل هایی در مورد اینکه چه مقدار از یک ماده شیمیایی می تواند در آب وجود داشته باشد قبل از اینکه احتمال آسیب رساندن به زندگی گیاهی و جانوری وجود داشته باشد، دارد و ایالت ها الزامات، مقررات و روش های خاص خود را برای آزمایش سمیت آبزیان و طبقه بندی زباله ها دارند.
با دادههای آزمایش‌های سمیت قبلی، شرکت اطلاعاتی Smarter Sorting توانسته آزمایش‌های سمیت دقیق خود را بدون کشتن هیچ حیوانی انجام دهد. به جای ریختن مواد شیمیایی در مخازن، از هوش مصنوعی و یادگیری ماشینی برای تمام محاسبات لازم در مورد سمیت محصولاتی که شرکت ها در حال توسعه هستند استفاده می کند.
ای جی کنی، کارشناس نظارتی در این شرکت می‌گوید: «بیشتر موادی که در کالاهای مصرفی استفاده می‌شوند، حاوی داده‌‌‌هایی از نظر میزان مواد سمی هستند که به دههها ی قبل برمی‌‌‌گردند. بنابراین، ما این دادههای ارزشمند را در این مرحله داریم و آنها را به فرمول‌‌‌هایی براساس ارزیابی‌‌‌های میزان مواد به کار رفته در آن محصول (مثلا ۱۰درصد)، اضافه می‌‌‌کنیم.»
سپس، اطلاعات مربوط به وزن هر یک از اجزای یک محصول و اینکه چه ماهی‌هایی در آزمایش‌های قبلی مورد استفاده قرار گرفته‌اند – برخی از ماهی‌ها حساس‌تر از سایرین هستند و در برخی آزمایشها از گونه‌های مختلف استفاده می‌شود – برای محاسبه ،آزمایش‌های سمیت حیوانی را تقلید می‌کند.
“اسمارتر سورتینگ ” قصد نداشت آزمایش‌های حیوانی را با ریاضیات محاسباتی جایگزین کند. این شرکت در ابتدا بر روی به حداقل رساندن ضایعات مصرف کننده به طور کلی با استفاده از داده ها و یادگیری ماشینی تمرکز کرد تا به شرکت ها کمک کند تا آنچه در محصولاتشان وجود دارد را تأیید کنند، زباله های خود را مدیریت کنند، تصمیمات بهتری در زنجیره ارزش خود بگیرند و به خرده فروشان کمک کند تا با دفع زباله مقابله کنند.
اما در سال ۲۰۲۱، پلتفرم “محصول هوشمند” که شامل اطلاعاتی برای کمک به تولیدکنندگان محصولات مصرفی در ساخت، بازاریابی و دفع بهتر محصولات می‌شود، توسط ۱۲۲۳ برند و ۲۴ خرده‌فروش بزرگ از جمله Costco، Wegmans و Albertsons پذیرفته شد. این اطلاعات به خرده‌فروش‌ها کمک می‌کند تا با زباله‌ها مقابله کنند، زباله‌هایی که بسته به نحوه دفع آنها می‌توانند سمی شوند. بعد از مدتی، اسمارتر سورتینگ متوجه شد می‌‌‌تواند از مدل محاسباتی برای این موضوع استفاده کند که نه‌تنها سریع‌‌‌تر و مقرون‌به‌صرفه‌‌‌تر است، بلکه انسانی‌‌‌تر است و از کشته شدن حیوانات در آزمایشها جلوگیری می‌کند.
شرکت‌ها این آزمایشها را برای دههها انجام داده‌اند و دادههای بسیار زیادی در مورد میزان سمی بودن انواع مواد شیمیایی و مواد تشکیل‌دهنده تولید کرده‌اند. EPA دستورالعمل هایی در مورد اینکه چه مقدار از یک ماده شیمیایی می تواند در آب وجود داشته باشد قبل از اینکه احتمال آسیب رساندن به زندگی گیاهی و جانوری وجود داشته باشد، دارد و ایالت ها الزامات، مقررات و روش های خاص خود را برای آزمایش سمیت آبزیان و طبقه بندی زباله ها دارند.
با دادههای آزمایش‌های سمیت قبلی، شرکت اطلاعاتی Smarter Sorting توانسته آزمایش‌های سمیت دقیق خود را بدون کشتن هیچ حیوانی انجام دهد. به جای ریختن مواد شیمیایی در مخازن، از هوش مصنوعی و یادگیری ماشینی برای تمام محاسبات لازم در مورد سمیت محصولاتی که شرکت ها در حال توسعه هستند استفاده می کند.
ای جی کنی، کارشناس نظارتی در این شرکت می‌گوید: «بیشتر موادی که در کالاهای مصرفی استفاده می‌شوند، حاوی داده‌‌‌هایی از نظر میزان مواد سمی هستند که به دههها ی قبل برمی‌‌‌گردند. بنابراین، ما این دادههای ارزشمند را در این مرحله داریم و آنها را به فرمول‌‌‌هایی براساس ارزیابی‌‌‌های میزان مواد به کار رفته در آن محصول (مثلا ۱۰درصد)، اضافه می‌‌‌کنیم.»
سپس، اطلاعات مربوط به وزن هر یک از اجزای یک محصول و اینکه چه ماهی‌هایی در آزمایش‌های قبلی مورد استفاده قرار گرفته‌اند – برخی از ماهی‌ها حساس‌تر از سایرین هستند و در برخی آزمایشها از گونه‌های مختلف استفاده می‌شود – برای محاسبه ،آزمایش‌های سمیت حیوانی را تقلید می‌کند.
“اسمارتر سورتینگ ” قصد نداشت آزمایش‌های حیوانی را با ریاضیات محاسباتی جایگزین کند. این شرکت در ابتدا بر روی به حداقل رساندن ضایعات مصرف کننده به طور کلی با استفاده از داده ها و یادگیری ماشینی تمرکز کرد تا به شرکت ها کمک کند تا آنچه در محصولاتشان وجود دارد را تأیید کنند، زباله های خود را مدیریت کنند، تصمیمات بهتری در زنجیره ارزش خود بگیرند و به خرده فروشان کمک کند تا با دفع زباله مقابله کنند.
اما در سال ۲۰۲۱، پلتفرم “محصول هوشمند” که شامل اطلاعاتی برای کمک به تولیدکنندگان محصولات مصرفی در ساخت، بازاریابی و دفع بهتر محصولات می‌شود، توسط ۱۲۲۳ برند و ۲۴ خرده‌فروش بزرگ از جمله Costco، Wegmans و Albertsons پذیرفته شد. این اطلاعات به خرده‌فروش‌ها کمک می‌کند تا با زباله‌ها مقابله کنند، زباله‌هایی که بسته به نحوه دفع آنها می‌توانند سمی شوند. بعد از مدتی، اسمارتر سورتینگ متوجه شد می‌‌‌تواند از مدل محاسباتی برای این موضوع استفاده کند که نه‌تنها سریع‌‌‌تر و مقرون‌به‌صرفه‌‌‌تر است، بلکه انسانی‌‌‌تر است و از کشته شدن حیوانات در آزمایشها جلوگیری می‌کند.
کد خبر ۲۲۰۰۱۰۶۰۲.۵۲۴
