سازمان غذا و داروی ایالات متحده مرحله سوم برنامه آزمایشی غذاهای دریایی وارداتی با هوش مصنوعی (AI) را آغاز کرده است که از هوش مصنوعی و یادگیری ماشینی (ML) برای تقویت غربالگری واردات و اطمینان از ایمن بودن مواد غذایی وارد شده به ایالات متحده استفاده می کند. این آزمایشی بر روی غذاهای دریایی وارداتی تمرکز دارد زیرا بیش از ۹۰ درصد از عرضه غذاهای دریایی ایالات متحده از کشورهای دیگر تامین می شود و در گذشته، FDA نگرانی های ایمنی غذایی را برای محصولات مختلف غذاهای دریایی وارداتی در نقاط مختلف زنجیره تامین مشاهده کرده است. این پایلوت بر اساس دو مرحله قبلی آزمایشی تحت طرح «دوره جدید هوشمندتر ایمنی غذا» است، برنامه‌ای که به دنبال کاهش تعداد بیماری‌های ناشی از غذا با استفاده از فناوری برای ایجاد یک سیستم غذایی ایمن‌تر، دیجیتالی‌تر و قابل ردیابی است.
یادگیری ماشین نوعی هوش مصنوعی است که می تواند به شناسایی اتصالات و الگوهایی کمک کند که افراد یا سیستم غربالگری FDA نمی توانند ببینند. این الگوها در زنجیره‌های تامین ورودی اعمال می‌شوند تا به پیش‌بینی احتمال مضر بودن محموله‌های وارداتی و عدم انطباق با مقررات FDA کمک کنند. توانایی ML برای تجزیه و تحلیل داده هایی که قبلاً توسط آژانس تولید و استفاده شده است، آن را برای رسیدگی به چالش های پیچیده بهداشت عمومی و کمک به آژانس برای اطمینان از ایمنی غذاهای وارداتی مناسب می کند.
مرحله سوم برای بهبود توانایی آژانس برای شناسایی سریع محصولات غذاهای دریایی وارداتی که ممکن است توسط عوامل بیماری زا، تجزیه، وجود باقی مانده های آنتی بیوتیک تایید نشده یا سایر خطرات آلوده شوند، طراحی شده است.
دانش به‌دست‌آمده از آزمایشی FDA را قادر می‌سازد تا استفاده از ML را در غربالگری سایر محصولات تحت نظارت FDA گسترش دهد و نظارت مبتنی بر ریسک آینده را در محصولاتی که بیشترین خطر را برای مصرف‌کنندگان ایجاد می‌کنند، آگاه خواهد کرد. هدف نهایی محافظت بهتر از مصرف کنندگان در برابر غذاهای ناامن با ارتقاء توانایی FDA برای شناسایی خطرات بالقوه است.
مرحله سوم، که در ۱۵ آگوست ۲۰۲۲ آغاز شد، به تعیین امکان‌سنجی استقرار مدل‌های هوش مصنوعی/ML داخلی با استفاده از اطلاعاتی که FDA از داده‌هایی که ما جمع‌آوری می‌کنیم با بررسی میلیون‌ها ورودی وارداتی در سال استخراج می‌کند، کمک خواهد کرد. به عنوان مثال، پیشرفت‌هایی انجام شده است که تعیین می‌کند چگونه الگوریتم‌های یادگیری ماشینی می‌توانند به بهترین شکل عملیات میدانی را تکمیل کنند و توانایی آژانس را برای شناسایی سریع و کارآمد محصولات تهدیدکننده بهبود بخشند. ما همچنین به دنبال سبد پروژه های غذاهای دریایی خود هستیم تا استفاده از یادگیری ماشینی را برای محافظت بهتر از مصرف کنندگان گسترش دهیم. یادگیری ماشینی به آژانس توانایی تجزیه و تحلیل داده‌ها از منابع مختلف را می‌دهد تا به اطلاع‌رسانی تصمیمات FDA و هدف قرار دادن منابع ما در مرزها کمک کند. در یک پایلوت میگوی مرتبط، ما شروع به تمرکز بر روی مناطق پرخطر، مانند میگوهای آلوده به داروهای آبزی پروری، برای بازرسی های خارجی کرده ایم. این شامل افزایش بازرسی واردکنندگان، نرخ بالاتر نمونه برداری و بررسی، و استفاده از ابزارهای غیر سنتی، مانند ممیزی شخص ثالث، مخصوص این کالا می شود. ما داده‌های این پروژه را در مرحله سوم برنامه آزمایشی غذاهای دریایی وارداتی با هوش مصنوعی گنجانده‌ایم، که امکان نمونه‌برداری هدفمند قوی‌تر و بزرگ‌تر را فراهم می‌کند.
یادگیری ماشین نوعی هوش مصنوعی است که می تواند به شناسایی اتصالات و الگوهایی کمک کند که افراد یا سیستم غربالگری FDA نمی توانند ببینند. این الگوها در زنجیره‌های تامین ورودی اعمال می‌شوند تا به پیش‌بینی احتمال مضر بودن محموله‌های وارداتی و عدم انطباق با مقررات FDA کمک کنند. توانایی ML برای تجزیه و تحلیل داده هایی که قبلاً توسط آژانس تولید و استفاده شده است، آن را برای رسیدگی به چالش های پیچیده بهداشت عمومی و کمک به آژانس برای اطمینان از ایمنی غذاهای وارداتی مناسب می کند.
مرحله سوم برای بهبود توانایی آژانس برای شناسایی سریع محصولات غذاهای دریایی وارداتی که ممکن است توسط عوامل بیماری زا، تجزیه، وجود باقی مانده های آنتی بیوتیک تایید نشده یا سایر خطرات آلوده شوند، طراحی شده است.
دانش به‌دست‌آمده از آزمایشی FDA را قادر می‌سازد تا استفاده از ML را در غربالگری سایر محصولات تحت نظارت FDA گسترش دهد و نظارت مبتنی بر ریسک آینده را در محصولاتی که بیشترین خطر را برای مصرف‌کنندگان ایجاد می‌کنند، آگاه خواهد کرد. هدف نهایی محافظت بهتر از مصرف کنندگان در برابر غذاهای ناامن با ارتقاء توانایی FDA برای شناسایی خطرات بالقوه است.
مرحله سوم، که در ۱۵ آگوست ۲۰۲۲ آغاز شد، به تعیین امکان‌سنجی استقرار مدل‌های هوش مصنوعی/ML داخلی با استفاده از اطلاعاتی که FDA از داده‌هایی که ما جمع‌آوری می‌کنیم با بررسی میلیون‌ها ورودی وارداتی در سال استخراج می‌کند، کمک خواهد کرد. به عنوان مثال، پیشرفت‌هایی انجام شده است که تعیین می‌کند چگونه الگوریتم‌های یادگیری ماشینی می‌توانند به بهترین شکل عملیات میدانی را تکمیل کنند و توانایی آژانس را برای شناسایی سریع و کارآمد محصولات تهدیدکننده بهبود بخشند. ما همچنین به دنبال سبد پروژه های غذاهای دریایی خود هستیم تا استفاده از یادگیری ماشینی را برای محافظت بهتر از مصرف کنندگان گسترش دهیم. یادگیری ماشینی به آژانس توانایی تجزیه و تحلیل داده‌ها از منابع مختلف را می‌دهد تا به اطلاع‌رسانی تصمیمات FDA و هدف قرار دادن منابع ما در مرزها کمک کند. در یک پایلوت میگوی مرتبط، ما شروع به تمرکز بر روی مناطق پرخطر، مانند میگوهای آلوده به داروهای آبزی پروری، برای بازرسی های خارجی کرده ایم. این شامل افزایش بازرسی واردکنندگان، نرخ بالاتر نمونه برداری و بررسی، و استفاده از ابزارهای غیر سنتی، مانند ممیزی شخص ثالث، مخصوص این کالا می شود. ما داده‌های این پروژه را در مرحله سوم برنامه آزمایشی غذاهای دریایی وارداتی با هوش مصنوعی گنجانده‌ایم، که امکان نمونه‌برداری هدفمند قوی‌تر و بزرگ‌تر را فراهم می‌کند.
کد خبر ۲۳۲۰۱۰۶۰۱.۵۲۳
