Gıda Güvenliğinde Yapay Zekanın Rolü
Prof. Dr. Y. Birol Saygı
Alanya Üniversitesi
Yapay zeka (AI), gıda tedarik zincirinin çeşitli aşamalarında gıda güvenliğini artırmada güçlü bir araç olarak ortaya çıkmıştır. Yapay zekanın gıda güvenliğinde nasıl devrim yarattığını burada bulabilirsiniz:
- Kalite Kontrol ve Denetim: Yapay zeka destekli sistemler denetim sürecini otomatikleştirerek gıda ürünlerinin kalite ve güvenlik standartlarını karşılamasını sağlayabilir. Makine öğrenimi algoritmaları, insan gözünün göremeyeceği kusurları, kirletici maddeleri veya düzensizlikleri tespit etmek için gıda ürünlerinin görüntülerini analiz edebilir. Bu, potansiyel tehlikelerin erken tanımlanmasına yardımcı olarak kontamine ürünlerin tüketicilere ulaşma riskini azaltır.
- Risk Değerlendirmesi için Tahmine Dayalı Analitikler: Yapay zeka algoritmaları, potansiyel gıda güvenliği risklerini tahmin etmek ve tanımlamak için geçmiş kayıtlar, çevre koşulları ve tedarik zinciri bilgileri dahil olmak üzere çeşitli kaynaklardan gelen büyük miktarda veriyi analiz edebilir. AI, kalıpları ve eğilimleri analiz ederek, kontaminasyon salgınları veya kalite sorunları olasılığını tahmin edebilir ve riskler artmadan önce proaktif önlemlerin alınmasına olanak tanır.
- İzlenebilirlik ve Tedarik Zinciri Yönetimi: Blockchain gibi yapay zeka teknolojileri, gıda tedarik zincirinde izlenebilirliği ve şeffaflığı artırabilir. Blockchain, tedarik zincirinin her aşamasında gıda ürünlerinin işlemlerini ve hareketlerini kaydederek, gıda kaynaklı hastalık salgınları durumunda kontaminasyon kaynağının hızlı bir şekilde tanımlanmasını sağlar. Yapay zeka algoritmaları, kontamine ürünleri izlemek ve takip etmek için bu verileri analiz edebilir, hedeflenen geri çağırmaları kolaylaştırabilir ve halk sağlığı üzerindeki etkiyi en aza indirebilir.
- Gerçek Zamanlı İzleme ve Gözetim: Yapay zeka destekli sensörler ve IoT cihazları, gıda işleme tesisleri ve ulaşım araçlarındaki sıcaklık, nem ve sanitasyon seviyeleri gibi kritik parametreleri sürekli olarak izleyebilir. Bu sistemler, gerçek zamanlı veri ve uyarılar sağlayarak, bozulma veya bakteri üremesi gibi gıda güvenliği olaylarını daha meydana gelmeden önlemek için proaktif müdahalelere olanak tanır.
- Kişiselleştirilmiş Beslenme ve Alerjen Tespiti: Yapay zeka algoritmaları, tüketiciler için gıda önerilerini ve etiket bilgilerini kişiselleştirmek amacıyla bireysel beslenme tercihlerini, alerjileri ve beslenme gereksinimlerini analiz edebilir. Ek olarak, sensörlerle donatılmış yapay zeka destekli cihazlar, gıda ürünlerindeki alerjenleri veya kirletici maddeleri tespit ederek belirli beslenme kısıtlamaları veya alerjisi olan kişilere gerçek zamanlı uyarılar sağlıyor.
- Mevzuata Uygunluk ve Gıda Güvenliği Yönetim Sistemleri: Yapay zeka teknolojileri, belgeleme, kayıt tutma ve denetim süreçlerini otomatikleştirerek gıda güvenliği düzenlemelerine ve standartlarına uyumu kolaylaştırabilir. Yapay zeka destekli yazılım platformları, uyumluluk boşluklarını belirlemek, riskleri değerlendirmek ve düzenleyici gereksinimlere uyumu sağlamak için düzeltici eylemler önermek için verileri analiz edebilir.
Sonuç olarak yapay zeka, gıda tedarik zinciri boyunca kalite kontrolü, risk değerlendirmesini, izlenebilirliği, izlemeyi, kişiselleştirilmiş beslenmeyi ve mevzuat uyumluluğunu iyileştirerek gıda güvenliğinde devrim yaratma konusunda muazzam bir potansiyele sahiptir. Gıda üreticileri, düzenleyiciler ve tüketiciler yapay zekanın gücünden yararlanarak herkes için daha emniyetli ve emniyetli bir gıda sistemi sağlamak üzere birlikte çalışabilirler.
Yapay zeka (AI), bilgisayar biliminde sıcak bir araştırma konusudur. Hedeflerinden biri büyük veri setlerinin işlenmesini ve analizini mümkün kılmaktır. Daha sonra makine öğrenimi algoritmaları, yapay zekanın bu verilerden bilgi edinmesini ve olayların gelecekteki oluşumunu tahmin etmesini mümkün kılmaktadır. Bu olgu, örneğin gıda ürünlerinin geri çağrılmasının önlenebileceği ve kritik makine arızalarının önceden tahmin edilebileceği, böylece önleyici tedbirlerin erken uygulanmasına olanak sağlanabileceği anlamına gelebilir.
Yapay zekanın gıda güvenliğinde uygulanmaları ise gıda kaynaklı patojen tespitini, tanımlanmasını ve karakterizasyonunu; gelişmiş halk sağlığı sistemleri ve tedarik zinciri boyunca gıda güvenliği riskinin tahmini, izlenmesi ve optimizasyonudur. Bir gıda güvenliği uzmanı için yapay zeka yararlı bir araç olabilir. Gıda güvenliği planının önemli bir parçası, her ürünün Tehlike Analizi ve Kritik Kontrol Noktaları (HACCP) planı çerçevesinde malzemeler ve proses adımları için yapılması gereken tehlike analizidir. Tehlike analizi, ürünle ilgili biyolojik, fiziksel ve kimyasal tehlikeleri belirlemek ve her bir tehlikenin sıklığını ve ciddiyetini değerlendirmek amacıyla literatürden, geri çağırma veri tabanlarından, devlet kurumlarından ve haberlerden elde edilen önemli araştırmaları içermektedir. Bu zaman alıcı ve zahmetli bir süreçtir. Yapay zeka, insandan çok daha büyük veri setlerini işlerken, bu bilgilerin çok daha kısa sürede derlenmesine yardımcı olma fırsatı sunmaktadır.
Veri Toplama ve Kalite Önemlidir
Gıda güvenliği planının önleyici bakım ve çevresel izleme gibi belirli bileşenleri, yapay zekanın öngörücü özelliklerinden yararlanabilir. Ancak sisteme beslenen verilerin kalitesi kritik öneme sahiptir. Güvenilmez verilerin kullanılması, yapay zekanın riskleri fazla tahmin etmesine veya hafife almasına ve yanlış bilgi sağlamasına neden olarak gıda güvenliği uzmanının işini karmaşık hale getirebilir. Örneğin hiçbir geri çağırma veya patojen bulgusu olmayan bir üreticiyi ele alalım. Bu durumda yapay zeka mevcut bir gıda güvenliği sorununu nasıl tahmin edebilir? Bir patojenin bulunmaması, mutlaka bulunmadığı anlamına gelmemektedir. Bu sadece tesisin gıda güvenliği ekibinin bakterilerin saklandığı “doğru noktayı” örneklemediği anlamına gelebilir. Böyle bir durumda yapay zekanın raporu yanıltıcı olacaktır.
Veri toplama yapay zeka performansının önemli bir bileşenidir. Gıda güvenliği için veri kaynakları arasında çevrimiçi veri tabanları, sensör ve genomik veriler ile sosyal medya yer almaktadır. Ancak verilerin çeşitliliği aynı zamanda zorluklar da yaratarak, bir veri kaynağı içinde ilgili bilginin bulunmasını ve diğer veri kaynaklarıyla ilişkisini zorlaştırır.
Verileri etkili bir şekilde üretmek, toplamak ve analiz etmenin yanı sıra yararlı tahmin güçlerine ulaşmak için olağanüstü düzeyde sistem otomasyonu ve entegrasyonuna ulaşılmalıdır. Gıda endüstrisindeki büyük oyuncular bu tür ağlara yatırım yapabilir. Ancak küçük oyuncular bu teknolojiye yatırım yapamayabilir. Otomasyon için gereken finansal kaynaklar çok yüksek olup tüm şirketlerin bu tür projeleri karşılayabilmesi mümkün değildir. Dolayısıyla gıda endüstrisinde yapay zeka kullanımının yaygınlaşması biraz zaman alabilir. Veriler ayrıca yasal otoritecilerle de bağlantılı olmalıdır. Bu nedenle hükümetlerin yapay zekanın tamamen entegre olabilmesi için endüstriye yardım etmesi gerekmektedir.
Gıda endüstrisine uygulanan yapay zekayı kullanan yazılımlar halihazırda piyasada mevcut ve paydaşlar, çıktılarını gıda güvenliğini etkileme potansiyeli olan kararlar almak için kullanmaktadır. Bu tür gelişmiş araçlara sahip olmak çok verimli olsa da, bundan elde edilen çıktının güvenilir olmasının nasıl sağlanabileceğini düşünmek önemlidir. Genel olarak gıda güvenliği programlarından sorumlu kişilerin bilgisayar bilimi veya yapay zeka konusunda uzman olmadığını düşünelim. Bunlar büyük olasılıkla gıda bilimcileri veya mikrobiyologlardır veya bilimle ilgili bir geçmişe sahiptirler. Bu da başka bir soruya yol açmaktadır: “Bilgisayar bilimi geçmişi olmayan bir kişinin yapay zekayı nasıl doğrulaması ve ona meydan okuması gerekiyor?”
Gıda Güvenliğinde Yapay Zeka Kullanımı İçin Doğrulama Gereklidir
Bilgisayarlar tarafından sağlanan bilgilerin doğrulanması için protokollere ihtiyaç vardır. Yapay zekanın kötüye kullanıldığı görülmüştür. Yapay zekanın aslında verileri oluşturup değiştirebildiğini ve daha sonra bu verileri gerçekmiş gibi sunabildiği olgular yaşanmaktadır. Gıda endüstrisinde de benzer bir şeyin meydana gelmesinin etkisini hayal edebiliriz. Bir gıda güvenliği uzmanı yanıltılabilir ve sahte verilere veya düzenlemelere dayanarak halk sağlığını etkileyebilecek bir karar verebilir.
Gıda ürün güvenliği sorumluluğunun üreticiye ve ürün tedarik zincirinde yer alan paydaşlara düştüğü açıktır. Her tesis, gıda güvenliği düzenleme gerekliliklerine uymak ve gıda güvenliği olaylarını önlemek için uygun prosedürlerin uygulandığından emin olmalıdır. Buna, süreci izlemek için kullanılan herhangi bir bilgisayar yazılımının doğrulanması da dahildir. Ancak gıda güvenliği sistemleri yapay zeka tabanlı yazılımlarla destekleniyorsa ve halk sağlığını etkileyebilecek kararlar bunların sağladığı verilere göre veriliyorsa bu tür yazılımlar için düzenleyici bir çerçeve gerekli midir? Hükümet tıpkı gıda üretiminde olduğu gibi onlar için de temel kurallar koymalı mı? Eğer AI bir gıda güvenliği olayının oluşmasına katkıda bulunuyorsa, olayın sorumluluğu tamamen üreticiye mi aittir?
Bir gıda üretim şirketinde yapay zeka tabanlı yazılımların kullanımının kontrol edilmesi önemlidir. Verimliliği artırmak ve çalışanları sonuçtan sorumlu tutmak için iç politikalar bu durumun kötüye kullanılmasından kaçınmalıdır. Yapay zekanın bir şirketin operasyonlarına entegrasyonuna, bilginin güvenilir olduğunu doğrulamak için nitelikli kişiler tarafından oluşturulan açık protokoller eşlik etmelidir.
Teknolojideki ilerlemeler endüstriyel süreçlerin iyileştirilmesinde kilit rol oynamaktadır. Ancak endüstrinin altyapısının bunu özümsemeye ve kontrol etmeye hazır olması gerekmektedir. Yapay zekanın endüstriyel süreç performansını artırmasına karşı olunmamalı, ancak kullanımını düzenlemeye ve bir gıda güvenliği planı kapsamında kapsamını tanımlamaya daha fazla odaklanılması gerekmektedir.
Kaynaklar
Qian, C., Murphy, S. I., Orsi, R. H., Wiedmann, M. (2023). How Can AI Help Improve Food Safety?” Annual Review of Food Science and Technology, 14(1), 517–538
Liu, Z, Wang, S, Zhang, Y, Feng, Y, Liu, J, Zhu, H. (2023). Artificial Intelligence in Food Safety: A Decade Review and Bibliometric Analysis, Foods, 12(6):1242
Manning, L. (2023). Artificial Intelligence (AI) and Food Safety, IFST, Technical Brief, https://www.ifst.org/sites/default/files/Artificial%20intelligence%20and%20Food%20Safety_1.pdf
Novak, M. (2023). Lawyer Uses ChatGPT In Federal Court And It Goes Horribly Wrong, Forbes. May 27, https://www.forbes.com/sites/mattnovak/2023/05/27/lawyer-uses-chatgpt-in-federal-court-and-it-goes-horribly-wrong/?sh=1d7466d23494.
Zhou, Q., Zhang, H., Wang, S. (2021). Artificial Intelligence, Big Data, and Blockchain in Food Safety.” International Journal of Food Engineering, 18(1), 1-14
