至顶网软件频道消息:人工智能可以挽救我们现有的食品体系吗?从精准耕作到个性化营养,在农业、食品生产与食品消费等领域都存在许多潜在的技术应用。然而,技术效能、用户接受度以及该技术的实际应用仍然面临许多挑战。本篇文章分为三个系列部分,Chiara Cecchini调查了这一领域所面临的主要挑战与机遇,探索了我们应该如何应用一个个“人造大脑”以确保健康生活并提高幸福指数。
如前所述,人工智能(AI)是一种非人类大脑,可用于收集、分析与阐释大量数据,而如此体量的数据是人类穷极一生都无法完成处理的。AI的概念于1950年出现,彼时的计算机科学先驱Alan Turing将AI描述为:“未来终将有那么一个时刻,人类能够与机器进行无障碍的交流。”
许多人表示Alan Turing所言的“那个时刻”即是现在。而对此,Klaus Schwab 教授则作出了如下宣言:“第四次工业革命已经到来。”技术成本正在下降,IT与运营技术日益融合,大数据与云端现已成为民主化现实; 除此之外,设备与投资也处于飙升阶段。
然而,消费者对于AI仍抱有一定的怀疑态度,其中主要的忧虑来自于民众担心其将失去工作、丢失控制权并被AI所取代。但我们也可以从其他视角看待该技术——事实上,食品工业中的多数企业正在尽全力利用此次机会。
作为食客,我们依据个人的知识与以往的经验选择日常食物。然而,人造大脑可以精准的创建大量的食物数据库,从而对其进行分析、提问并获取答案。对此,伦敦帝国理工学院的认知机器人学科教授 Murray Shanahan解释称:“我们才刚处于此段进程的初期,最终的选择权仍在人类手上。”换而言之,目前该领域的情况即是机器提出建议,食客们选择是否采纳——人类选择采用AI,而一切都还在我们的控制范围之内。
目前已经有一些公司开始为确保健康生活与提高幸福指数而研发人造大脑。例如,位于旧金山的初创企业Wellio即是应用机器学习与行为科学以构建并向食客推荐个性化食谱,而该公司推出的产品只是提出建议而非为消费者做出选择,并且该公司的首席执行官Tjarko Leifer表示:“此类产品的职责在于阐述如何在家中准备并享受食物。”
Zipongo公司也在努力尝试通过应用AI以建立食物与健康之间的关系。Zipongo公司提供了一个数字化营养平台,该平台“可以通过使用生物识别技术并结合用户的食物偏好以提供健康的个性化膳食建议。”
Habit公司的首席执行官Neil Grimmer解释称:“我们都应该知道什么食物对我们而言是最好的——而这通常意味着需要从细胞层面了解我们的身体与我们自身。”对此,Neil Grimmer设想了一个全新的世界——一个超越食物金字塔理论、普拉提与常规建议的世界。这个全新的世界整合了DNA分析、人工智能与食物数据,并借此以达成可定制的营养模式。
加利福尼亚大学戴维斯分校 IC-FOODS主任Matthew Lange教授表示,这将形成一个市场力量与积极的社会成果相统一的世界。未来,公司在市场中将会为追求更加透明、可溯源并值得信赖而相互竞争,同时也将竞相提供更健康、更可持续以及更美味的食品。
最后,世界经济论坛创始人兼执行主席 Klaus Schwab表示,AI将消除市场中不合理的繁荣,巩固科学、合理决策与能源自给的市场地位。此外,人工智能还可助力实现“7项可持续发展目标” ——《2030年议程》中主要的关键业绩指标。《2030年议程》是联合国所有成员国于2015年通过的一项计划,该项计划的目标在于可持续发展与落实在应对现代社会主要政治、环境与社会挑战等方面的问责制度。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。