用于检查西红柿的苹果iPhone版应用程序,其中显示当前产品来自美国马萨诸塞州沙龙的Wards Berry农场
一部分支持者认为,区块链技术有望给整个食品行业带来颠覆,包括提高食品业务体系的效率、透明度与协作水平。
消费者能够借此在数秒钟之内追踪所购买生菜的来源,托运人能够在安排交货之前查看卡车是否装满。杂货店可以验证鸡蛋的来源鸡只是否为圈养。随着区块链技术越来越多地与食品系统中的市场卖点相结合,如今最重要的就是认真思考技术要如何在实际场景中发挥作用。
区块链技术最初是作为加密货币比特币中的组成部分开发而成,但加密货币环境中的底层技术在表现形式上与加密货币/比特币完全不同。比特币所采用的区块链属于一套不可变的数字分类账,通过计算机系统的共识实现运作。
比特币区块链上的计算机实际上会以彼此竞争的方式正确解决计算任务,当其中之一在比赛中“胜出”时,其即会刻一单位的加密货币——代表着某一数据块被添加至链中。比特币区块链上的大量计算机系统会消耗巨大的能源成本,这意味着适用于比特币的设计思路在农业领域将造成致命的影响。很明显,农民所需要的区块链必须具备更强大的扩展性以及更低的使用强度。
在过去一周中沃尔玛-IBM共同发布的区块链之内,该系统的规模受到更为严格的限制。其仅适用于沃尔玛公司的绿色蔬菜食品供应链,且仅面向数百名参与用户——而非加密货币那样成千上万用户。在这一场景下,数据链的数字增加速度更慢,因此验证节点数量更低; 更重要的是,其整体能源消耗量也更少。另外,IBM系统同样拥有强大的信任体系,因为其中的成员来得同一供应链且彼此了解。
一名工人在美国佛罗里达州New Limeco有限公司的包装厂中通过一台计算机对牛油果进行分类
区块链技术属于一套数字分类账,各网络成员可向其中添加关于任意数据的数字化记录,且无法自行验证底层数据本身的准确性。由于实际上其并没有评估所输入数据的真实性,因此区块链技术并不能确保散养鸡蛋真的来自散养鸡只,或者生菜并没有受到污染。
对沃尔玛来说,该项技术将被用于向各利益相关者发布通告,证实特定农作物确实来自特定农场。因此如果消费者因食物而患病,政府调查人员将能够更快追踪到相关食材的来源。举例来说,他们可以在数秒钟之内找到受污染生菜的源头,而无需追踪纸质记录——这不仅能够显著减少产品浪费、控制患病人数,同时也能让消费者对食品供应系统抱有更强的信心。
虽然区块链在一定程度上被视为能够解决一切农业挑战的技术,但人们往往很难论证区块链为何比数据库或者任何其它形式的数据信息存储方案更好。很明显,对企业而言构建数据库的难度要远远低于构建区块链——特别是考虑到比特币版本区块链中的一些原始功能(例如无信任验证)根本就不能算是真正的功能。
目前还不清楚区块链技术是否真的就是颠覆食品工业的最佳技术,更遑论具体的实现方式。但凭借着当下极高的受关注度,技术专家们正在积极探索多种方法以转移原有经验并希望在蓬勃发展的种植行业留下自己的足迹。
区块链技术发挥潜力的核心,在于同其它技术培训及系统的相互补充与结合。举例来说,在构建区块链以实现食品可追溯性的同时,生产者还能够构建其它功能系统——例如增强水体检测体制或增加蔬菜种植者与牲畜区之间的过渡面积。
当与传感器以及用于喷撒农药与水的精确输送系统共同使用时(也就是物联网系统),区块链能够收集大量数据并在现场即时使用这些信息。
虽然区块链技术无法验证鸡蛋是否来自散养的鸡只,但其能够为农户提供一种新的、向消费者提供更多信息的途径。农户,特别是那些不直接向农贸市场出售食品或没有机会与消费者互动的农户,往往很难找到合适的渠道来说明自己如何以及为什么选定特定方式种植食物。区块链技术能够帮助农民向消费者提供数据,甚至是更多相关背景信息。凭借着这些,消费者将真正能够以明智的方式选择食材。
举例来说,区块链技术可以告知消费者其购买的玉米在种植当中使用了除草剂,甚至有可能告知为什么要使用这一种除草剂,或者将该除草剂与其它杂草预防系统进行比较。农业的复杂性并不总能很好地在智能手机的应用程序上呈现,但这里我们应该再次强调,区块链技术本身并不是万能的——它也有着自己的长处与短板。
好文章,需要你的鼓励
旅游预订巨头Kayak和Expedia正在开发基于AI的智能旅行助手,能够将社交媒体内容转化为实际行程。Kayak推出了基于ChatGPT的AI聊天助手,提供个性化旅行规划服务。Expedia则发布了Trip Matching功能,用户可发送Instagram旅行视频,系统自动生成相应行程。两家公司都强调在为用户提供便捷体验的同时,需要平衡用户控制权与AI代理的自主性,利用海量数据为"搜索型"用户简化复杂的旅行规划流程。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
传统大型在线零售商的时代即将结束。OpenAI、Gemini等AI助手正在重新定义购物方式,消费者不再从零售商主页开始购物之旅。AI成为策展人和购物向导后,传统数字商城将面临死亡。这与十年前社交媒体颠覆新闻媒体的情况相似。零售商需要采用三种生存策略:价格领导、物流网络优势,以及内容咨询领导。未来将属于那些拥抱专业化、个性化和咨询能力的品牌。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。