Lena Marijke Wenzel，一个对营养和AI驱动创新感兴趣的农业食品科技专家，并且是EIT Food RisingFoodStars的创新经理。作为创新经理，Lena与利用AI改善食品安全、开发功能性成分和革新营养的初创企业密切合作。
人工智能正在改变一切：我们购物的方式，我们工作的方式，现在，它正在革新我们吃的东西。人工智能已经帮助农民提高了20-30%的产量，并优化了全球供应链，但其最深远的影响可能是在公共卫生方面。在整个食品价值链中，从农场到餐桌，人工智能正在解决三个关键挑战：预防食源性疾病，开发更智能的营养，并在规模上个性化饮食。预测污染发生前 根据世界卫生组织的数据，每年，约有6亿人因食用不安全的食物而生病——这几乎是10分之1的人——并导致了约42万人死亡。其中最危险的病原体之一是李斯特菌，一种可以在低温下存活并在食品加工环境中繁殖的细菌。虽然这种情况相对较少见，但李斯特菌病的住院率很高（几乎90%），并且可能致命——尤其是对于孕妇、新生儿、老年人和免疫功能受损的个体。除了人类健康影响外，最近与冰淇淋和预包装沙拉相关的李斯特菌病爆发导致了数百万美元的召回和持久的品牌损害。传统的食品安全方法严重依赖手动检查和反应性测试，这些方法通常不能快速预防爆发。这就是人工智能发挥作用的地方。领先的Corbion公司开发了人工智能驱动的李斯特菌控制模型（CLCM），该模型模拟“深度冷冻”场景，以预测即食食品（如熟肉和软奶酪）中的污染风险。该系统分析pH值、水活性、盐含量和亚硝酸盐含量，以提出有针对性的抗微生物干预措施，给制造商提供安全保障和更快的上市时间。新的技术正在进一步改变行业的预防性方法。例如，Evja的AI驱动的OPI系统使用无线传感器从田地中实时收集农气候数据——跟踪土壤湿度、温度和营养水平。通过将这些数据输入预测模型，该平台预测最佳灌溉计划、营养需求和害虫风险。这使得农民能够预防有利于污染的条件：过度灌溉，例如，可以创造出湿润的环境，在那里像沙门氏菌这样的病原体可以繁殖。这样的系统也已显示出减少水耗的潜力，通过根据作物的确切需求量身定制灌溉，帮助种植者避免风险，同时提高作物的抗逆性和可持续性。像FreshSens这样的公司正在供应链的更下游解决风险。该公司使用人工智能和物联网传感器实时监测储存和运输期间的环境条件，如温度和湿度。通过分析这些数据以及历史模式，他们的系统预测新鲜农产品的最佳存储时间，减少了变质相关的污染风险。根据公司报告，这种方法可以将收获后损失减少多达40%——这是一个对农民和分销商来说至关重要的进步，他们旨在平衡食品安全与浪费减少。使用人工智能开发功能性食品虽然人工智能在食品安全方面的作用至关重要，但其增强营养质量的潜力同样具有变革性。最有前途的应用之一是开发功能性食品——这些产品中添加了生物活性化合物，可以提供超出基本营养的健康益处。这不仅仅是一种健康趋势。根据NCD联盟的数据，贫乏的饮食是非传染性疾病的主要驱动因素，包括肥胖、2型糖尿病和心血管疾病。消费者要求的不仅是健康的食物，还要方便和美味。预计到2027年，全球功能性食品市场的价值将达到3090亿美元，这代表着一个弥合这一差距的关键机会。历史上，发现生物活性成分需要数年时间。人工智能可以将这一过程加速指数级。Brightseed的Forager AI在分子水平上绘制植物化合物，识别出在黑胡椒中激活脂肪清除代谢途径的代谢物。他们的计算平台分析了70万种化合物，相比实验室方法，发现时间缩短了80%，根据Brightseed的说法。虽然临床验证仍在继续，但这展示了人工智能解锁自然的隐藏药库以改善代谢健康的力量。同样，初创公司MAOLAC利用人工智能识别和优化来自colostrum和植物提取物等天然来源的生物功能蛋白。他们的平台分析了大量科学数据库以创建针对特定健康需求的靶向补充剂添加剂，从肌肉恢复到免疫支持，展示了人工智能增强营养精度和生物利用度的能力。配方同样至关重要。人工智能模型现在模拟了成分在加工过程中的相互作用——预测营养稳定性、风味特征和保质期。这使得公司能够数字化原型化配方，减少研发成本。结果是什么？针对特定需求的食品创新周期加快，从认知健康到肠道微生物群支持。算法驱动的个性化营养虽然功能性食品服务于人群，人工智能可以根据个体定制营养。个性化营养领域使用机器学习分析超过100个生物标志物（从肠道微生物群组成到实时葡萄糖反应），基因数据和生活方式因素，以生成针对个体独特生物学的饮食建议。这是一个从“一刀切”的饮食指南转向精确驱动的营养解决方案的根本转变。慢性疾病，如糖尿病，往往源于饮食-代谢的不匹配。根据美国疾病控制和预防中心的报告，目前60%的美国人至少患有一种慢性疾病。虽然只有240万美国人使用连续葡萄糖监测仪，但January AI的GenAI应用程序现在使血糖监测民主化，通过计算机视觉分析餐食照片，并使用三个在数百万个数据点上训练的人工智能模型预测葡萄糖影响，根据January AI的说法。这种无需可穿戴设备的解决方案可能有助于接触到目前尚不知道自己患有前期糖尿病的近90%的人群。接下来是什么？人工智能不会取代营养师、食品科学家或监管机构，也不会取代食用真正的食物以获得最佳健康——但它正在为我们提供更尖锐的工具和更深入的洞察。通过将人工智能集成到整个食品价值链的每个步骤中，我们可以从一个反应性地解决健康问题的系统转变为一个积极预防健康问题的系统。当然，仍然存在挑战。数据和算法必须是代表性和可信的——建立这种信任需要时间。但机会是明确的：人工智能现在使得食品系统变得更智能、更安全、更个性化——这种系统不仅能让我们吃饱，还有潜力改善人类的寿命和健康跨度。
