Globalizacja łańcucha dostaw żywności przyczyniła się do wzrostu ryzyka fałszowania produktów i zagrożeń dla ich bezpieczeństwa. Artykuł "Food Fraud Detection Using Explainable Artificial Intelligence" autorstwa Buyuktepe i in. przedstawia wykorzystanie sztucznej inteligencji (AI) do przewidywania przypadków oszustw spożywczych. Badanie koncentruje się na modelu głębokiego uczenia (DNN), który został opracowany na podstawie danych z systemów RASFF oraz EMA. W celu zwiększenia transparentności wyników, autorzy zastosowali narzędzia wyjaśnialnej AI (XAI), takie jak LIME, SHAP i WIT, co pozwoliło na lepsze zrozumienie decyzji podejmowanych przez model.
Rola wyjaśnialnej AI w wykrywaniu fałszerstw
Jednym z kluczowych wyzwań związanych z AI w sektorze spożywczym jest tzw. "czarna skrzynka" – brak przejrzystości w sposobie, w jaki model dochodzi do swoich prognoz. Aby temu zaradzić, wykorzystano trzy narzędzia XAI. LIME umożliwia interpretację lokalnych decyzji modelu, ale jego wyniki mogą się różnić przy różnych uruchomieniach. SHAP dostarcza bardziej spójnych wyjaśnień zarówno na poziomie globalnym, jak i lokalnym, choć wymaga dużych zasobów obliczeniowych. WIT pozwala na wizualizację wyników i analizę alternatywnych scenariuszy, jednak jego stosowanie wymaga manualnej obsługi. Wyniki analizy wykazały, że największy wpływ na wykrywanie fałszerstw mają źródło danych, kategoria produktu oraz kraj pochodzenia. Co istotne, dane z systemu RASFF były kluczowe w identyfikacji przypadków fałszowania certyfikatów zdrowia, etykietowania oraz nielegalnego importu, podczas gdy EMA miała większy udział w wykrywaniu oszustw związanych z odsprzedażą i kradzieżą.
Wnioski i znaczenie dla branży spożywczej
Model opracowany przez badaczy osiągnął 81,4% dokładności, co potwierdza jego potencjał w praktycznym zastosowaniu. Może on stanowić cenne narzędzie dla firm spożywczych, pomagając w monitorowaniu łańcucha dostaw i ograniczaniu ryzyka fałszerstw. Włączenie XAI w procesy decyzyjne może zwiększyć transparentność systemów AI, co jest kluczowe zarówno dla regulatorów, jak i konsumentów. Przyszłe badania powinny skupić się na integracji nowych baz danych oraz dalszym rozwoju narzędzi XAI, tak aby ich interpretacja była bardziej intuicyjna i nie wymagała manualnej interwencji. Ostatecznie, wykorzystanie AI w branży spożywczej może znacząco przyczynić się do poprawy bezpieczeństwa żywności oraz ochrony konsumentów przed nieuczciwymi praktykami.
Źródło: https://onlinelibrary.wiley.com/doi/epdf/10.1111/exsy.13387
Zespół FoodFakty na bieżąco prowadzi monitoring zafałszowań żywności, suplementów diety i opakowań w bazie Probase 360. Klienci bazy codziennie otrzymują alert o produktach zafałszowanych i mogą niezwłocznie podejmować działania prewencyjne oraz korzystać z modułu analitycznego bazy.
Dowiedz się więcej o Strefie Managera i narzędziach ProBase 360.