AI ची क्रांती: अन्नसुरक्षेत जादुई बदल!

Image Source: Getty

सन 2030 पर्यंत शाश्वत विकासाचा अजेंडा साध्य करण्यासाठी विशेषतः ‘भूकमुक्ती, अन्न सुरक्षा आणि सुधारित पोषण’ हे त्याचे उद्दिष्ट साध्य करण्यासाठी सुरक्षित, पौष्टिक आणि परवडणाऱ्या दरात अन्न मिळणे आवश्यक आहे. असुरक्षित अन्न दोनशेपेक्षा अधिक वेगवेगळ्या प्रकारच्या आजारांना आमंत्रण देते. दर वर्षी सुमारे 60 कोटी लोक असुरक्षित अन्नाचे सेवन केल्याने आजारी पडतात.

या वर्षीच्या ‘अन्न सुरक्षा : कृतीतून विज्ञान’ हा जागतिक अन्न सुरक्षा दिनाचा विषय सर्वांसाठी सुरक्षित अन्न उपलब्ध करण्यात शास्त्रीय ज्ञानाची महत्त्वाची भूमिका अधोरेखित करते. या पार्श्वभूमीवर अन्न सुरक्षा यंत्रणा जागतिक स्तरावर मजबूत करण्यासाठी आणि अशा साधनांशी संबंधित अंमलबजावणी आव्हानांना तोंड देण्यासाठी कृत्रिम प्रज्ञा (AI) हे एक शक्तिशाली साधन कसे बनू शकते, याचा शोध घेण्याचा प्रयत्न या लेखातून केला आहे. पारंपरिक अन्न सुरक्षा पद्धती अत्याधुनिक, जागतिक स्तरावरील अन्न पद्धती आणि त्यांच्या नव्या धोक्यांशी जुळवून घेण्यासाठी संघर्ष करत आहेत. देखरेखीतील अंतर वाढत असताना, AI आधारित तंत्रज्ञान अशुद्धतता शोधण्यासाठी, माग काढण्यासाठी आणि अशुद्धी रोखण्यासाठी नवी पद्धती सादर करत आहे.

अन्न सुरक्षेतील AI

अन्न सुरक्षा वाढवण्यात AI ची भूमिका समजून घेण्यासाठी शेतातून आपल्या टेबलावर अन्न कसे येते, याचा शोध घेणे आवश्यक आहे. अन्न पुरवठा साखळीमध्ये परस्पर जोडलेल्या टप्प्यांचा समावेश असतो. उत्पादन, प्रक्रिया, वितरण, वापर आणि विल्हेवाट हा प्रत्येक टप्पा अन्य घटकांच्या सुरक्षित कार्यपद्धतीवर अवलंबून असतो. या साखळीत शेतकरी, बियाणे उत्पादक, व्यापारी, वाहतूकदार, घाऊक विक्रेते, रिटेल विक्रेते, वित्तीय संस्था आणि विमा प्रदात्यांसह अनेक घटकांचा सहभाग असतो.

पुरवठा साखळीच्या प्रत्येक टप्प्यातून अन्नाचे पद्धतशीरपणे वहन होत असते, तेव्हा ते प्रत्येक टप्प्यावर मोठ्या प्रमाणात डेटा तयार करते. अंदाज करण्याची अचूकता सुधारण्यासाठी, गुणवत्ता राखण्यासाठी आणि एकूण पुरवठा साखळीची कार्यक्षमता वाढवण्यासाठी या डेटावर AI पर्यायाचा अवलंब केला जाऊ शकतो. शेती, अन्न उत्पादन आणि किरकोळ विक्रीपासून ते वितरणापर्यंतच्या पुरवठा साखळीमध्ये ते उपयुक्त ठरते.

पुरवठा साखळीच्या प्रत्येक टप्प्यातून अन्नाचे पद्धतशीरपणे वहन होत असते, तेव्हा ते प्रत्येक टप्प्यावर मोठ्या प्रमाणात डेटा तयार करते. अंदाज करण्याची अचूकता सुधारण्यासाठी, गुणवत्ता राखण्यासाठी आणि एकूण पुरवठा साखळीची कार्यक्षमता वाढवण्यासाठी या डेटावर AI पर्यायाचा अवलंब केला जाऊ शकतो.

अन्न सुरक्षा वाढवण्यासाठी AI प्रामुख्याने तीन मार्गांनी प्रयत्न करते : पहिला म्हणजे कार्यक्षमता आणि उत्पादकता वाढवण्यासाठी नियमित कामांचे स्वयंचलन करून, दुसरे म्हणजे, निर्णय घेण्याची क्षमता आणि उत्पादनाची गुणवत्ता सुधारण्यासाठी मोठ्या डेटा सेटचे विश्लेषण करून आणि तिसरे म्हणजे, मानवी क्षमतेपेक्षा अधिक प्रगत कार्ये उदा. पूर्वानुमानात्मक विश्लेषण करून. AI च्या वाढीसह अन्न उद्योगात अवलंबन करण्यात आलेल्या AI उपायांना आकार देण्यात अन्न सुरक्षा व्यावसायिकांची भूमिका वाढत्या प्रमाणात महत्त्वपूर्ण असेल. या संदर्भात कौशल्य विकास आणि आंतरविद्याशाखीय प्रशिक्षणाच्या माध्यमातून क्षमता निर्मिती करणे गरजेचे बनते. यामुळे नियामक, उद्योग कर्मचारी आणि तंत्रज्ञ सुरक्षा व संदर्भानुसार संबंधित असलेल्या AI यंत्रणा विकसित करण्यासाठी आणि अवलंबन करण्यासाठी प्रभावीपणे मदत करू शकतात.

अन्न सुरक्षेत AI चा वापर

AI सध्या विविध लक्ष्यीत प्रयोगांच्या माध्यमातून अन्न सुरक्षेत वाढ करत आहे. AI आधारित सेन्सर्समुळे अशुद्ध पदार्थांचा प्रत्यक्ष शोध घेणे शक्य होते. त्यामुळे अन्न उत्पादनांतील सूक्ष्म जंतू, रासायनिक अंश आणि भेसळ यांच्या बाबतीत वेगाने हस्तक्षेप करता येतो. एकात्मिक AI आणि ब्लॉकचेन सोल्युशन्समुळे शोध घेणे अधिक सक्षम होते. त्यामुळे उत्पादन रिकॉल वेगवान आणि अधिक अचूक होतात. या व्यतिरिक्त AI संभाव्य साधनांच्या बिघाडांची लवकर ओळख करून पूर्वानुमानात्मक विश्लेषण करण्यास मदत करते. त्यामुळे स्वच्छता आणि कार्यक्षमता सुधारते. शेल्फ लाइफचा अचूक अंदाज घेऊन आणि पुरवठा साखळी प्रक्रिया उच्चतम करून हे तंत्रज्ञान कचरा कमी करण्यासही मदत करते.

अन्नातून होणाऱ्या आजारांच्या फैलावाचा अंदाज लावण्यासाठी आणि पुरवठा साखळीतील चुकीचे लेबलिंग अथवा भेसळ यांसारख्या विसंगती शोधण्याची क्षमता AI कडे आहे. ते अचूकपणे दोष शोधून गुणवत्ता नियंत्रण सुधारते आणि वर्गीकरण अल्गोरिदम वापरून शेल्फ लाइफ आणि उत्पादन खराब होण्याचा अंदाज घेते. या शिवाय ॲलर्जी येण्याचा धोका टाळण्यासाठी AI घटक सूची व लेबल स्कॅन करण्यासाठी नॅचरल लँग्वेज प्रोसेसिंग (NLP) चा वापर करते. त्याचप्रमाणे उत्पादकांना नियमांचे पालन करण्यासाठी आणि रिकॉल टाळण्यासाठी मदत करते.

अन्नाच्या मागणीच्या पूर्वानुमानात्मक विश्लेषणासाठी AI चा वापर ही आणखी एक महत्त्वपूर्ण गोष्ट आहे. ग्राहकांचे वर्तन, आधीचा विक्री कल, हंगाम, हवामान नमुने आणि अन्य सामाजिक-आर्थिक घटकांसह ऐतिहासिक डेटासेटवर मशीन लर्निंग अल्गोरिदम लागू करून AI सोल्युशन्स विविध अन्नपदार्थांसाठी मागणीचा अंदाज करू शकतात. हे अंदाज उत्पादकांना आणि रिटेल विक्रेत्यांना संपूर्ण पुरवठा साखळीत लॉजिस्टिक्स ऑप्टिमाइझ करण्यास मदत करतात. त्यामध्ये उत्पादनाचे प्रमाण ठरवणे, वेळेवर खरेदीचे वेळापत्रक तयार करणे आणि नाशवंत वस्तू त्यांच्या मुदतीपूर्वी बाजारात पोहोचतील याची खात्री करण्यासाठी वितरणाची व्यवस्था लावणे यांचा अंतर्भाव होतो. पुरवठा व प्रत्यक्ष मागणी यांची अधिक चांगली मोट बांधून, AI अतिउत्पादनाला वेसण घालण्यासाठी कमी वापरावर पर्याय शोधण्यासाठी मदत करू शकते. उत्पादन खराब होण्याची हीच दोन प्रमुख कारणे आहेत. या व्यतिरिक्त AI लॉजिस्टिक्समधील अडथळे किंवा अकार्यक्षमता ओळखू शकते आणि थेट हस्तक्षेपाचा पर्याय सुचवू शकते. त्यामुळे त्यांच्या संपूर्ण प्रवासात अन्न उत्पादनांचा ताजेपणा आणि सुरक्षितता टिकून राहाते.  

अन्नातून होणाऱ्या आजारांच्या फैलावाचा अंदाज लावण्यासाठी आणि पुरवठा साखळीतील चुकीचे लेबलिंग अथवा भेसळ यांसारख्या विसंगती शोधण्याची क्षमता AI कडे आहे. ते अचूकपणे दोष शोधून गुणवत्ता नियंत्रण सुधारते आणि वर्गीकरण अल्गोरिदम वापरून शेल्फ लाइफ आणि उत्पादन खराब होण्याचा अंदाज घेते.

या व्यतिरिक्त अन्न हाताळण्याच्या प्रक्रियेत शारीरिक श्रमांवरील अवलंबित्व कमी करण्यासाठी AI आधारित मशीन लागू केली जाऊ शकतात. यामुळे मानवी चुका आणि संभाव्य अशुद्धता कमी होण्यास मदत मिळते. मानवाने पारंपरिकरीत्या केलेल्या कार्यांचे स्वयंचलन करून अशा यंत्रणा स्वच्छता आणि कार्यान्विततेतील सुसंगतता वाढवतात. AI आधारित मशीन प्रत्यक्ष देखरेखही वाढवू शकतात. त्यामुळे रिटेल आणि अन्न सेवांमध्ये सुरक्षित व अवलंबन वातावरण अधिक निश्चित होते.

अन्न नियामक यंत्रणा सशक्त करण्यासाठी भारताने AI आणि मशीन लर्निंगवर आधारित नव्या पर्यायांचे अवलंबन करण्यासाठी अनेक पावले उचलली आहेत. त्यामध्ये शोध घेण्यासाठी AI चा वापर करण्याचा समावेश होतो. अन्न सुरक्षा आणि मानके प्राधिकरणाच्या (FSSAI) ओक ॲनालिटिक्स या स्टार्टअपने रॅमन १.० सादर केले होते. स्पेक्ट्रोस्कोपीला प्रयोगशाळेतून बाहेर काढून त्याचा प्रत्यक्ष वापर करण्यासाठी मायक्रोऑप्टिक्स, मोबाइल आणि AI चा वापर करणारे हे एक हँडहेल्ड स्पेक्ट्रोमीटर आहे.

अन्न सुरक्षेसाठी AI वापरण्यातील आव्हाने

अनेक तांत्रिक आव्हानांमुळे अन्न सुरक्षेतील AI चा वापर मर्यादित होत आहे. त्यातील एक प्राथमिक आव्हान म्हणजे, अन्नाशी संबंधित विविध प्रकारची वातावरण व्यापणारी उच्च गुणवत्तेची डोमेन, विशिष्ट डेटासेट नसणे. संबंधित डेटा बहुतेक वेळा विविध स्वरूपांमध्ये आणि साठवणूक यंत्रणेत विभाजित केला जातो. त्यामुळे त्याची उपलब्धता आणि वापर मर्यादित होतो. आंतरकार्यान्विततेचा अभाव असल्याने विविध डेटासेटचे एकत्रीकरण अधिक गुंतागुंतीचे बनते. त्यामुळे AI मॉडेलच्या कार्यक्षम विकास आणि वापरावर परिणाम होतो. शिवाय AI च्या विकासचक्रात अन्न सुरक्षा व्यावसायिकांचा सहभाग अपुरा असल्याने उपायांचे औचित्य आणि प्रभाव यांबद्दल चिंता निर्माण होते. मॉडेल डिझाइन दरम्यान डोमेन विशिष्ट इनपुटचा अभावामुळे अनेकदा प्रत्यक्ष जगातील अन्न वातावरणाशी जुळवून न घेणारे पर्याय निर्माण केले जातात.  

संबंधित डेटा बहुतेक वेळा विविध स्वरूपांमध्ये आणि साठवणूक यंत्रणेत विभाजित केला जातो. त्यामुळे उपलब्धता आणि वापर मर्यादित होतो. आंतरकार्यान्विततेचा अभाव असल्याने विविध डेटासेटचे एकत्रीकरण अधिक गुंतागुंतीचे बनते. त्यामुळे AI मॉडेलचा कार्यक्षम विकास आणि वापरावर परिणाम होतो.

अनेक पारंपरिक अन्न सुरक्षा पद्धती जुन्या पायाभूत सुविधांवर अवलंबून आहेत. त्यामुळे सुधारणा महागड्या आणि स्रोतकेंद्रित दोन्ही प्रकाराने होतात. आधुनिकीकरणासाठी बहुतेकवेळा लक्षणीय ऑपरेशनल डाउनटाइमसह हार्डवेअर, सॉफ्टवेअर आणि विशेष कौशल्यांमध्ये मोठ्या प्रमाणात गुंतवणूक आवश्यक असते. अन्न सुरक्षेमध्ये वापरल्या जाणाऱ्या AI उपायांना कठोर व विकसनशील नियामक आराखड्याचे पालन करणेही आवश्यक आहे. अशा प्रकारे विकसित केलेले पर्याय व्यापक पुनर्विकासाशिवाय नियामक सुधारणांचे पालन करू शकतील आणि त्यांच्याशी जुळवून घेऊ शकतील, याची निश्चिती करणे महत्त्वपूर्ण आहे. या घटकांची पूर्तता केली गेली नाही, तर कायद्याने दंड होऊ शकतोच, शिवाय गंभीर सुरक्षा अवलंबनामध्ये भागधारकांचा विश्वास आणि यंत्रणेची विश्वासार्हतादेखील कमी होऊ शकते.

पुढील दिशा

भूकमुक्तीसाठी करण्यात येत असलेल्या जागतिक प्रयत्नांमध्ये अन्न सुरक्षा हा एक महत्त्वाचा घटक आहे आणि अन्न सुरक्षा वाढवण्यासाठी AI अन्न पुरवठा साखळीमध्ये प्रगत विश्लेषणात्मक आणि स्वयंचलन क्षमता प्रदान करते. अन्न सुरक्षेच्या अनेक बाजूंमध्ये सुधारणा करण्याची क्षमता त्यात असली, तरी अन्न सुरक्षेमध्ये असलेली आव्हाने त्याच्या अवलंबनामध्ये अडथळे आणतात. योग्य डेटासेट आणि पुरेशा पायाभूत सुविधांची उपलब्धता निश्चित करणे महत्त्वाचे आहे. शिवाय भागधारकांमध्ये आंतरकार्यान्वितता आणि उपलब्धता निश्चित करण्यासाठी खुल्या डेटा मानकांना प्राधान्य देणे ही यशस्वी AI आधारित अन्न सुरक्षा उपाय विकसित करण्याची गुरूकिल्ली आहे. या व्यतिरिक्त अशा उपायांच्या नियंत्रित चाचणीला परवानगी देण्यासाठी नियामक सँडबॉक्स लागू केले जाऊ शकतात. अन्न सुरक्षेच्या नियमांचे उल्लंघन शोधण्यासाठी AI आधारित अनुपालन ऑडिटचाही वापर केला जाऊ शकतो. अन्न सुरक्षेवरील तज्ज्ञांच्या कौशल्याचा विचार करून असे उपाय विकसित करताना बहुविद्याशाखीय दृष्टिकोन स्वीकारणेही महत्त्वाचे आहे. एकत्रित प्रयत्न आणि सातत्याने दाखवलेली कल्पकता यांमुळे AI जगभरात सुरक्षित, अधिक कार्यक्षम आणि शाश्वत अन्न पद्धती तयार करण्यासाठी एक आधारस्तंभ बनू शकते.

बासू चंडोला हे ऑब्झर्व्हर रीसर्च फाउंडेशनमध्ये ‘सेंटर फॉर डिजिटल सोसायटीज’मध्ये असोसिएट फेलो आहेत.

• Climate, Food and Environment
• India
• ai and food safety
• ai in food industry
• AI in Food Safety
• artificial intelligence in food industry
• Climate
• Climate Change
• Food and Environment
• Food Safety
• India
• Sustainable Development
• World Food Safety Day
• world food safety day 2025

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT