A mesterséges intelligencia alkalmazási lehetőségei az élelmiszerlánc-biztonság területén = Application possibilities of Artificial Intelligence in food chain safety

Jóźwiak, Ákos (2025) A mesterséges intelligencia alkalmazási lehetőségei az élelmiszerlánc-biztonság területén = Application possibilities of Artificial Intelligence in food chain safety. SCIENTIA ET SECURITAS, 6 (1-2). pp. 163-169. ISSN 3057-9759

Preview

Text 112-article-p163.pdf - Published Version Available under License Creative Commons Attribution. Download (356kB) | Preview

Abstract

A termőföldtől az asztalig jelentkező, a klímaváltozás, a globalizáció és a fogyasztói trendek által felerősített kockázatok közepette a mesterséges intelligencia (MI) az élelmiszerlánc proaktív védelmi rendszerévé válhat. A fejlett analitikai, gépi tanulási és nagy nyelvi modelleken alapuló megoldások – az IoT-szenzorokkal támogatott valós idejű üzemfelügyelettől a műholdas mikotoxin-előrejelzésen át az MI-asszisztált kockázatértékelési keretekig – gyorsabb, pontosabb döntéseket tesznek lehetővé. Azonban az MI sikerének feltételei is vannak: a FAIR-alapú, ontológiákkal összekapcsolt adat-ökoszisztéma, a biztonságos adatmegosztás, a magyarázható MI-modellek, a szakértői human-in-the-loop” felügyelet, valamint az AI-rendelettel összhangban álló átlátható és elszámoltatható irányítási, felügyeleti rendszerek. A következő évtizedben az interoperabilitás fokozása, a live evidence mapping, a biztonságos adatmegosztási eljárások elterjedése, valamint a célzott oktatás és kapacitásfejlesztés teremthetik meg azt a bizalmi és technológiai alapot, amely mellett az MI valós időben előzheti meg az élelmiszer-eredetű egészségkárosodásokat, és hozzájárulhat a fenntarthatóbb, ellenállóbb élelmiszerrendszerekhez. | Globalized trade, climate volatility and fast-evolving consumer expectations have multiplied the biological, chemical and physical hazards that can emerge “from farm to fork”. While the IoT devices, omics platforms and satellite sensors now generate petabytes of potentially informative data, almost three-quarters of these signals remain unstructured, siloed or simply missing, creating blind spots in conventional risk-assessment and risk-management pipelines. This paper analyses how Artificial Intelligence (AI) can transform that paradox – data overload versus insight scarcity – into a proactive assessment and management system for food-chain safety, through demonstrating AI-application use-cases, prerequisites and governance challenges. Evidence shows that advanced analytics, machine-learning and large language models can be useful in various predictive and decision-making scenarios, but the success of these innovations is gated by many prerequisites and factors. Data readiness – FAIR-compliant, high quality interoperable datasets that also capture the currently missing data – is a key area burdened with many challenges which need significant improvement. Even more important is people readiness – cross-trained food scientists and data scientists are necessary to maintain effective “human-in-the-loop” systems: human expert validation and oversight are crucial at every stage of engaging with AI – at the beginning (when defining objectives, scope, framework and selecting AI tools), during the process (to validate interim results and assure quality), and at the end (to interpret the findings and place them in their proper context). Trust and governance are also crucial enablers: GDPR-aligned pseudonymisation, federated learning for sensitive business or epidemiological data, clearly defined responsibilities, in line with the EU data and AI regulatory environment, are all important factors to consider. In addition, transparent model documentation and explainable AI solutions are needed to foster stakeholder confidence and facilitate regulatory audits. Achieving the long-term AI vision will require targeted investments in data generation, open semantic standards, capacity-building curricula and continuous algorithmic audits, supported by multi-country “lighthouse” pilots that demonstrate tangible public-health value. If these align, AI will not replace expert risk assessors; it will amplify their reach, turning today’s reaction-based controls into tomorrow’s anticipatory, evidence-centred food safety governance.

Actions (login required)

Edit Item