A Finn Élelmiszerügyi Hatóság (FFA) mesterséges intelligencia (AI) technológiát alkalmaz, hogy drámai módon csökkentse a kritikus kutatások befejezéséhez szükséges időt, miközben arra törekszik, hogy megelőzze a lehetséges közegészségügyi válságokat.
Az FFA interdiszciplináris kockázatértékelési egysége tudományos kockázatértékelési projekteken dolgozik, például a madárinfluenza élelmiszerbiztonságra gyakorolt hatását.
Hagyományosan a kutatók manuálisan több tízezer dokumentumot olvastak és dolgoztak fel nyomozás közben, ami azt jelentette, hogy a projektek két-három évig tartanak az elejétől a végéig. Ez problémás olyan esetekben, mint például a vírusok ellenőrzése, ahol a szervezetnek gyorsan kell cselekednie. Például a hagyományos szöveges keresés akár 20 ezer kutatási anyagot is lekérhet egy témában, amelyeket a kutatók manuálisan átmennek, hogy azonosítsák a hasznos dokumentumokat. Az Iris.ai mesterséges intelligencia segítségével a dokumentumolvasás és -feldolgozás automatizálására az FFA valós időben képes kezelni a problémákat.
Az FFA most az Iris.ai természetes nyelvi feldolgozási szakértelmét, valamint a beszállító Researcher Workspace platformját használja .
A 2019-ben alapított FFA – a Finn Élelmiszerbiztonsági Hatóság, a Vidéki Ügynökség, valamint a Finn Nemzeti Földmérési Hivatal informatikai szolgáltatásainak egyesítésének eredménye. Fő feladatai közé tartozik az élelmiszerek biztonságának és minőségének előmozdítása, ellenőrzése és tanulmányozása, az állatok és növények egészségének megőrzése, valamint az állati takarmányok és növényvédő szerek felügyelete.
„A projektek teljesítési ideje kritikus kihívást jelentett, mivel a gyakran szükséges eredmények és betekintések időérzékenyek.” Például, amikor az FFA egy projekten dolgozott, hogy megértse a madárinfluenza kockázatait befolyásoló tényezőket, a munkának „gyorsan kellett végezni, mivel meg kellett érteni a betegség lehetséges terjedését az ország különböző régióiban” – mondta a FFA.
Az FFA hozzátette: „A madárinfluenzáról szóló dokumentumok manuális áttekintése rendkívül fárasztó feladat lett volna, tekintve a kutatás azon szűk területét, amely a farmok biológiai biztonságának és a vándorló madarak útvonalainak metszéspontját tárta fel.
„Az Iris.ai eszközeivel, különösen az Exploration-térképek vizuális interfészeivel, a FFA leszűkítheti a releváns dokumentumokat a tudományágak között erre a metszéspontra, lehetővé téve a kutatók számára, hogy megtalálják a releváns információkat. A megspórolt idő különösen fontos válsághelyzetekben, amikor a problémák valós időben történnek.”
Az FFA szerint azért is nehéz kutatási dokumentumokat találni a feltörekvő területeken, mert ezek korlátozottak, és a projekthez felhasznált idő akár egyharmada is információkeresésre megy el. „Ilyen kiterjedt munka, a különböző területeken kihívást jelent. Bár az FFA kutatói mély és széleskörű szakértelemmel rendelkezhetnek bizonyos kérdésekben, másokban még mindig lehetnek hiányosságok. Ezért az átfogó kutatói hálózattól és a kiterjedt együttműködéstől függetlenül minden FFA-kutatónak szüksége van egy gyors útra a kutatott információforrásokhoz” – mondta az FFA.
Az AI-technológia gyorsabb dokumentáció keresési időt, adatgyűjtést jelent, leküzdve az elhúzódó anyaggyűjtési időszak kihívását. Lehetővé teszi a felhasználók számára, hogy kutatási kérdéseket tegyenek fel a kutatási terület pontos keresési kifejezéseinek ismerete nélkül, és vizuális térképet készít a releváns dolgozatokról, témák szerint kategorizálva. „Bebizonyosodott, hogy ez segít a kutatóknak megtalálni a kontextus szempontjából megfelelőbb dokumentumokat, és jobb áttekintést kapni a kutatási területekről, ami segít levonni a következtetéseket” – állítja az FFA.
Az FFA azt mondta, hogy „javította a tanulmányok kutatási szakaszát azáltal, hogy időhatékonyabb adatgyűjtési folyamatot hozott létre, miközben a szakterületek legújabb tanulmányait is bevonta. Ez egy értékesebb módot teremt a projektszállítások és az emberek kapacitásának kezelésére.”
