فوڈ انڈسٹری میں مصنوعی ذہانت کا اطلاق

فوڈ انڈسٹری میں AI کی ضرورت

پیچیدہ صنعتی چیلنجوں کو حل کرنے کے مواقع فراہم کرنے کے علاوہ، AI مجموعی کاروباری منظرنامے کو بھی تبدیل کر رہا ہے۔ کمپنیاں صارفین کے رجحانات کا جواب دے رہی ہیں اور مصنوعات کو پہلے سے کہیں زیادہ تیزی سے مارکیٹ میں لا رہی ہیں اور صارفین اس کی توقع کرنا شروع کر رہے ہیں۔ رجحانات کو برقرار رکھنے اور اپنی جانے والی مارکیٹ کی حکمت عملیوں میں کامیاب ہونے کے لیے، مصنوعات کی جدت کو پہلے سے کہیں زیادہ تیز رفتاری کی ضرورت ہے۔

*2000-2023 کی مدت کے دوران AI میں سرمایہ کاری*

روایتی طور پر، فوڈ کمپنیوں کے نئے پروڈکٹ ڈیولپمنٹ سائیکل کے آغاز سے لے کر شیلف تک محدود معلومات اور بکھرے ہوئے ڈیٹا سے دوچار ہیں۔ یہ پیچیدگی عمل کے چکر کے مختلف پہلوؤں سے پیدا ہوتی ہے، بشمول مارکیٹنگ، تحقیق اور ترقی (R&D)، اور فروخت۔ یہ چیلنج سست فیصلہ سازی اور طویل اختراعی چکروں کا باعث بنتے ہیں۔

اس لیے یہ کوئی تعجب کی بات نہیں ہے کہ تقریباً 80% فوڈ پروڈکٹ لانچ ناکام ہو جاتے ہیں، جس کی بڑی وجہ صارفین کی قبولیت کی کمی ہے۔ AI طاقتور ڈیٹا نیٹ ورکس کا استعمال کرتے ہوئے وسیع پیمانے پر جانچ کی ضرورت کو کم کرکے اور کراس ڈپارٹمنٹل تعاون کو فروغ دے کر ان چیلنجوں سے مؤثر طریقے سے نمٹنے میں مدد کر رہا ہے۔ یہ پروڈکٹ فارمولیشنز، پروسیس پیرامیٹرز، اور مارکیٹ کے رجحانات کا تجزیہ کرکے پورے عمل کو ہموار کر سکتا ہے۔

"پورا ڈیجیٹل ایجنڈا متعلقہ اور دلچسپ ہے کیونکہ، اگر اچھی طرح سے کیا جائے تو یہ واقعی چیزوں کو تیز کرتا ہے۔ یہ بہت ساری آزمائشوں اور غلطیوں سے بچتا ہے جو ایک روایتی R&D تنظیم کرتی ہے، اور یہ تیز تر پیشین گوئی کی اجازت دیتی ہے،" Miriam Überall، سابق R&D ڈائریکٹر Kraft Heinz and Unilever کہتی ہیں۔

فوڈ انڈسٹری انوویشن سائیکل کو چلانے میں AI کا کردار

صارفین کی بصیرت اور آئیڈیا جنریشن کو بہتر بنائیں ۔ AI کثیر جہتی ڈیٹا پر مبنی نقطہ نظر کا فائدہ اٹھا کر نئی مصنوعات کی ترقی کو نئی شکل دے رہا ہے۔

سب سے پہلے، AI بیرونی ذرائع سے حقیقی وقت کے رجحانات کی ترجمانی کرتا ہے، صارفین کی رائے اور جذبات کے بارے میں معلومات اکٹھا کرتا ہے۔ اس میں سوشل میڈیا کا تجزیہ، مطلوبہ الفاظ سے باخبر رہنا، سروے کے لیے چیٹ بوٹس کا استعمال، اور تصویر کا تجزیہ شامل ہے۔

دوسرا، AI انٹرنیٹ آف تھنگز (IoT) سینسر تک بھی پھیلا ہوا ہے، جو مصنوعات کے انتخاب اور کھانا پکانے کی ترجیحات پر صارفین کا ڈیٹا اکٹھا کرتے ہیں۔ مزید برآں، یہ تجزیات کا انعقاد کرتا ہے، تاریخی فروخت کے اعداد و شمار اور مارکیٹ کے رجحانات کا فائدہ اٹھاتے ہوئے صارفین کی ضروریات اور ترجیحات کی درست پیشین گوئی، نئی مصنوعات کے آغاز کے اوقات کو بہتر بنانے، اور مارکیٹ کی تبدیلیوں سے مطابقت رکھتا ہے۔

TasteGPT Tastewise کا تخلیقی AI پروگرام ہے جو صارفین کو پہلے سے کہیں زیادہ تیزی سے ذاتی نوعیت کی بصیرت حاصل کرنے میں مدد کرنے کے لیے ڈیزائن کیا گیا ہے۔

سٹارٹ اپ Tastewise نئی مصنوعات کی ترقی کو متاثر کرنے کے لیے AI کے استعمال کی ایک بہترین مثال ہے۔ کمپنی نے ایسا سافٹ ویئر تیار کیا ہے جو ابھرتے ہوئے کھانے کے رجحانات اور صارفین کے ذوق کو سمجھنے کے لیے مختلف ذرائع (سوشل میڈیا، جائزے، مینو، ترکیبیں…) سے بڑے پیمانے پر ڈیٹا اکٹھا کرتا ہے۔

یہ سافٹ ویئر فوڈ کمپنیوں کے لیے ایک قیمتی ٹول ہے کیونکہ یہ ایسی مصنوعات بنانے میں مدد کرتا ہے جو صارفین کے لیے مطلوبہ اور ترجیحی ہوں۔

کھانے کے نئے اجزاء کی دریافت ۔ نئے پروڈکٹ ڈویلپمنٹ سائیکل میں، AI کھانے کے نئے اجزاء کی دریافت کو بھی تیز کر سکتا ہے، اجزاء کی اسکریننگ اور خصوصیات کو بہتر بنا سکتا ہے۔ دنیا بھر میں اسٹارٹ اپ خوراک کی دریافت کے عمل کو سپورٹ کرنے کے لیے ایک موثر الگورتھم کی تحقیق اور ترقی کر رہے ہیں۔ Ginkgo Bioworks اور Arzeda، مثال کے طور پر، نئے پروٹین اور انزائمز بنانے کے لیے کمپیوٹیشنل ڈیزائن اور AI کے امتزاج کا استعمال کر رہے ہیں۔ دریں اثنا، Amai Proteins نئے پروٹینز کو ڈیزائن کرنے کے لیے AI کا استعمال کرتا ہے جو مختلف خصوصیات اور ذائقوں کو پیدا کرنے کے لیے موزوں ہیں۔

تحقیق، ترقی اور اصلاح ۔ AI مختلف قسم کے کھانے کی مصنوعات کی خصوصیات کی پیشن گوئی کرنے اور بڑھانے میں مرکزی کردار ادا کرتا ہے۔ یہ ذائقہ کے پروفائلز سے ملنے کے لیے اجزاء کے تناسب کی تجویز کرتا ہے اور ذائقہ کو برقرار رکھتے ہوئے صحت مند متبادل پیش کرتا ہے۔

مزید برآں، AI کھانے کی مصنوعات کی ساخت کا اندازہ لگانے میں مدد کرتا ہے، اس بات کو یقینی بناتا ہے کہ مصنوعات کی خصوصیات توقعات کو پورا کرتی ہیں۔ غذائیت کے محاذ پر، AI مخصوص اہداف کو حاصل کرنے کے لیے ترکیبوں کو بہتر بناتا ہے، چاہے وہ چینی کی مقدار کو کم کر رہا ہو یا پروٹین کی سطح کو بڑھا رہا ہو، جبکہ لیبلنگ کی ضروریات کو پورا کرنے کے لیے غذائی اجزاء کی ترکیب کی بھی پیش گوئی کرتا ہے۔

حال ہی میں، فوڈ کمپنیوں نے اپنے R&D سائیکلوں میں AI کا اطلاق کیا ہے، جس سے مصنوعات کی ترقی اور پروسیسنگ کے وقت کو مہینوں سے دنوں تک کم کیا گیا ہے۔ یونی لیور نے کم نمک والی مصنوعات بنانے کے لیے AI کا استعمال کیا، ذائقہ کے تجزیہ کے عمل کو مہینوں سے دنوں تک تیز کیا۔ Kraft Heinz نے قابل ذکر نتائج حاصل کرتے ہوئے لاگت، چینی اور نمک کو بہتر بنانے کے لیے AI الگورتھم کا تجربہ کیا۔ مقداری وضاحتی تجزیہ نے ٹماٹر کی اصل مصنوعات کو دوبارہ تیار کرنے میں 94% درستگی حاصل کی۔

پیداواری صلاحیت اور اخراجات کو بہتر بنانا ۔ لیبارٹری پیمانے پر کھانے کی مصنوعات تیار کرنے کے بعد، کھانے کی کمپنیوں کو بڑے پیمانے پر پیداوار کے لیے مشینری اور لائنوں کا بندوبست کرنے کے چیلنج کا سامنا ہے جبکہ اب بھی لیبارٹری پیمانے پر مصنوعات کی مسابقت اور معیار کو یقینی بنانا ہے۔ AI پیداوار کو بڑھانے کے لیے بہترین حالات کا تعین کرنے کے لیے ڈیٹا کا تجزیہ کرکے ایک حل فراہم کرتا ہے۔

اینیمل الٹرنیٹیو ٹیکنالوجیز اور امامی بائیو ورکس جیسے اہم اسٹارٹ اپ اس جگہ میں رہنمائی کر رہے ہیں، ڈیٹا سائنس سے فائدہ اٹھاتے ہوئے دانشورانہ املاک اور توسیع پذیر ٹیکنالوجی کو ترقی دے رہے ہیں۔ اس جگہ میں ایک اور قابل ذکر آغاز Eternal ہے، جو خودکار جانچ، تجزیہ، اور بایوماس ابال کی اصلاح کے لیے AI اور روبوٹکس کا استعمال کرتا ہے۔ ان پیش رفت سے بڑے مینوفیکچررز کو بھی فائدہ ہو رہا ہے جو بڑے پیمانے پر متبادل پروٹین کی پیداوار کے لیے ایک قابل عمل اور پائیدار راستہ تلاش کر رہے ہیں۔

فوڈ انڈسٹری میں AI ایپلی کیشن کو درپیش چیلنجز

کھانے کی صنعت میں AI کا اطلاق بہت سے فوائد پیش کرتا ہے، بشمول لاگت کی کارکردگی، رفتار، حسب ضرورت، پیش گوئی کی صلاحیتیں اور ڈیٹا پر مبنی بصیرت۔ تاہم اس عمل کو کئی چیلنجز کا بھی سامنا ہے۔

محدود تاریخی ڈیٹا : فوڈ ٹکنالوجی جیسے ابھرتے ہوئے فیلڈ میں الگورتھم کو فیڈ کرنے کے لیے تاریخی ڈیٹا کا فقدان ہے، جس سے بامعنی نتائج پیدا کرنا زیادہ مشکل ہو جاتا ہے۔ اگر دستیاب ہو، تو یہ اکثر مختلف غیر ساختہ اور مختلف ڈیٹا فارمیٹس میں پایا جاتا ہے۔ لہذا، متعلقہ ان پٹ ڈیٹا کو زیادہ قابل شناخت شکل میں بنانے کے لیے ترقی کی ضرورت ہے۔

لاگو کرنے کے زیادہ اخراجات : AI سسٹم کو ترتیب دینا اور اسے برقرار رکھنا مہنگا ہو سکتا ہے، خاص طور پر چھوٹی کمپنیوں کے لیے۔ دوسری طرف، بڑی کمپنیوں کے موجودہ نظام مستقبل کا ثبوت نہیں ہوسکتے ہیں اور اس وجہ سے ترقی جاری رکھنے کے لیے اہم سرمایہ کاری کی ضرورت ہے۔

قانونی اور اخلاقی پیچیدگی : AI نظاموں کی بڑھتی ہوئی پیچیدگی، خاص طور پر پیش گوئی کرنے والی ایپلی کیشنز میں، ممکنہ AI غلطیوں اور نتائج کو حل کرنے کے لیے قانونی اور اخلاقی نقطہ نظر سے جوابدہی کے چیلنج کو جنم دیتی ہے۔ مزید برآں، روایتی فوڈ کلچر پر AI کے اثرات کا اندازہ لگانا اس کے مجموعی اثرات کو سمجھنے کے لیے بہت ضروری ہے۔

ڈیٹا سیکیورٹی کے مسائل : ملکیتی ڈیٹا کی حفاظت کرنا، جیسا کہ خفیہ ترکیبیں، جبکہ AI ایپلی کیشنز کو بہتر بنانے کے لیے ڈیٹا شیئرنگ کو فروغ دینا ایک پیچیدہ چیلنج ہے جس کے لیے موثر گورننس میکانزم کی ضرورت ہے۔ مزید برآں، ڈیجیٹل حملوں کے خلاف تحفظ بہت ضروری ہے۔

بدلتے ہوئے ضوابط : خوراک کے قوانین اکثر بدلتے رہتے ہیں، جس کے لیے AI سسٹمز کو ان ایڈجسٹمنٹس کو برقرار رکھنے کی ضرورت ہوتی ہے۔ مزید برآں، ضوابط کو اکثر تشریح کی ضرورت ہوتی ہے، جس کے لیے موجودہ AI مناسب نہیں ہو سکتا۔

کثیر الضابطہ تعاون اور مہارت کا اشتراک : AI اور خوراک کی مہارت کو یکجا کرنے کے لیے مختلف شعبوں کے ماہرین (خوراک کے سائنسدان، انجینئرز، اور ڈیٹا سائنسدان) کے درمیان موثر رابطے کی ضرورت ہوتی ہے۔ مربوط، ڈیٹا پر مبنی فیصلے کرنے کے لیے اس کے لیے تیز رفتار مہارت کا اشتراک اور کراس فنکشنل عمارت کی ضرورت ہے۔

صارفین کی قبولیت : AI سے تیار کردہ خوراک کے بارے میں صارفین کے خدشات اور خوف کو دور کرنے کے لیے سخت، گہرائی سے تحقیق کی ضرورت ہے۔ یہ ایک طویل، سخت اور مہنگا تحقیقی عمل ہے۔

ماحولیاتی اثرات : کارکردگی کے علاوہ، AI کے ماحولیاتی اثرات پر غور کرنے اور ماحولیاتی اثرات کو کم کرنے کے فوائد کے مقابلے میں وزن کرنے کی ضرورت ہے۔ ان چیلنجوں سے نمٹنا فوڈ انڈسٹری کو AI کی صلاحیتوں سے فائدہ اٹھانے میں مدد کرنے کے لیے بہت ضروری ہے، جبکہ اس کی حدود اور سماجی مضمرات کو فعال طور پر حل کرتے ہوئے۔

فوڈ انڈسٹری میں اے آئی کی درخواست کے امکانات

2010 کی دہائی کے آخر سے، دنیا نے AI پر مبنی فوڈ پروڈکٹ کی ترقی میں مہارت رکھنے والے اسٹارٹ اپس میں اضافہ دیکھا ہے۔ اس معاملے کی جڑ مارکیٹ کے تجزیات، صارفین کی بصیرت کی پیشن گوئی کے ساتھ ساتھ پروڈکٹ اور پروسیس کے پیرامیٹرز کے لیے پیشن گوئی ماڈلنگ جیسے کاموں کے لیے AI پر مبنی حل فراہم کرنے میں مضمر ہے۔

AI پر مبنی فوڈ انڈسٹری اسٹارٹ اپ ایکو سسٹم۔

سٹارٹ اپ تیزی سے فوڈ کمپنیوں کے ساتھ ضم ہو رہے ہیں تاکہ جدت طرازی کو آگے بڑھایا جا سکے – ایک ایسا رجحان جس کی مستقبل قریب میں مزید رفتار حاصل کرنے کی امید ہے۔ ڈیٹا کوالٹی، پروسیسنگ پاور اور اخلاقیات میں چیلنجز ابھر رہے ہیں، تاہم، AI ایپلی کیشنز فوڈ انڈسٹری میں گہرائی سے داخل ہو چکی ہیں۔ لہذا، ایک بار ہم آہنگ ایپلی کیشن میکانزم کا تعین ہونے کے بعد، AI سے خوراک کی صنعت میں انقلاب کی توقع کی جاتی ہے۔

AI اور فوڈ ٹیکنالوجی کے درمیان طاقتور ہم آہنگی خوراک کی بڑھتی ہوئی طلب اور پائیداری کی ضروریات کو پورا کرنے کے لیے ایک ناگزیر کڑی ہے۔ صارفین کی طلب کے اعداد و شمار کی بنیاد پر پروڈکٹ کے نئے ڈیزائن کی ترغیب سے لے کر تجویز کردہ نئے پروسیس پیرامیٹرز تک جو پیداواری صلاحیت کو بہتر بنا سکتے ہیں اور لاگت کو کم کر سکتے ہیں، AI آنے والے وقت میں فوڈ انڈسٹری کے نئے پروڈکٹ ڈویلپمنٹ سائیکل میں ہر قدم کو بہتر بنانے میں اپنا حصہ ڈالے گا۔

(peakbridge.vc کے مطابق ieeexplore.ieee.org)

ماخذ