Le goutte-à-goutte : Les innovations de l'IA dans l'alimentation avec Ravi Karkara et Vinay Indraganti

A propos de l'invité 

Ravi Karkara et Vinay Indraganti sont des acteurs de premier plan à l'intersection de l'intelligence artificielle et de l'innovation alimentaire, à la tête de l'initiative mondiale AI For Food. Coauteurs du livre The AI for Food Movement, ils se consacrent à l'étude de la manière dont l'IA remodèle la production alimentaire, la durabilité et les expériences culinaires. Dans cet épisode, Ravi et Vinay se penchent sur le rôle transformateur de l'IA dans la production alimentaire, en s'attaquant à des défis tels que les craintes liées à l'adoption de l'IA, l'intégration des données et les considérations éthiques. Ils discutent également de l'impact de l'IA sur le développement des saveurs, les expériences gastronomiques personnalisées et la façon dont elle favorise l'efficacité dans l'ensemble de l'industrie alimentaire.

Transcription

Zachary Cartwright :
Comment l'IA transforme-t-elle l'industrie alimentaire ? Bienvenue au Drip, où nous gardons l'esprit hydraté avec de la science, de la musique et un mantra. Je suis votre hôte, Zachary Cartwright. En tant que scientifique alimentaire principal chez AQUALAB, je suis constamment curieux de savoir comment les nouvelles technologies façonnent l'avenir de l'industrie alimentaire. Lors d'une récente conférence, j'ai assisté à une présentation sur la façon dont l'IA révolutionne le processus de développement des produits en analysant de vastes ensembles de données, en développant des idées, en aidant à l'idéation et en identifiant les ratios d'ingrédients optimaux pour accélérer le temps de mise sur le marché. Ravi Karkara et Vinay Indraganti, cofondateurs de l'initiative mondiale AI for Food, sont ici pour discuter du rôle de l'IA dans l'industrie alimentaire. Merci beaucoup à vous deux d'être ici aujourd'hui. J'aimerais diviser ce podcast en plusieurs sections, la première étant consacrée à la révolution de l'IA dans l'alimentation. Ma première question est la suivante : comment l'IA transforme-t-elle l'industrie alimentaire, de la ferme à la table ? Et quelles sont les implications pour l'avenir de nos repas ?

Invité 1 :
Nous savons tous que l'IA est un sujet qui intéresse tout le monde. Elle est même devenue un sujet de conversation. Mais ce que nous ignorons, c'est que la plupart du public et pas mal de gens qui travaillent dans l'industrie, ne savent pas à quel point l'IA est répandue dans l'écosystème alimentaire. Donc, avant d'aborder l'IA, vous savez, que fait-elle aujourd'hui dans l'écosystème alimentaire ? Si vous regardez comment nous obtenons de la nourriture sur notre table, de la ferme au porc, si vous regardez vraiment, d'une ferme, vous savez que la nourriture est cultivée à la ferme, et que cette nourriture est cultivée grâce à des semences qui ont été dans des fermes d'essai qui ont été, si elles sont génétiquement modifiées, si elles sont hybrides, elles ont tout un processus pour le développement de la semence elle-même. Il existe donc aujourd'hui un processus de recherche et de développement au niveau des semences. Et nous parlons maintenant d'agriculture pure, n'est-ce pas ? Nous pouvons donc aborder d'autres aspects de l'agriculture. Mais pour l'instant, c'est ce que nous examinons. L'IA est au cœur de la révolution génétique.

Invité 1 :
Ce que nous voyons, ce que nous entendons dire à propos de CRISPR, ce qui est courant dans l'industrie médicale, est également appliqué aux semences que nous avons, que nous cultivons, qui sont développées aujourd'hui. Tout part donc de là, n'est-ce pas ? Une partie de l'IA est donc utilisée pour prédire les résultats de ces modifications génétiques. D'autre part, si nous travaillons sur des hybrides, quel type de combinaisons hybrides de semences peut donner un résultat fructueux à partir du développement des semences lui-même ? Il s'agit donc de la recherche et du développement de semences, n'est-ce pas ? Et maintenant, du côté de l'agriculture, si vous considérez la recherche et le développement des semences comme une partie de la recherche et du développement de l'agriculture, la partie de la production actuelle, comme vous le feriez, vous diriez qu'une entreprise a besoin d'une technologie de pointe. On pourrait dire qu'une usine est une production, mais pour ce cycle, la production est en fait l'exploitation agricole. La recherche et le développement sont donc transformés en fermes d'essai, puis en production à grande échelle dans les exploitations agricoles. Et lorsque nous entrons dans la production, ces graines sont semées à l'aide de la robotique et cette robotique utilise beaucoup la vision par ordinateur. Ils utilisent principalement l'IA basée sur la vision aujourd'hui. Et il y a beaucoup d'analyses de sol, donc des informations IoT qui sont renvoyées.

Invité 1 :
On utilise donc beaucoup de big data aujourd'hui. Et ces big data sont ensuite utilisées pour l'analyse prédictive et pour d'autres utilisations de l'IA afin de pouvoir prédire les conditions du sol, etc. Il s'agit donc d'une combinaison de collecte de données basée sur la vision et l'IoT, et d'algorithmes d'IA par-dessus. Voilà pour l'aspect agricole. Une fois la récolte effectuée, on entre dans l'ensemble du cycle logistique. Les aliments sont récoltés, puis envoyés à des entrepôts ou à des entreprises d'ingrédients, puis envoyés par ces entrepôts à nos magasins d'alimentation ou à des entreprises de production alimentaire. C'est vrai. Il y a donc quatre voies différentes après la récolte. Soit ils sont entreposés pour être congelés à long terme et revenir plus tard, soit ils sont envoyés à des sociétés d'ingrédients qui fabriquent des ingrédients à partir de ces poudres, assaisonnements, arômes et autres, qui vont à l'épicerie directement au consommateur ou qui peuvent aller aux fabricants de produits alimentaires emballés.

Invité 1 :
Bien. Les pommes de terre sont donc destinées soit à un fabricant de fécule de pomme de terre, soit à un fabricant de chips, soit à autre chose. Elle va dans la pomme de terre. Tout cela. Il y a maintenant une partie logistique. L'IA permet de détecter la demande et de déterminer où cette récolte doit être acheminée. Doit-elle aller à l'entrepôt et être stockée à long terme parce que la demande n'est pas suffisante, doit-elle aller à l'épicerie parce que la demande est plus forte en fonction de la saisonnalité ou doit-elle aller aux fabricants d'ingrédients ou aux fabricants de produits alimentaires ? C'est exact. C'est donc cette détection qui est effectuée. L'IA crée donc cette conscience ou a cette conscience et l'achemine en utilisant la logistique.

Invité 1 :
Et puis il y a, une fois que cela arrive dans les entreprises d'ingrédients ou les entreprises de fabrication de produits alimentaires, ils ont maintenant un ensemble d'IA dans la R & D. Il y a donc le développement d'ingrédients, le développement de nouveaux ingrédients, la formulation. C'est un peu comme la recherche et le développement dans le domaine des semences. Aujourd'hui, il y a la recherche et le développement dans le développement des ingrédients et la recherche et le développement dans le développement des produits. Il s'agit donc d'une composante de l'IA. L'une des choses que nous avons constatées à la BCD, c'est qu'il s'agit d'un domaine qui suscite un vif intérêt, en particulier lorsqu'il s'agit d'essayer de trouver de nouveaux ingrédients, de découvrir de nouveaux ingrédients, de rechercher des ingrédients de remplacement, des ingrédients de remplacement à différents coûts, au niveau de la nutrition et ainsi de suite. Il y a donc beaucoup de travail dans ce secteur, dans son ensemble, et l'IA y est de plus en plus répandue. On prend donc cet espace de recherche et de développement et on passe ensuite à la production.

Invité 1 :
Une fois que vous avez terminé vos travaux de recherche et de développement, vous êtes en train de produire. L'IA permet de faire beaucoup de choses dans l'usine. La plus répandue est l'analyse prédictive. Il s'agit de l'analyse prédictive ou de la maintenance prédictive des équipements. De nombreux travaux ont été réalisés dans ce domaine. C'est un cas d'utilisation très connu. L'autre domaine, en particulier dans le secteur de l'alimentation et des boissons, est celui de la qualité, qui repose sur la vision par ordinateur. Il y a donc beaucoup de choses que nous avons faites avec certains de nos clients où, vous savez, en regardant la ligne de production, nous sommes capables de voir si les chips qui sortent ou l'en-cas extrudé qui sort est en fait de la bonne forme, de la bonne taille.

Invité 1 :
Et il y a beaucoup d'assurance qualité basée sur la vision, qui est remplacée par la vision par ordinateur et il y a un peu d'automatisation et de robotique. Ensuite, une fois que le produit est produit, on revient à la logistique. Est-ce que je stocke dans des entrepôts à long terme, est-ce que je stocke pour l'envoyer directement à mes clients, que dois-je faire ? Ensuite, une fois qu'ils sont sur la route ou sur la mer, quel que soit le mode de transport utilisé, quel est le meilleur mode de transport ? Si je peux prévoir la demande, je préfère l'envoyer par rail. C'est le moins cher. Le deuxième est la route, le troisième l'avion. C'est vrai. Et enfin, si vous devez transocéaniser, c'est bien sûr la mer. C'est ainsi que les choses se passent.

Invité 1 :
Il y a donc beaucoup d'algorithmes d'IA dans ce sens également. Et puis il y a beaucoup d'algorithmes du côté de la vente au détail pour déterminer où est la demande, comment faire. Il y a donc beaucoup de détection de la demande dans le commerce de détail. Les entreprises alimentaires et les magasins de détail l'utilisent et l'intègrent à l'ensemble de la demande logistique, puis à ce que nous faisons de l'endroit où nous nous trouvons. Il y a donc beaucoup de craintes. Et puis l'IA en termes de durabilité aussi, en termes de comment pouvons-nous utiliser l'IA pour utiliser moins de notre énergie, de nos ressources pour créer un impact positif sur la durabilité, pour réduire notre empreinte carbone. Certains algorithmes travaillent donc également dans ce domaine. Donc oui, il y a beaucoup de travail dans ce domaine.

Invité 1 :
En ce qui concerne la détection météorologique, l'IA est déjà présente dans de nombreux domaines depuis très longtemps.

Invité 2 :
Juste pour ajouter, je pense que sur le plan de la durabilité, 30% des émissions de gaz à effet de serre proviennent du secteur alimentaire. On s'est beaucoup concentré sur le pétrole et le gaz, mais on se rend rarement compte de ce qui se passe entre la ferme et les fournisseurs. Vinay disait qu'il y a beaucoup d'émissions. Et comment travailler avec l'IA pour que l'agriculture, de la production agricole à la gestion du bétail, et vraiment l'ensemble du parcours des émissions de carbone, puisse être corrigé ou peut-être rendre le système plus efficace. Je pense que tout le domaine de l'utilisation des terres, comme, je veux dire, travailler avec des drones, examiner l'agriculture de précision, et cetera, je pense que ce sont des domaines importants. Il s'agit d'un vaste domaine dont nous parlons également dans le livre qui sortira la semaine prochaine.

Zachary Cartwright :
Oui, merci pour cette réponse. Souvent, lorsque je pense à l'IA en raison de mon travail chez AQUALAB, je vois qu'elle est utilisée, ou que je veux l'utiliser dans le développement de produits. Mais il est vraiment intéressant de constater que tous les aspects, de la ferme à la table et au-delà, vont être utilisés et commencent à l'être de nombreuses manières. Et je suis curieux de savoir comment vous envisagez de l'utiliser pour l'innovation gustative. Peut-être pourriez-vous nous faire part de quelques exemples surprenants d'utilisation de l'IA pour rehausser les saveurs et les différentes textures des produits alimentaires. Et comment cela se compare-t-il aux méthodes culinaires traditionnelles ?

Invité 1 :
Ouais, regardons ce qui est possible avec l'IA aujourd'hui et où les choses sont plus répandues ? Lorsque nous nous penchons sur le développement des arômes, nous devons nous rendre compte que nous devons comprendre les nuances de l'arôme en même temps que les neurosciences. Il ne s'agit donc pas seulement de trouver le bon arôme. Il s'agit de la bonne saveur pour moi, pour nous. De nombreux travaux ont été réalisés à Monell et dans d'autres endroits qui en ont fait l'axe principal de leurs recherches et de leurs travaux. C'est vrai. Lorsque l'on étudie le développement des arômes, il y a donc deux aspects principaux à prendre en compte. Le premier est l'aspect moléculaire, qui relève de la chimie pure. Donc, quand on regarde les arômes, c'est...

Invité 1 :
C'est, vous savez, habituellement nous l'appelons la chimie des arômes parce que c'est principalement de la chimie dans ce sens. Maintenant, comment nous obtenons l'arôme, le processus pourrait être, vous savez, biochimique. Nous pourrions utiliser d'autres choses avec des enzymes et des bioenzymes, etc. Il y a différentes façons de procéder, mais le résultat final, la plupart du temps, est purement chimique. La chimie des arômes entre donc en jeu. Il y a donc une partie moléculaire. Dès que l'on parle de chimie, on parle de science moléculaire, n'est-ce pas ? D'autre part, nous avons les neurosciences. Nous parlons maintenant de notre perception dans notre système sensoriel olfactif, etc.

Invité 1 :
Nous parlons maintenant de deux choses différentes. Lorsque l'on parle d'IA dans le domaine de la chimie des arômes, l'IA entre dans ces deux domaines. L'IA entre dans le domaine des neurosciences de différentes manières. Dans le domaine des neurosciences, il existe une modélisation du système olfactif humain, qui permet de comprendre quelle quantité de tel ou tel produit chimique a telle ou telle réaction et perception au sein de notre système, et de pouvoir prédire, sur la base de changements, les différentes combinaisons. Nous n'examinons donc plus la chimie à travers les molécules, mais à travers la perception, la réception et le changement. Comment cela nous affecte-t-il ? Nous créons donc des modèles et des modèles, des modèles d'IA pour imiter cela, n'est-ce pas ? Ainsi, vous savez, si nous donnons un composé moléculaire spécifique et que nous le plaçons à un certain endroit de notre langue ou de notre nez et que nous le combinons avec d'autres, que fait-il ? L'IA fait donc l'objet de nombreux travaux dans le domaine des neurosciences. Un travail intéressant auquel nous avons participé concerne la réduction du sel grâce à l'umami et au kakumi. C'est un domaine qui m'intéresse vraiment.

Invité 1 :
Mais pour ce faire, comment créer un modèle d'IA capable de prédire cela en réduisant le sodium ? C'est ça ? C'est donc un domaine qui relève des neurosciences et de la science moléculaire. De nombreux travaux ont déjà été réalisés dans le domaine de la chimie des arômes pour prédire la réaction des molécules, de différents types de molécules, de différentes formules. Qu'est-ce que cela fait et quel type de résultat cela donne-t-il ? D'un point de vue purement moléculaire, nous savons que certaines molécules, lorsqu'elles s'assemblent, produisent tel ou tel résultat, n'est-ce pas ? C'est ce que l'on fait aujourd'hui pour pouvoir l'utiliser dans les modèles d'IA. Le chevauchement de la chimie moléculaire et des neurosciences est le domaine que l'IA est maintenant en mesure d'accélérer. Comment associer la chimie moléculaire, les neurosciences et leurs réactions ? Nous sommes donc en train d'évoluer vers un modèle d'IA combinatoire où la chimie moléculaire et les neurosciences sont désormais intégrées. Ensuite, grâce à ces composés moléculaires que nous pouvons créer, des composés nouveaux que nous n'avons jamais vus dans le monde, comment réagiraient-ils ? J'ajouterais donc que ce type de modèles est en cours d'élaboration. En ce qui concerne la texture, une grande partie de la texture est basée sur la perception et la rétroaction. Lorsque nous examinons la perception et la rétroaction, il y a une composante physique à la texture, et la texture pourrait être une texture visuelle.

Guest 1 :
La texture pourrait être sensorielle, pourrait être une sensation en bouche, pourrait être certains éléments différents, n'est-ce pas ? Dans ce sens, lorsque vous parlez de... Prenons une texture très simple, c'est-à-dire la sensation en bouche. Prenons une texture très simple, qui est la sensation en bouche. Si je veux avoir une sensation en bouche, une sensation en bouche complète, la définition d'une sensation en bouche complète sera différente selon les personnes. Et bien qu'ils puissent se situer dans la même fourchette, plus ou moins similaire, vous pouvez dire que vous avez l'impression d'avoir une bouche pleine, qu'elle est quelque peu pleine, pas vraiment pleine, mais qu'il s'agit d'une plénitude. Et certains pourraient définir la plénitude comme étant différente. Ce type de texture. Lorsque vous regardez le croustillant, vous savez à quel point un biscuit est croustillant ? Vous pouvez casser un biscuit et dire qu'il a l'air croustillant, mais est-il aussi croustillant que l'autre personne qui le trouve croustillant ? Ce genre de choses est donc très personnel.

Invité 1 :
Et pour traduire cela en modèle informatique, nous parlons maintenant d'un vocabulaire que nous avons. Que nous avons construit pour pouvoir effectuer ce type de traduction. Ce genre de choses est donc très unique. Ainsi, même si deux entreprises veulent fabriquer un biscuit croustillant aux flocons d'avoine et aux raisins, le croustillant de ces biscuits peut être différent. Maintenant, si vous faites des tests analytiques et que vous dites, ok, voici la dureté du produit, voici le croustillant, et voici l'aspect sensoriel, voici le son du croustillant lorsque vous le cassez, il y a tellement de variations différentes. Il y a tellement de variations différentes. On peut dire que la texture est un élément très intéressant de la saveur. Lorsque vous parlez de texture, comment la définissez-vous ? Il y a donc différentes façons de le faire.

Invité 1 :
Une fois que vous avez défini cela, nous utilisons ce que nous appelons l'apprentissage par renforcement pour permettre aux modèles d'apprendre comment ces paramètres sont perçus par l'IA et nous entraînons le modèle grâce à cela. C'est une texture un peu plus difficile, mais c'est quelque chose sur lequel nous travaillons actuellement.

Zachary Cartwright :
Cela m'amène à ma prochaine question, parce que je pense qu'avec l'IA, nous allons vraiment pouvoir personnaliser l'expérience gastronomique et être en mesure de faire du sur-mesure pour différents consommateurs. Vinay, vous avez donné l'exemple, lors de la conférence de l'American Association of Candy Technologists, de la possibilité de commander exactement le type de Snickers que l'on veut et d'avoir des profils d'arômes spécifiques ou d'autres choses dans ce type de produit. Comment l'IA crée-t-elle cette expérience gastronomique personnalisée, et quel impact cela aura-t-il sur les menus des restaurants et la satisfaction des clients ?

Invité 1 :
Lorsque nous envisageons la personnalisation, nous le faisons sous différents angles. Nous l'envisageons sous l'angle du goût sensoriel, sous l'angle nutritionnel, sous l'angle de la conformité réglementaire et sous l'angle holistique. Nous l'envisageons sous l'angle nutritionnel, nous l'envisageons sous l'angle de la conformité réglementaire et sous l'angle holistique qui englobe tout cela. Et certains de ces éléments sont également durables. On insiste beaucoup sur le fait que non seulement on veut toutes ces choses, mais aussi qu'elles soient durables, sans oublier qu'elles doivent être abordables. Je veux que ce soit abordable. Ainsi, tout cela mis ensemble aujourd'hui, nous ne sommes pas en mesure de créer un produit très nutritif, extrêmement délicieux, satisfaisant, très durable, biologique, de marque propre, mais aussi très abordable. Il est difficile d'obtenir un tel produit. Si l'on se place du point de vue d'une marque ou d'un service alimentaire, comme un restaurant et une expérience, n'est-ce pas ? Nous essayons tous de faire en sorte que cela se produise aujourd'hui.

Invité 1 :
Ce qui s'en rapproche le plus, ce sont les menus. Une expérience d'IA très intéressante à laquelle nous avons probablement tous participé est celle de Coca Cola, n'est-ce pas ? Vous vous rendez à un distributeur automatique et vous pouvez y trouver toutes sortes d'informations. Et dès que vous dites, je veux un peu de ce parfum et un peu de celui-là, et, vous savez, vous voulez mélanger votre orange et votre limonade, ou vous mélangez un peu de cola si vous voulez, vous savez, vous pouvez faire tout ce que vous voulez. Et cette combinaison, même si elle semble presque illimitée, est limitée. Vous savez, c'est peut-être trop pour le cerveau humain à ce moment précis. Mais pour l'IA, tout a été modulé à ce stade. Il contient des modèles d'IA. Un concept similaire peut maintenant être introduit dans un restaurant.

Invité 1 :
Donc, vous savez, quand je suis au restaurant, je peux. Je peux regarder un menu. Je peux dire, je peux rendre ce menu un peu plus épicé. Et c'est ce que nous faisons, n'est-ce pas ? Nous demandons au restaurant de nous dire : "Donnez-moi plus d'épices, donnez-moi moins d'épices". Et lorsque nous faisons cela, nous demandons essentiellement un changement dans la quantité ou le remplacement des ingrédients. D'accord, je ne veux pas de cette saveur particulière. Ajoutez ceci à la place. Il ne s'agit donc pas d'un échange d'ingrédients.

Invité 1 :
Nous changeons la quantité d'ingrédients. Ainsi, tout ce que nous demandons, la prévisibilité est limitée à ce chef particulier sur cette ligne dans cette équipe. Ainsi, l'expérience globale d'un restaurant, lorsque nous voulons changer cela et dire, écoutez, je veux rendre les choses plus prévisibles, ce qui peut plaire à certaines personnes, ou pas. Mais nous disons, c'est mon point de référence. Je veux que ma cuisine réponde à une certaine norme. Il faut que ce soit toujours le cas. Vous devez compter sur l'automatisation. Nous ne comptons pas sur l'automatisation.

Invité 1 :
Ce que vous faites, c'est que vous intégrez une partie de l'IA et une partie de la robotique, qui, une fois encore, fait appel à l'IA pour faire tout cela. De cette façon, nous disons, ok, si je veux avoir un peu moins de sel ou plus épicé et moins de sucre et plus de fibres et ainsi de suite, vous dites à l'IA quelle devrait être la proportion de ces ingrédients. Et cela se traduit par un modèle d'IA qui dit, ok, voici votre recette basée sur le client. Et le client peut se situer sur une échelle mobile, un nombre ou autre, il vous dira que ceci correspond à cela et ainsi de suite. Nous avons donc créé un processus de formulation qui reste le même. Nous changeons simplement la formulation, le mélange d'ingrédients, etc. Ce modèle indique maintenant au chef ou au bras robotique la quantité d'ingrédients à ajouter. Et voilà.

Invité 1 :
Vous avez créé une expérience reproductible avec le client dans un restaurant. Vous pourriez prendre le même concept et vous dire, d'accord, pouvons-nous, pouvons-nous l'appliquer ? Si, si vous savez, sur une chaîne de production de Snickers, mon Snickers est plus sucré que le vôtre, ou, ou j'ai ajouté un peu de sel dans mon Snickers pour le rendre un peu caramélisé, quoi que ce soit, si ce paramètre est disponible, fourni par, par la marque dans une sorte d'application, je le fais, je fais ces changements et il en sort une sneaker qui est personnalisée pour moi. Mon rêve est d'avoir quelque chose comme ça sur une ligne de production que Zach, vous savez, a vos baskets, mes baskets, et les baskets de Ravi et tout ça. Et j'aimerais pouvoir faire ça un jour et peut-être créer une micro-usine à partir de ça.

Zachary Cartwright :
Ravi, quels sont, selon vous, les plus grands défis auxquels les entreprises agroalimentaires sont confrontées lorsqu'elles intègrent les technologies de l'IA ?

Invité 2 :
Nous n'en sommes qu'au début, n'est-ce pas ? Nous essayons encore de comprendre comment l'IA peut déjà créer des systèmes alimentaires et des chaînes de production qui rendent l'ensemble du système alimentaire, ou comme Vinay l'a dit, plus abordable et plus nutritif en même temps, durable. Et je pense qu'il faut porter un chapeau de durabilité. Je pense que l'une des choses les plus importantes à laquelle beaucoup, beaucoup de ces usines sont confrontées, c'est vraiment l'empreinte carbone. Et je pense que l'IA peut vraiment aider, je porte une lentille de durabilité ici, vraiment aider à rendre l'ensemble du processus de fabrication plus vert, vraiment, comme en termes d'efficacité énergétique, d'utilisation de l'eau, vraiment en termes de recyclage de l'eau, de réduction des déchets, en regardant les matériaux d'emballage qui souvent, vous savez, que l'industrie alimentaire est critiquée pour l'utilisation excessive du plastique, par exemple, quels sont les matériaux d'emballage durables ? Et puis, bien sûr, il y a toute la question de la chaîne d'approvisionnement et de la distribution. C'est un autre domaine où il faut être plus efficace. Je pense donc que si vous me posez la question, vous savez, où est-ce que vous voyez déjà cela aller ? L'IA peut vraiment aider à détecter ces failles dans l'ensemble de la production et à la rendre plus efficace. Deuxièmement, je pense que l'une des choses où BCD se rapproche vraiment, c'est parce que nous considérons l'ensemble, vous savez, du début à la fin. C'est vrai, du début à la fin, nous pensons que, vous savez, nous travaillons avec vous pour nous assurer que, vous savez, le domaine, les nouveaux domaines d'efficacité, l'utilisation de l'énergie, vous savez, beaucoup de ces grandes gigafactories font fonctionner leurs machines en utilisant le diesel, par exemple, c'est vrai.

Invité 2 :
Comment s'éloigner du pétrole et du gaz pour se tourner vers les carburants verts qui pourraient être les carburants de l'avenir ? Les biocarburants, l'hydrogène vert, etc. Mais je pense que lorsqu'il s'agit de domaines spécifiques, nous devons vraiment revenir, vous savez, si vous prenez le domaine de la base végétale, par exemple, complètement dans sa nouvelle phase. Cela nous donne donc l'occasion de nous pencher sur les multiples défis à relever. Mais je pense que nous répondrons probablement en portant une casquette d'expert en alimentation. Et j'ajoute ici ma lentille de durabilité.

Invité 1 :
Vinay, je comprends tout à fait que Ravi se concentre sur ce domaine. Et si vous regardez l'industrie elle-même, je dirais qu'il y a trois domaines distincts que je mettrais en évidence. Premièrement, quels sont les défis à relever pour que l'IA soit intégrée dans l'industrie ? D'abord et avant tout, il faut éliminer la peur de l'adoption de l'IA. C'est vrai ? Le premier obstacle, et de loin le plus important, est notre compréhension de la manière dont nous pouvons tirer parti de l'IA et l'abandon de la peur d'utiliser l'IA. C'est vrai ? Il y a beaucoup de connotations négatives. C'est l'une des raisons pour lesquelles Ravi et moi, ainsi que Michael, avons écrit ce livre intitulé AI for Food movement, pour montrer ce que l'IA fait aujourd'hui dans l'industrie. Ce que l'IA peut faire dans l'avenir, dans un avenir proche, dans un avenir à moyen terme, pour que les gens puissent comprendre que l'IA a beaucoup de potentiel dans le domaine de l'alimentation. Il s'agit donc de créer une image positive.

Guest 1 :
Parce que quand on pense à l'IA, il y a beaucoup de connotations négatives. Et quand on pense à la nourriture et aux aliments transformés, qui sont produits dans des usines, il y a beaucoup de connotations négatives aujourd'hui, n'est-ce pas ? Avec les aliments transformés, les aliments ultra-transformés et ultra-ultra, le nombre d'ultras qu'ils mettent maintenant, mais il y a tout un concept de, hey, si c'est fabriqué dans une usine, c'est vraiment bon. Si l'on associe l'IA à la nourriture, on assiste à une véritable explosion. L'idée est donc de rendre l'IA plus acceptable, plus réaliste et de faire en sorte qu'elle soit une bonne chose. C'est donc du côté du consommateur qu'il faut agir. C'est ce que nous devons faire. Et c'est là qu'intervient l'initiative mondiale Afrofut, où Ravi et moi avons cofondé cette initiative pour parler de cette prise de conscience. C'est vrai ? La sensibilisation est donc la première chose à faire du point de vue des consommateurs et de l'industrie.

Invité 1 :
Hey, vous savez, beaucoup de, vous savez, si vous, si vous parlez à des gens qui travaillent dans l'écosystème alimentaire et qui travaillent, disons, dans la logistique aujourd'hui, c'est vrai, ils ne sauraient pas vraiment où l'IA est utilisée dans les fermes ou si l'IA est utilisée dans la recherche et le développement des semences. Et quel est l'impact, d'accord, quel est l'impact de cette chose particulière sur leur travail dans la logistique ? Vous savez, un bon exemple serait si vous produisez le type de semences rondes, il faut beaucoup plus d'eau pour être, pour vraiment élever ces semences. Et d'une certaine manière, le taux d'humidité est toujours élevé, même après X mois de récolte. Et cette teneur en eau, si elle est élevée, se traduit par un tonnage plus important dans ce que nous, ce que nous transportons. Que faisons-nous exactement ? Nous transportons de l'eau. Voulons-nous transporter de l'eau ? C'est peut-être une bonne chose, peut-être une mauvaise chose. Une fois que nous avons compris comment nous sommes tous interconnectés, la deuxième chose à faire, c'est de prendre conscience des données. Les données sont toujours quelque chose.

Invité 1 :
Lorsque vous parlez d'IA, la prochaine chose dont vous parlez, ce sont les données, n'est-ce pas ? Parce que vous parlez d'IA, vous parlez de science des données, ce qui signifie que vous parlez d'un scientifique des données qui travaille avec toutes sortes de données et ce que nous faisons. Les données et l'IA sont donc indissociables. Dès que l'on parle d'IA et que l'on parle de perception, d'accord, j'ai surmonté l'obstacle qui consiste à mettre les gens à l'aise avec l'IA. L'étape suivante est de savoir où sont les données. Les données constituent toujours un défi. Et plus l'entreprise est grande, plus ses données sont complexes, plus elles sont distribuées, plus elles sont diversifiées. Et maintenant, nous entrons dans différents types de données, vous savez, les données structurées, les données non structurées. Comment rassembler toutes ces données, qui se trouvent généralement dans leurs propres silos, dans leurs propres godets, dans leurs propres applications ? Comment rassembler toutes ces informations pour fournir à mon modèle, mon modèle d'IA, les informations dont il a besoin.

Invité 1 :
Nous entrons maintenant dans l'art de l'IA. La science de l'IA consiste à savoir où se trouve mon modèle, quel modèle, comment je développe mon modèle ? Et est-ce que je construis un modèle personnalisé ? Est-ce que je prends un modèle open source ? Il s'agit donc d'une science des données. Comment apporter les données ? Quel type de données dois-je apporter ? D'où proviennent les données ? Comment manipuler ces données et les intégrer ? Nous entrons maintenant dans l'art. Et c'est ce qui sépare vraiment, à mon avis, un projet réussi d'un projet non réussi. Un projet d'IA, c'est une question de maîtrise de l'art de l'IA. D'accord, donc la sensibilisation, les données, et le troisième serait du côté de la recherche et du développement. Comment intégrer l'IA dans la formulation pour que, lorsque nous parlons de personnalisation, nous nous demandions comment rendre ces formulations aussi réalistes que possible ? C'est donc un véritable défi aujourd'hui. Et pourquoi faisons-nous cela ? Parce que le quatrième défi consiste à introduire l'IA dans le secteur de la fabrication. Le plus grand impact que l'IA peut avoir dans l'industrie alimentaire se situe au niveau de la fabrication.

Invité 1 :
Et si vous êtes en mesure de rendre nos plans plus efficaces, ce que Ravi disait, vous savez, nous apportons en fait beaucoup d'argent pour d'autres choses, n'est-ce pas ? Vous avez donc un impact sur les résultats. Vous économisez donc beaucoup d'argent que vous pouvez réinvestir dans d'autres domaines. Comment l'IA peut-elle rendre cela possible ? Si nous sommes capables de faire ces quatre choses. La prise de conscience, les données, l'IA les apporte-t-elle dans la formulation ? Et puis, dans l'usine, il y a déjà beaucoup d'IA qui se fait aujourd'hui dans la logistique. Bien sûr, ce n'est pas suffisant. Mais je sais qu'il y a beaucoup de travail dans ce domaine. C'est donc une évidence dans le domaine de la logistique. C'est donc là que se situent, à mon avis, nos principaux défis.

Invité 2 :
Vous savez, au cours de notre voyage, nous avons également réalisé que l'IA allait supprimer des emplois. Qu'est-ce que cela signifie vraiment ? Et je pense que pour porter, vous savez, un chapeau complètement différent, nous avons organisé une conférence mondiale en août sur l'alimentation électronique, un mouvement alimentaire à Chicago, qui était le premier de son genre. Et je pense que nous avons eu un panel très intéressant sur la compétence en matière d'intelligence artificielle. Et je pense que pour nous, il s'agit d'un défi où les gens disent, nous ne savons pas ce que nous ne savons pas, mais nous savons que l'IA est en train de me priver de mon emploi. Mais la réalité, c'est que l'IA alimente la révolution industrielle, et surtout lorsque nous parlons de faire l'Amérique, vous savez, on ne peut faire qu'une Amérique. Lorsque vous rendez vos usines plus intelligentes, qu'il s'agisse d'usines sombres ou de micro-usines, cela signifie que vous les rendez plus efficaces. Vous avez des usines qui fonctionnent 24 heures sur 24 avec moins d'humains, mais plus de robots et de machines qui peuvent vraiment créer des aliments plus efficaces, plus nutritifs, plus abordables et produits de manière durable. Mais qui le fera ? Vous savez, nous avons besoin de cette base de compétences, n'est-ce pas ? L'un des partenariats que nous avons conclus avec la Foundry Education Foundation des États-Unis vise à déterminer où se trouvent les étudiants qui seront qualifiés pour créer ces usines alimentées par des professionnels de l'IA.

Invité 2 :
De même, vous savez, le travail que nous faisons avec les universités, que ce soit CSI ou Cornell, où nous étudions comment les jeunes professionnels, les scientifiques de l'alimentation du futur utiliseront vraiment l'IA comme un avantage pour créer ces aliments qui sont, comme Vinay l'a dit, vous savez, l'ensemble qui a un bon goût, qui est nutritif. Ils sont également plus sains. Pour moi, si je suis en meilleure santé, cela signifie qu'il y aura moins de gens qui tomberont malades et que les aliments ne contribueront pas à 30 à 40 % des émissions de gaz à effet de serre. C'est vrai. Comme vous l'avez dit, le défi est qu'il y a beaucoup d'inconnu, comme c'est le cas dans la révolution humaine. Les gens ne savent donc pas ce qui va vraiment se passer. Mais je pense que nous devons apprendre, en particulier avec des podcasts comme celui-ci, où nous créons de l'éducation, où nous travaillons à créer des compétences pour que les gens puissent s'engager. Et il y aura beaucoup de co-création au fur et à mesure que nous avançons dans ce voyage.

Zachary Cartwright :
Nous pourrions aborder tellement de sujets différents. Mais il ne nous reste que quelques minutes et je voudrais aborder brièvement certaines des préoccupations éthiques. Alors que l'IA devient de plus en plus répandue dans la production alimentaire, quelles considérations éthiques les entreprises doivent-elles garder à l'esprit pour garantir la transparence et conserver la confiance des consommateurs ?

Invité 1 :
Lorsque vous regardez le partenariat public-privé entrer en jeu, le leadership du gouvernement entre en jeu. Maintenant, les gens peuvent dire le contraire, mais nous avons vraiment besoin, c'est une infrastructure, une question de base sur la société, n'est-ce pas ? Lorsque nous parlons de frontières sociétales et de ce à quoi elles devraient ressembler, nous parlons d'une infrastructure, d'une question de base sur la société, n'est-ce pas ? Nous nous adressons maintenant au plus haut niveau, à nos institutions fondatrices, au Congrès, au Sénat, au pouvoir judiciaire, et nous leur demandons de nous aider à les définir. Et certaines de ces personnes ne sont peut-être pas les plus compétentes en la matière. C'est pourquoi ils font appel à des experts et à l'industrie. C'est là que le partenariat public-privé entre en jeu. Si nous entamons ce dialogue, et c'était d'ailleurs l'un de nos canaux de diffusion pour le Sommet mondial de l'alimentation, nous avons discuté de ce que devrait être le partenariat public-privé. Nous avons discuté de ce que cela devrait être. C'est un bon forum pour le savoir. Notre approche consistait donc à déterminer ce que l'IA peut faire aujourd'hui. Qu'est-ce que c'est ? Je veux dire, que peut-elle faire ? Quels sont les travaux réalisés dans le domaine de l'IA dont nous avons connaissance, publiquement ou non ? Qu'est-ce que nous savons et jusqu'où pouvons-nous aller ? C'est bien cela ? Nous sommes donc en train de créer notre propre tableau prédictif des capacités de l'IA.

Invité 1 :
Si nous créons ce type de graphique, disons, nous disons, hé, nous sommes ici. Notre capacité, notre aptitude en tant qu'êtres humains, notre aptitude en tant que société à absorber ce type de changement et de perturbation qui vient vers nous. Il s'agit donc peut-être du graphique complet. Vous pouvez peut-être absorber tout cela. Nous pouvons absorber tout cela. Ou peut-être que nous ne le pouvons pas. Et cette limite, quelqu'un doit la fixer si nous voulons que notre société puisse prospérer. Quelle doit être cette limite ? Où doivent se situer ces limites ? Vous savez, pour être très honnête, je ne pense pas, vous savez, que nous pourrons obtenir une réponse dans le podcast.

Invité 1 :
Mais c'est là qu'il s'agit d'un cadre, n'est-ce pas ? Nous devrions donc avoir ce genre de cadre pour dire : pouvons-nous mettre ces limites ? Et une fois que nous avons posé ces limites, elles doivent être évaluées régulièrement pour voir si nous faisons du bon travail. Comme tout autre plan, n'est-ce pas ? Un plan est aussi bon qu'hier. Il faut donc l'évaluer régulièrement et voir si les choses changent. Devons-nous en faire plus ? Pouvons-nous en faire plus ? Pouvons-nous apporter ceci ? Je pense que c'est là que se situent les limites sociétales aujourd'hui. Cela répondrait aux questions que vous avez posées sur le degré d'éthique à respecter. Sommes-nous. Est-ce que. Remplacer véritablement les rôles humains dans certains domaines est-il une bonne chose ? Est-ce une mauvaise chose ? Et ce genre de questions. Et certaines de ces questions seront également dictées par le marché. Dans quelle mesure cela peut-il être déterminé par le marché ? Car nous parlons à présent de changements sociétaux. Vous savez, si, si, si, si, si, si, si, si, si, si, si, si, si, si, si, si.

Guest 1 :
Prenons le scénario complet. Le scénario de tout dans le monde. Chaque rôle particulier est absolument autonome. Je ne parle pas d'automatisation. L'autonomie est le fait des robots, des ordinateurs, de l'IA et de tout ce qui existe dans ce monde. Que feront ces humains, n'est-ce pas ? Que ferons-nous ? Sommes-nous sur cette voie ? Sommes-nous là dans cent ans ? Dans 300 ans ? Dans 50 ans ? Pouvons-nous voir ce genre de ligne ? Nous parlons maintenant de l'impact sociétal. Et cela ne concerne pas seulement les États-Unis, mais le monde entier. Ce type de forum est donc nécessaire pour que les gens puissent en parler.

Invité 1 :
Et il y a un forum, un domaine dont nous pouvons parler. C'est ce que nous avons pensé lorsque nous avons organisé le Sommet mondial de l'IA pour l'alimentation. C'est l'un des domaines qui, selon nous, sera abordé par le biais de ces dialogues dans cet espace.

Guest 2 :
Ouais, j'allais juste ajouter Vinay, que, vous savez, je déjeunais l'autre jour avec quelqu'un, vous savez, quelqu'un qui est végétarien, c'est vrai. Et il m'a dit, oh, vous travaillez dans l'industrie alimentaire. Voici donc une question. Il m'a dit, vous savez, dites-moi que si de la viande de vache est cultivée dans le laboratoire et vous savez, nous les hindous ne croyons pas en la consommation de bœuf et surtout de vache, mais cette viande est maintenant cultivée là-bas, n'est-ce pas ? S'agit-il toujours de viande ou de vache ? C'est donc une question à laquelle tout le monde doit réfléchir : qu'est-ce que cela signifie vraiment ? Et je pense que ce que Vinay disait, c'est qu'il y a tellement de dimensions différentes, d'aspects culturels à son interprétation. Elle est si sensible et liée, dans certains endroits, à la nourriture et à la religion. Vous savez, qu'il s'agisse d'une viande halal ou d'une viande végétarienne, d'une alimentation à base de plantes. Il ne faut pas oublier non plus que l'industrie alimentaire, l'industrie agricole et l'industrie de l'agriculture sont des industries très politiques. Elle est également liée à l'économie politique.

Invité 2 :
Je pense donc que la meilleure chose à faire est de se demander exactement ce que vous avez fait pour poser ces questions. Dans le cadre de l'initiative mondiale AI for Food, nous croyons au pouvoir de rassembler les gens en ligne ou hors ligne. C'est la raison pour laquelle nous organisons ces conférences mondiales, régionales et nationales afin d'avoir ces conversations, car nous ne pouvons pas les fuir au fur et à mesure que nous avançons. C'est mieux défini. Deuxièmement, le partenariat public-privé doit vraiment rassembler les gouvernements. Très, très peu de gouvernements à l'heure actuelle. L'Australie est probablement l'un des rares gouvernements à se réunir et à discuter de l'aspect éthique des programmes d'IA. Et je pense que c'est là que nous avons besoin que l'Amérique intervienne vraiment, que la FDA et d'autres viennent et disent, vous savez, ayons une conversation, réunissons les scientifiques de l'alimentation, les universitaires, l'industrie, les consommateurs, les décideurs politiques et disons vraiment ce que cela signifie vraiment. C'est ce que nous faisons.

Guest 2 :
Et ce n'est pas le cas, vous ne pouvez pas y échapper. En ce moment même, nous sommes déjà dans le boom économique de l'IA et nous avons vu ce qu'elle fait. Il faut donc en tirer le meilleur parti. Et comme nous l'avons dit, vous savez, notre mantra n'est qu'une chose. Nous voulons nous assurer que la nourriture est abordable, car nous travaillons beaucoup sur la sécurité alimentaire. Elle est nutritive et saine, de sorte qu'elle n'est pas, vous savez, comme nous le savons, que nous n'avons pas abordé la sécurité alimentaire et l'IA aujourd'hui, vous savez, donc vraiment veiller à ce que cela se produise et est également très clairement engagée sur notre chemin vers la durabilité est vraiment basée sur le principe de la croissance verte et vous savez, net zéro. Et c'est ce que nous visons vraiment avec cette initiative, ce livre et ce voyage.

Zachary Cartwright :
Oui, merci beaucoup pour cela et merci à vous deux d'être ici aujourd'hui. Il y a tant de choses que nous pourrions aborder. J'espérais aborder l'avenir de la sécurité alimentaire, mais je vais laisser cela en suspens pour que les gens trouvent votre livre et en apprennent davantage sur tous les sujets que nous avons abordés aujourd'hui et même plus. Je voudrais passer à la vitesse supérieure pour conclure. Je voulais vous demander à tous les deux si vous avez une recommandation musicale ou s'il y a un type de musique ou un artiste ou une chanson que vous n'arrivez pas à vous sortir de la tête. Quelle musique avez-vous apportée avec vous aujourd'hui ?

Invité 1 :
Oh, le hard rock. Mon préféré de tous les temps. Deep Purple. Je crois que j'ai fait découvrir le rock à ma fille et elle est maintenant fan d'ACDC. Elle porte son T-shirt avec fierté.

Invité 2 :
Je suis à l'opposé, car je suis totalement impliqué dans la guérison et les mantras. Je commence donc ma journée et termine ma nuit avec beaucoup de mantras védiques. Et pour moi, travailler sur la nourriture est vraiment lié à l'Anupama sutram et je suis heureuse de partager cela avec vous pour que les gens puissent le faire. Parce que pour nous, vous savez, dans notre, dans notre. Du moins dans la culture d'où nous venons et d'où je viens. Là d'où je viens, la nourriture est aussi considérée comme, vous savez, Dieu, c'est vrai. Une déesse qui vous donne de la nourriture. Nous vénérons donc la nourriture comme une offrande des dieux à l'humanité.

Invité 2 :
Bien. Il y a donc un sutra ou des versets védiques rassemblés pour célébrer la vibration de la nourriture. Sans cela, aucun d'entre nous ne pourrait parler, car c'est vraiment le carburant du corps humain. Voilà donc le niveau des liens. Je reviens aux questions d'éthique et vous savez, c'est à ce point personnel que cela peut être un voyage de l'âme. Tant que, je veux dire, j'aime le rock et tout le reste, j'aime toute cette grande musique. Mais mon. Je suis très, à ce stade de ma vie, je veux vibrer davantage avec les carillons védiques et les mantras.

Invité 2 :
C'est ainsi que je vis ma vie.

Zachary Cartwright :
C'est génial. D'habitude, je demande à mes invités de me donner de la musique et un mantra, mais j'aime que vous ayez divisé cela et j'apprécie la musique et les recommandations de mantra de chacun d'entre vous. Merci beaucoup à vous deux d'être venus. Je sais que c'est un long podcast, mais c'est un sujet tellement important et même si nous n'avons pas tout abordé, il y a tellement de choses ici qui, je pense, inspireront nos auditeurs à aller chercher votre livre. Nous ferons en sorte de mettre un lien dans la description du podcast pour que nos auditeurs puissent le trouver et en savoir plus. Mais je vous remercie tous les deux pour le temps que vous m'avez accordé et j'ai vraiment hâte de voir comment les choses vont évoluer, quel sera l'avenir de ce sujet, et comment votre équipe pourra contribuer à cette évolution. Je vous remercie donc tous les deux. L'épisode d'aujourd'hui est sponsorisé par AQUALAB.

Zachary Cartwright :
Dans cet épisode, nous avons discuté de la façon dont l'IA transforme l'industrie alimentaire. Saviez-vous que AQUALAB transforme également l'industrie alimentaire avec son système d'intelligence et d'automatisation du séchage appelé Scala ? Ce système consiste en un algorithme de contrôle basé sur un modèle qui permet de détecter l'humidité des produits à l'intérieur d'une large gamme de séchoirs, ce qui permet de réduire la variabilité, d'augmenter les rendements, de diminuer les erreurs de l'opérateur et de réduire la consommation d'énergie avec un retour sur investissement moyen de 3 mois. Un lien pour en savoir plus sur Scala pour le contrôle de l'humidité figurera dans la description du podcast. La chanson recommandée aujourd'hui est Places to Be de Fred Again. C'est un mélange magistral d'électronique ambiante et de profondeur émotionnelle délicate. Ce morceau s'ouvre sur un synthé atmosphérique très doux qui se transforme progressivement en un rythme hypnotique, offrant une ambiance presque méditative. Fred Again excelle dans la création de ces paysages sonores qui semblent à la fois intimes et expansifs, et Places To Be ne fait pas exception à la règle. J'apprécie vraiment la beauté discrète de ce morceau et la résonance émotionnelle qu'il est capable d'obtenir grâce à ce style de production très distinct.

Zachary Cartwright :
Un lien vers ce morceau se trouvera dans la description du podcast. Pour terminer cet épisode, je vous propose un autre mantra. Il s'agit de quelque chose que tu peux te dire à toi-même pour exprimer ce en quoi tu crois, pour te motiver ou pour te sentir calme. Le mantra de cet épisode est "Quand je lutte, j'apprends toujours quelque chose de nouveau". Je vais le répéter trois fois et vous pourrez peut-être vous le dire à vous-même ou même à haute voix. Nous y voilà. Quand je lutte, j'apprends toujours quelque chose de nouveau. Quand je lutte, j'apprends toujours quelque chose de nouveau.

Zachary Cartwright :
Lorsque je suis en difficulté, j'apprends toujours quelque chose de nouveau. En gardant ce mantra à l'esprit, je vous mets également au défi de réfléchir à ce que vous avez appris la dernière fois que vous étiez vraiment en difficulté. Et comment vous pouvez l'utiliser la prochaine fois que vous serez dans une situation similaire. Merci beaucoup d'avoir écouté ce nouvel épisode. Je m'appelle Zachary Cartwright et cet épisode du Drip vous a été présenté par AQUALAB. Restez hydratés et à la prochaine fois.