');--grs:50px;--gtaos:105px;--gtaosi:-105px;--gtaof:210px;--gbes:calc(100% + 105px);--gbef:calc(100% + 210px);--gbet:translateX(-105px);--gbeti:translateX(105px);--vgc:repeat(12, 1fr);--gc1:repeat(12, 1fr);--gc2:repeat(6, 1fr);--gc3:repeat(4, 1fr);--gc3h:1/4;--gc4:repeat(3, 1fr);--gcm:8.333%;--gac:1fr;--gcw50:50%;--gc2tp:0 calc(var(--grs) * 2) 0 0;--gc2sw:var(--gbes);--gc2slpl:0 0 0 105px;--gc2srpf:0 105px 0 0;--gc2sof:1;--gc2sol:2;--gc50:4/span 6;--gc48a:1/5;--gc48b:5/-1;--gc84a:1/9;--gc84b:9/-1;--gc39a:1/4;--gc39b:4/-1;--gc93a:1/10;--gc93b:10/-1;--gc615a:1/7;--gc615b:8/-1;--gc516a:1/6;--gc516b:7/-1;--tppr:0;--bgp:42px;--s_cn:0;--s_ces:4px;--s_cest:4px 4px 0 0;--s_cesb:0 0 4px 4px;--s_cs:8px;--s_cm:12px;--s_cl:16px;--s_cls:16px 0 0 16px;--s_cle:0 16px 16px 0;--s_clt:16px 16px 0 0;--s_cel:28px;--s_celt:28px 28px 0 0;--s_cf:50%;--m_ds1:50ms;--m_ds2:100ms;--m_ds3:150ms;--m_ds4:200ms;--m_dm1:250ms;--m_dm2:300ms;--m_dm3:350ms;--m_dm4:400ms;--m_dl1:450ms;--m_dl2:500ms;--m_dl3:550ms;--m_dl4:600ms;--m_de1:700ms;--m_de2:800ms;--m_de3:900ms;--m_de4:1000ms;--m_el:0,0,1,1;--m_es:0.2,0,0,1;--m_esa:0.3,0,1,1;--m_esd:0,0,0,1;--m_ee:0.2,0,0,1;--m_eea:0.3,0,0.8,0.15;--m_eed:0.05,0.7,0.1,1;--m_elg:0.4,0,0.2,1;--m_elga:0.4,0,1,1;--m_elgd:0,0,0.2,1;--cc_w:255,255,255;--cc_b:0,0,0;--c_p:1,31,48;--c_op:255,255,255;--c_pc:203,230,253;--c_opc:1,31,48;--c_s:67,81,200;--c_os:255,255,255;--c_sc:223,224,255;--c_osc:0,9,101;--c_t:83,97,98;--c_ot:255,255,255;--c_tc:215,229,230;--c_otc:17,30,31;--c_e:179,38,30;--c_oe:255,255,255;--c_ec:249,222,220;--c_oec:65,14,11;--c_co:109,123,124;--c_b:255,255,255;--c_ob:17,30,32;--c_su:249,249,249;--c_osu:17,30,32;--c_suv:215,229,230;--c_osuv:60,73,74;--c_is:38,51,53;--c_iso:239,241,242;--c_ip:175,202,224;--c_sh:0,0,0;--c_st:1,31,48;--c_cov:187,201,202;--c_scr:0,0,0;--c_suchs:225,234,236;--c_such:231,239,241;--c_suc:245,245,245;--c_sucl:249,249,249;--c_scls:255,255,255;--c_sub:249,249,249;--c_sud:209,220,222}:root ::-webkit-scrollbar,:root ::-webkit-scrollbar-corner{background:0 0;width:9pt;height:9pt}:root ::-webkit-scrollbar-thumb{background:content-box rgb(var(--c_cov));border:2px solid transparent;border-radius:8px;color:rgb(var(--c_cov));min-height:3pc;min-width:3pc}:root ::-webkit-scrollbar-button{height:0;width:0}body,frameset{padding:0;margin:0;color:rgb(var(--c_ob));background:rgb(var(--c_b));font-family:var(--t_bmf);font-size:var(--t_bms);line-height:var(--t_bmlh);font-weight:var(--t_bmw);letter-spacing:var(--t_bmt)}body{--space_nav_top:0px;--space_nav_bottom:0px;--space_nav_left:0px;--space_nav_right:0px;--DIT:0px;--DFQ:visible;overflow-x:hidden;overflow-y:var(--DFQ)}footer,header{display:flex;justify-content:flex-start}score-pointer{z-index:11000}addium-header .main *,addium-menu-footer p,addium-menu-footer p *,score-text *{-webkit-user-select:text!important;-moz-user-select:text!important;user-select:text!important}:root{--t_dlf:var(--t_tb);--t_dllh:68px;--t_dls:63px;--t_dlt:-0.5px;--t_dlw:400;--t_dmf:var(--t_tb);--t_dmlh:42px;--t_dms:35px;--t_dmt:0.25px;--t_dmw:400;--t_hlf:var(--t_tp);--t_hllh:42px;--t_hls:35px;--t_hlt:0.25px;--t_hlw:400;--t_hmf:var(--t_tp);--t_hmlh:27px;--t_hms:21px;--t_hmt:0.25px;--t_hmw:400;--t_tlf:var(--t_tm);--t_tllh:24px;--t_tls:16px;--t_tlt:0.15px;--t_tlw:500;--t_tmf:var(--t_tm);--t_tmlh:normal;--t_tms:13px;--t_tmt:0.45px;--t_tmw:500;--t_llf:var(--t_tp);--t_lllh:16px;--t_lls:12px;--t_llt:0.5px;--t_llw:500;--t_lmf:var(--t_tp);--t_lmlh:16px;--t_lms:11px;--t_lmt:0.5px;--t_lmw:500;--t_blf:var(--t_tp);--t_bllh:30px;--t_bls:21px;--t_blt:0.1px;--t_blw:400;--t_bmf:var(--t_tp);--t_bmlh:24px;--t_bms:17px;--t_bmt:0.1px;--t_bmw:400;--grs:50px;--gtaos:105px;--gtaosi:-105px;--gtaof:210px;--gbes:calc(100% + 105px);--gbef:calc(100% + 210px);--gbet:translateX(-105px);--gbeti:translateX(105px);--vgc:repeat(4, 1fr);--gc1:1fr;--gc2:1fr;--gc3:1fr;--gc3h:1/-1;--gc4:1fr 1fr;--gc5:1fr;--gcm:8.333%;--gac:auto;--gcw50:100%;--gc2tp:0;--gc2sw:100%;--gc2slpl:calc(var(--grs) / 2) 0;--gc2srpf:calc(var(--grs) / 2) 0;--gc2sof:2;--gc2sol:1;--gc50:1/-1;--gc48a:1/-1;--gc48b:1/-1;--gc84a:1/-1;--gc84b:1/-1;--gc39a:1/-1;--gc39b:1/-1;--gc93a:1/-1;--gc93b:1/-1;--gc615a:1/-1;--gc615b:1/-1;--gc516a:1/-1;--gc516b:1/-1;--bgp:18px}main{width:100%}addium-header score-form[type="0"] score-input-container.col-1,addium-header score-form[type="0"] score-input-container.col-2,addium-header score-form[type="0"] score-input-container.col-3,addium-header score-form[type="0"] score-input-container.col-4,addium-header score-form[type="0"] score-input-container.col-5,addium-header score-form[type="1"] score-input-container.col-1,addium-header score-form[type="1"] score-input-container.col-2,addium-header score-form[type="1"] score-input-container.col-3,addium-header score-form[type="1"] score-input-container.col-4,addium-header score-form[type="1"] score-input-container.col-5,addium-header score-form[type="2"] score-input-container.col-1,addium-header score-form[type="2"] score-input-container.col-2,addium-header score-form[type="2"] score-input-container.col-3,addium-header score-form[type="2"] score-input-container.col-4,addium-header score-form[type="2"] score-input-container.col-5,addium-header score-form[type="3"] score-input-container.col-1,addium-header score-form[type="3"] score-input-container.col-2,addium-header score-form[type="3"] score-input-container.col-3,addium-header score-form[type="3"] score-input-container.col-4,addium-header score-form[type="3"] score-input-container.col-5,score-banner-element section p,score-dialog-element fieldset,score-dialog-element section p,score-input-container.col-1 score-input,score-input-container.col-2 score-input,score-input-container.col-3 score-input,score-input-container.col-4 score-input,score-input-container.col-5 score-input,score-input.DQT input,score-input.DQU input,score-input.DQV input,score-input.DQW input,score-input.DQZ input,score-input.DQ_ input,score-install section p,score-loader section p,score-push-notification section p,score-sidesheet-drawer section p{margin:0}addium-header score-form label,score-input.hidden,score-select.hidden,score-textarea.hidden{display:none!important}addium-header[type="0"] figure,addium-header[type="1"] figure,score-form[type="6"],score-form[type="7"]{padding:0}addium-header{--hm:-54px;--hp:6px;--hw:calc(100% + 108px);--hmm:108px;--hmw:calc(100% - var(--hmm));--h1mw:725px;view-transition-name:header;display:grid;grid-template-columns:var(--vgc);grid-column:1/-1;width:100%}addium-header.inverted,addium-header[type="0"],score-text.inverted{--cc_w:255,255,255;--cc_b:0,0,0;--c_p:223,224,255;--c_op:24,51,69;--c_pc:48,74,92;--c_opc:203,230,253;--c_s:189,194,255;--c_os:5,23,154;--c_sc:40,54,175;--c_osc:223,224,255;--c_t:187,201,202;--c_ot:38,51,52;--c_tc:60,73,74;--c_otc:215,229,230;--c_e:242,184,181;--c_oe:96,20,16;--c_ec:140,29,24;--c_oec:249,222,220;--c_co:133,147,148;--c_b:0,0,0;--c_ob:219,228,230;--c_su:8,21,24;--c_osu:219,228,230;--c_suv:60,73,74;--c_osuv:187,201,202;--c_is:219,228,230;--c_iso:38,51,53;--c_ip:72,97,117;--c_sh:0,0,0;--c_st:223,224,255;--c_cov:60,73,74;--c_scr:0,0,0;--c_suchs:42,55,57;--c_such:31,44,47;--c_suc:21,34,36;--c_sucl:17,30,32;--c_scls:4,16,18;--c_sub:46,59,62;--c_sud:8,21,24;--CF:var(--c_osu);--CF_variant:var(--c_osuv)}addium-header score-form{width:auto;max-width:450px;padding:28px 0!important}addium-header score-form score-input input{--cw:0!important}addium-header score-form[type="0"] .DQS,addium-header score-form[type="1"] .DQS,addium-header score-form[type="2"] .DQS,addium-header score-form[type="3"] .DQS,score-text td p,score-text th p{margin:0!important}addium-header score-form[type="6"],addium-header score-form[type="7"]{max-width:350px}addium-header[type="0"] .graphics3d,addium-header[type="0"] .score_media_element,addium-header[type="0"] figure,addium-header[type="1"] .graphics3d,addium-header[type="1"] .score_media_element,addium-header[type="1"] figure,addium-header[type="2"] .graphics3d,addium-header[type="2"] .score_media_element,addium-header[type="2"] figure,addium-header[type="3"] .graphics3d,addium-header[type="3"] .score_media_element,addium-header[type="3"] figure,score-teaser.IM .score_media_element{z-index:0}addium-header[type="0"] .main,addium-header[type="1"] .main,addium-header[type="2"] .main,addium-header[type="3"] .main{z-index:1;flex-direction:column}addium-header[type="0"] .main h1,addium-header[type="1"] .main h1,addium-header[type="2"] .main h1,addium-header[type="3"] .main h1{font-family:var(--t_dmf);font-size:var(--t_dms);line-height:var(--t_dmlh);font-weight:var(--t_dmw);letter-spacing:var(--t_dmt);max-width:var(--h1mw)}addium-header[type="0"],addium-header[type="1"]{grid-template-rows:repeat(6,1fr);margin:var(--hm) 0 0 var(--hm);width:var(--hw)}addium-header[type="0"] .graphics3d,addium-header[type="0"] .score_media_element,addium-header[type="0"] figure,addium-header[type="1"] .graphics3d,addium-header[type="1"] .score_media_element,addium-header[type="1"] figure{grid-area:1/1/-1/-1;margin:0;width:100%}addium-header[type="0"] .main,addium-header[type="1"] .main{display:block;grid-column:1/-1;padding:var(--hp)}addium-header[type="0"] .main{grid-row:3/-1;width:var(--hmw);margin:0 var(--hmm)}addium-header[type="1"]{width:100%;height:calc(-92px + 100vh);min-height:min-content;max-height:40pc;margin:0;padding:0}addium-header[type="1"] .main{grid-row:1/-1;align-self:center;padding:0 6px}addium-header[type="1"]>.graphics3d,addium-header[type="1"]>.score_media_element,addium-header[type="1"]>figure{left:50%}addium-header[type="1"]>.graphics3d>.graphics3d,addium-header[type="1"]>.graphics3d>.score_media_element,addium-header[type="1"]>.graphics3d>canvas,addium-header[type="1"]>.graphics3d>figure,addium-header[type="1"]>.graphics3d>picture,addium-header[type="1"]>.graphics3d>video,addium-header[type="1"]>.score_media_element>.graphics3d,addium-header[type="1"]>.score_media_element>.score_media_element,addium-header[type="1"]>.score_media_element>canvas,addium-header[type="1"]>.score_media_element>figure,addium-header[type="1"]>.score_media_element>picture,addium-header[type="1"]>.score_media_element>video,addium-header[type="1"]>figure>.graphics3d,addium-header[type="1"]>figure>.score_media_element,addium-header[type="1"]>figure>canvas,addium-header[type="1"]>figure>figure,addium-header[type="1"]>figure>picture,addium-header[type="1"]>figure>video{width:100vw;transform:translateX(-50%)}addium-header[type="1"]>.graphics3d img,addium-header[type="1"]>.graphics3d score-video,addium-header[type="1"]>.graphics3d svg,addium-header[type="1"]>.graphics3d video,addium-header[type="1"]>.score_media_element img,addium-header[type="1"]>.score_media_element score-video,addium-header[type="1"]>.score_media_element svg,addium-header[type="1"]>.score_media_element video,addium-header[type="1"]>figure img,addium-header[type="1"]>figure score-video,addium-header[type="1"]>figure svg,addium-header[type="1"]>figure video{object-fit:cover;height:calc(-92px + 100vh);max-height:40pc}addium-header[type="2"] .main,addium-header[type="3"] .main{display:block;grid-row:1/span 2}addium-header[type="2"] .main{margin:3pc 6px;width:calc(100% - 12px);grid-column:1/-1}addium-header[type="2"] .graphics3d,addium-header[type="2"] .score_media_element,addium-header[type="2"] figure{margin:0;width:calc(100% - 12px);display:block;grid-column:1/-1;grid-row-end:span 6;padding:0!important}addium-header[type="2"]+score-video-external{margin:-9pt;width:calc(100% + 24px);grid-column:1/-1}addium-header[type="3"] .main{grid-column:1/7;height:min-content;align-self:center;margin:0 6px;width:calc(100% - 12px)}addium-header[type="3"] .graphics3d,addium-header[type="3"] .score_media_element,addium-header[type="3"] figure{grid-column:7/-1}:root{--sv:visible;--tti:translate(0, 0);--ttc:translate(-50%, -50%);--ttcx:translate(-50%, 0);--ttcy:translate(0, -50%);--ttvx:translateX(-50vw);--ttl:translate(-100%, 0);--ttr:translate(100%, 0);--ttt:translate(0, -100%);--ttb:translate(0, 100%);--tra:rotate(45deg);--trb:rotate(-45deg);--trc:rotate(90deg);--trd:rotate(-90deg);--tsa:scaleX(0);--tsb:scaleX(1);--tsc:scaleY(0);--tsd:scaleY(1);--bxa:0 2px 4px -1px rgba(0, 0, 0, 0.2),0 1px 10px 0 rgba(0, 0, 0, 0.12),0 4px 5px 0 rgba(0, 0, 0, 0.14);--ba:1px solid var(--cb);--bb:1px solid var(--cw);--bc:1px solid var(--cg1);--bd:1px solid var(--cg2);--be:1px solid var(--cg4);--c_st0:0;--c_st1:0.05;--c_st2:0.08;--c_st3:0.11;--c_st4:0.12;--c_st5:0.15;--c_bs0:drop-shadow(0px 0px 0px rgba(0, 0, 0, 0.2)) drop-shadow(0px 0px 0px rgba(0, 0, 0, 0.14)) drop-shadow(0px 0px 0px rgba(0, 0, 0, 0.12));--c_bs1:drop-shadow(0px 2px 1px rgba(0, 0, 0, 0.2)) drop-shadow(0px 1px 1px rgba(0, 0, 0, 0.14)) drop-shadow(0px 1px 3px rgba(0, 0, 0, 0.12));--c_bs2:drop-shadow(0px 3px 3px rgba(0, 0, 0, 0.2)) drop-shadow(0px 3px 4px rgba(0, 0, 0, 0.14)) drop-shadow(0px 1px 8px rgba(0, 0, 0, 0.12));--c_bs3:drop-shadow(0px 3px 5px rgba(0, 0, 0, 0.2)) drop-shadow(0px 6px 10px rgba(0, 0, 0, 0.14)) drop-shadow(0px 1px 18px rgba(0, 0, 0, 0.12));--c_bs4:drop-shadow(0px 5px 5px rgba(0, 0, 0, 0.2)) drop-shadow(0px 8px 10px rgba(0, 0, 0, 0.14)) drop-shadow(0px 3px 14px rgba(0, 0, 0, 0.12));--c_bs5:drop-shadow(0px 7px 8px rgba(0, 0, 0, 0.2)) drop-shadow(0px 12px 17px rgba(0, 0, 0, 0.14)) drop-shadow(0px 5px 22px rgba(0, 0, 0, 0.12));--s_dec1:1;--s_dec2:1;--s_dc1:0.12;--s_dc2:0.38;--s_de:0;--s_ho:0.08;--s_fo:0.12;--s_po:0.12;--s_do:0.16;--s_scr:0.5;--g_l0:linear-gradient(to top, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0.15) 100%);--g_l0i:linear-gradient(to bottom, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0.15) 100%);--g_l1:linear-gradient(to top, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0) 50%);--g_l1i:linear-gradient(to bottom, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0) 50%);--g_l2:linear-gradient(to top, rgba(0, 0, 0, 0.66) 0, rgba(0, 0, 0, 0.33) 50%);--g_l2i:linear-gradient(to bottom, rgba(0, 0, 0, 0.66) 0, rgba(0, 0, 0, 0.33) 50%);--gx_l0:linear-gradient(to right, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0.15) 100%);--gx_l0i:linear-gradient(to left, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0.15) 100%);--gx_l1:linear-gradient(to right, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0) 50%);--gx_l1i:linear-gradient(to left, rgba(0, 0, 0, 0.5) 0, rgba(0, 0, 0, 0) 50%);--gx_l2:linear-gradient(to right, rgba(0, 0, 0, 0.66) 0, rgba(0, 0, 0, 0.33) 50%);--gx_l2i:linear-gradient(to left, rgba(0, 0, 0, 0.66) 0, rgba(0, 0, 0, 0.33) 50%);--g_n0:linear-gradient(to top, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0.15) 100%);--g_n0i:linear-gradient(to bottom, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0.15) 100%);--g_n1:linear-gradient(to top, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0) 50%);--g_n1i:linear-gradient(to bottom, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0) 50%);--g_n2:linear-gradient(to top, rgba(var(--c_suc), 0.66) 0, rgba(var(--c_suc), 0.33) 50%);--g_n2i:linear-gradient(to bottom, rgba(var(--c_suc), 0.66) 0, rgba(var(--c_suc), 0.33) 50%);--gx_n0:linear-gradient(to right, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0.15) 100%);--gx_n0i:linear-gradient(to left, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0.15) 100%);--gx_n1:linear-gradient(to right, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0) 50%);--gx_n1i:linear-gradient(to left, rgba(var(--c_suc), 0.5) 0, rgba(var(--c_suc), 0) 50%);--gx_n2:linear-gradient(to right, rgba(var(--c_suc), 0.66) 0, rgba(var(--c_suc), 0.33) 50%);--gx_n2i:linear-gradient(to left, rgba(var(--c_suc), 0.66) 0, rgba(var(--c_suc), 0.33) 50%);--g_p0:linear-gradient(to top, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0.15) 100%);--g_p0i:linear-gradient(to bottom, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0.15) 100%);--g_p1:linear-gradient(to top, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0) 50%);--g_p1i:linear-gradient(to bottom, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0) 50%);--g_p2:linear-gradient(to top, rgba(var(--c_pc), 0.66) 0, rgba(var(--c_pc), 0.33) 50%);--g_p2i:linear-gradient(to bottom, rgba(var(--c_pc), 0.66) 0, rgba(var(--c_pc), 0.33) 50%);--gx_p0:linear-gradient(to right, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0.15) 100%);--gx_p0i:linear-gradient(to left, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0.15) 100%);--gx_p1:linear-gradient(to right, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0) 50%);--gx_p1i:linear-gradient(to left, rgba(var(--c_pc), 0.5) 0, rgba(var(--c_pc), 0) 50%);--gx_p2:linear-gradient(to right, rgba(var(--c_pc), 0.66) 0, rgba(var(--c_pc), 0.33) 50%);--gx_p2i:linear-gradient(to left, rgba(var(--c_pc), 0.66) 0, rgba(var(--c_pc), 0.33) 50%);--g_s0:linear-gradient(to top, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0.15) 100%);--g_s0i:linear-gradient(to bottom, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0.15) 100%);--g_s1:linear-gradient(to top, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0) 50%);--g_s1i:linear-gradient(to bottom, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0) 50%);--g_s2:linear-gradient(to top, rgba(var(--c_sc), 0.66) 0, rgba(var(--c_sc), 0.33) 50%);--g_s2i:linear-gradient(to bottom, rgba(var(--c_sc), 0.66) 0, rgba(var(--c_sc), 0.33) 50%);--gx_s0:linear-gradient(to right, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0.15) 100%);--gx_s0i:linear-gradient(to left, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0.15) 100%);--gx_s1:linear-gradient(to right, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0) 50%);--gx_s1i:linear-gradient(to left, rgba(var(--c_sc), 0.5) 0, rgba(var(--c_sc), 0) 50%);--gx_s2:linear-gradient(to right, rgba(var(--c_sc), 0.66) 0, rgba(var(--c_sc), 0.33) 50%);--gx_s2i:linear-gradient(to left, rgba(var(--c_sc), 0.66) 0, rgba(var(--c_sc), 0.33) 50%);--g_t0:linear-gradient(to top, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0.15) 100%);--g_t0i:linear-gradient(to bottom, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0.15) 100%);--g_t1:linear-gradient(to top, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0) 50%);--g_t1i:linear-gradient(to bottom, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0) 50%);--g_t2:linear-gradient(to top, rgba(var(--c_tc), 0.66) 0, rgba(var(--c_tc), 0.33) 50%);--g_t2i:linear-gradient(to bottom, rgba(var(--c_tc), 0.66) 0, rgba(var(--c_tc), 0.33) 50%);--gx_t0:linear-gradient(to right, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0.15) 100%);--gx_t0i:linear-gradient(to left, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0.15) 100%);--gx_t1:linear-gradient(to right, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0) 50%);--gx_t1i:linear-gradient(to left, rgba(var(--c_tc), 0.5) 0, rgba(var(--c_tc), 0) 50%);--gx_t2:linear-gradient(to right, rgba(var(--c_tc), 0.66) 0, rgba(var(--c_tc), 0.33) 50%);--gx_t2i:linear-gradient(to left, rgba(var(--c_tc), 0.66) 0, rgba(var(--c_tc), 0.33) 50%);--t_tb:AddiumSerif;--t_tp:AddiumSans;--t_tm:AddiumMono;--t_dlf:var(--t_tb);--t_dllh:136px;--t_dls:126px;--t_dlt:-1px;--t_dlw:400;--t_dmf:var(--t_tb);--t_dmlh:68px;--t_dms:63px;--t_dmt:-0.5px;--t_dmw:400;--t_dsf:var(--t_tb);--t_dslh:42px;--t_dss:35px;--t_dst:0.25px;--t_dsw:400;--t_hlf:var(--t_tp);--t_hllh:68px;--t_hls:63px;--t_hlt:-0.5px;--t_hlw:400;--t_hmf:var(--t_tp);--t_hmlh:42px;--t_hms:35px;--t_hmt:0.25px;--t_hmw:400;--t_hsf:var(--t_tp);--t_hslh:27px;--t_hss:21px;--t_hst:0.25px;--t_hsw:400;--t_tlf:var(--t_tm);--t_tllh:28px;--t_tls:22px;--t_tlt:0;--t_tlw:400;--t_tmf:var(--t_tm);--t_tmlh:24px;--t_tms:16px;--t_tmt:0.15px;--t_tmw:500;--t_tsf:var(--t_tm);--t_tslh:normal;--t_tss:13px;--t_tst:0.45px;--t_tsw:500;--t_llf:var(--t_tp);--t_lllh:20px;--t_lls:14px;--t_llt:0.1px;--t_llw:500;--t_lmf:var(--t_tp);--t_lmlh:16px;--t_lms:12px;--t_lmt:0.5px;--t_lmw:500;--t_lsf:var(--t_tp);--t_lslh:16px;--t_lss:11px;--t_lst:0.5px;--t_lsw:500;--t_blf:var(--t_tp);--t_bllh:34px;--t_bls:24px;--t_blt:0;--t_blw:400;--t_bmf:var(--t_tp);--t_bmlh:30px;--t_bms:21px;--t_bmt:0.1px;--t_bmw:400;--t_bsf:var(--t_tp);--t_bslh:24px;--t_bss:17px;--t_bst:0.1px;--t_bsw:400;--i_s1:svg-url('');--grs:50px;--gtaos:105px;--gtaosi:-105px;--gtaof:210px;--gbes:calc(100% + 105px);--gbef:calc(100% + 210px);--gbet:translateX(-105px);--gbeti:translateX(105px);--vgc:repeat(12, 1fr);--gc1:repeat(12, 1fr);--gc2:repeat(6, 1fr);--gc3:repeat(4, 1fr);--gc3h:1/4;--gc4:repeat(3, 1fr);--gcm:8.333%;--gac:1fr;--gcw50:50%;--gc2tp:0 calc(var(--grs) * 2) 0 0;--gc2sw:var(--gbes);--gc2slpl:0 0 0 105px;--gc2srpf:0 105px 0 0;--gc2sof:1;--gc2sol:2;--gc50:4/span 6;--gc48a:1/5;--gc48b:5/-1;--gc84a:1/9;--gc84b:9/-1;--gc39a:1/4;--gc39b:4/-1;--gc93a:1/10;--gc93b:10/-1;--gc615a:1/7;--gc615b:8/-1;--gc516a:1/6;--gc516b:7/-1;--tppr:0;--bgp:42px;--s_cn:0;--s_ces:4px;--s_cest:4px 4px 0 0;--s_cesb:0 0 4px 4px;--s_cs:8px;--s_cm:12px;--s_cl:16px;--s_cls:16px 0 0 16px;--s_cle:0 16px 16px 0;--s_clt:16px 16px 0 0;--s_cel:28px;--s_celt:28px 28px 0 0;--s_cf:50%;--m_ds1:50ms;--m_ds2:100ms;--m_ds3:150ms;--m_ds4:200ms;--m_dm1:250ms;--m_dm2:300ms;--m_dm3:350ms;--m_dm4:400ms;--m_dl1:450ms;--m_dl2:500ms;--m_dl3:550ms;--m_dl4:600ms;--m_de1:700ms;--m_de2:800ms;--m_de3:900ms;--m_de4:1000ms;--m_el:0,0,1,1;--m_es:0.2,0,0,1;--m_esa:0.3,0,1,1;--m_esd:0,0,0,1;--m_ee:0.2,0,0,1;--m_eea:0.3,0,0.8,0.15;--m_eed:0.05,0.7,0.1,1;--m_elg:0.4,0,0.2,1;--m_elga:0.4,0,1,1;--m_elgd:0,0,0.2,1;--cc_w:255,255,255;--cc_b:0,0,0;--c_p:1,31,48;--c_op:255,255,255;--c_pc:203,230,253;--c_opc:1,31,48;--c_s:67,81,200;--c_os:255,255,255;--c_sc:223,224,255;--c_osc:0,9,101;--c_t:83,97,98;--c_ot:255,255,255;--c_tc:215,229,230;--c_otc:17,30,31;--c_e:179,38,30;--c_oe:255,255,255;--c_ec:249,222,220;--c_oec:65,14,11;--c_co:109,123,124;--c_b:255,255,255;--c_ob:17,30,32;--c_su:249,249,249;--c_osu:17,30,32;--c_suv:215,229,230;--c_osuv:60,73,74;--c_is:38,51,53;--c_iso:239,241,242;--c_ip:175,202,224;--c_sh:0,0,0;--c_st:1,31,48;--c_cov:187,201,202;--c_scr:0,0,0;--c_suchs:225,234,236;--c_such:231,239,241;--c_suc:245,245,245;--c_sucl:249,249,249;--c_scls:255,255,255;--c_sub:249,249,249;--c_sud:209,220,222}:root::-webkit-scrollbar,:root::-webkit-scrollbar-corner{background:0 0;width:9pt;height:9pt}:root::-webkit-scrollbar-thumb{background:content-box rgb(var(--c_cov));border:2px solid transparent;border-radius:8px;color:rgb(var(--c_cov));min-height:3pc;min-width:3pc}:root::-webkit-scrollbar-thumb:active{color:rgb(var(--c_osuv))}:root::-webkit-scrollbar-button{height:0;width:0}:root:hover::-webkit-scrollbar-thumb{color:rgb(var(--c_co))}addium-header .main *,addium-menu-footer p,addium-menu-footer p *,score-text *{user-select:text!important}@media (max-width:599px){addium-header{--hm:-18px;--hp:0;--hw:calc(100% + 36px);--hmm:24px;--hmw:calc(100% - 48px);--h1mw:500px}addium-header[type="0"]{margin:-36px 0 0 var(--hm)}addium-header[type="0"] .graphics3d,addium-header[type="0"] .score_media_element,addium-header[type="2"] .graphics3d,addium-header[type="2"] .score_media_element,addium-header[type="2"] figure,addium-header[type="2"]+score-video-external,addium-header[type="3"] .graphics3d,addium-header[type="3"] .score_media_element,addium-header[type="3"] figure,addium-header[type="3"]+score-video-external{grid-column:1/-1;margin:0;width:100%}addium-header[type="0"] .graphics3d figure,addium-header[type="0"] .score_media_element figure{padding:0}addium-header[type="0"] .main{display:block;grid-area:2/1/-1/-1}addium-header[type="0"] .main h1{font-family:var(--t_dsf);font-size:var(--t_dss);line-height:var(--t_dslh);font-weight:var(--t_dsw);letter-spacing:var(--t_dst)}addium-header[type="2"],addium-header[type="3"]{margin:24px 0 0}addium-header[type="2"] .main,addium-header[type="3"] .main{margin:6px 6px 24px;width:calc(100% - 12px);grid-column:1/-1!important}}@media (min-width:600px) and (max-width:839px){addium-header{--hm:-18px;--hp:0;--hw:calc(100% + 36px);--hmm:24px;--hmw:calc(100% - 48px);--h1mw:500px}addium-header[type="0"]{margin:-36px 0 0 var(--hm)}addium-header[type="0"] .main{display:block;grid-column:1/-1}addium-header[type="0"] .main h1{font-family:var(--t_dsf);font-size:var(--t_dss);line-height:var(--t_dslh);font-weight:var(--t_dsw);letter-spacing:var(--t_dst)}addium-header[type="2"] .main,addium-header[type="3"] .main{margin:18px;width:calc(100% - 12px);grid-column:1/-1}addium-header[type="2"] .graphics3d,addium-header[type="2"] .score_media_element,addium-header[type="2"] figure,addium-header[type="3"] .graphics3d,addium-header[type="3"] .score_media_element,addium-header[type="3"] figure{margin:6px 0 2pc;width:100%;grid-column:1/-1}}@media (min-width:840px) and (max-width:1439px){addium-header[type="3"] .main h1{font-family:var(--t_dsf);font-size:var(--t_dss);line-height:var(--t_dslh);font-weight:var(--t_dsw);letter-spacing:var(--t_dst)}}@media (max-width:599px){:root{--t_dlf:var(--t_tb);--t_dllh:68px;--t_dls:63px;--t_dlt:-0.5px;--t_dlw:400;--t_dmf:var(--t_tb);--t_dmlh:42px;--t_dms:35px;--t_dmt:0.25px;--t_dmw:400;--t_hlf:var(--t_tp);--t_hllh:42px;--t_hls:35px;--t_hlt:0.25px;--t_hlw:400;--t_hmf:var(--t_tp);--t_hmlh:27px;--t_hms:21px;--t_hmt:0.25px;--t_hmw:400;--t_tlf:var(--t_tm);--t_tllh:24px;--t_tls:16px;--t_tlt:0.15px;--t_tlw:500;--t_tmf:var(--t_tm);--t_tmlh:normal;--t_tms:13px;--t_tmt:0.45px;--t_tmw:500;--t_llf:var(--t_tp);--t_lllh:16px;--t_lls:12px;--t_llt:0.5px;--t_llw:500;--t_lmf:var(--t_tp);--t_lmlh:16px;--t_lms:11px;--t_lmt:0.5px;--t_lmw:500;--t_blf:var(--t_tp);--t_bllh:30px;--t_bls:21px;--t_blt:0.1px;--t_blw:400;--t_bmf:var(--t_tp);--t_bmlh:24px;--t_bms:17px;--t_bmt:0.1px;--t_bmw:400;--grs:50px;--gtaos:105px;--gtaosi:-105px;--gtaof:210px;--gbes:calc(100% + 105px);--gbef:calc(100% + 210px);--gbet:translateX(-105px);--gbeti:translateX(105px);--vgc:repeat(4, 1fr);--gc1:1fr;--gc2:1fr;--gc3:1fr;--gc3h:1/-1;--gc4:1fr 1fr;--gc5:1fr;--gcm:8.333%;--gac:auto;--gcw50:100%;--gc2tp:0;--gc2sw:100%;--gc2slpl:calc(var(--grs) / 2) 0;--gc2srpf:calc(var(--grs) / 2) 0;--gc2sof:2;--gc2sol:1;--gc50:1/-1;--gc48a:1/-1;--gc48b:1/-1;--gc84a:1/-1;--gc84b:1/-1;--gc39a:1/-1;--gc39b:1/-1;--gc93a:1/-1;--gc93b:1/-1;--gc615a:1/-1;--gc615b:1/-1;--gc516a:1/-1;--gc516b:1/-1;--bgp:18px}}@media (min-width:600px) and (max-width:839px){:root{--t_dlf:var(--t_tb);--t_dllh:68px;--t_dls:63px;--t_dlt:-0.5px;--t_dlw:400;--t_dmf:var(--t_tb);--t_dmlh:42px;--t_dms:35px;--t_dmt:0.25px;--t_dmw:400;--t_hlf:var(--t_tp);--t_hllh:42px;--t_hls:35px;--t_hlt:0.25px;--t_hlw:400;--t_hmf:var(--t_tp);--t_hmlh:27px;--t_hms:21px;--t_hmt:0.25px;--t_hmw:400;--t_tlf:var(--t_tm);--t_tllh:24px;--t_tls:16px;--t_tlt:0.15px;--t_tlw:500;--t_tmf:var(--t_tm);--t_tmlh:normal;--t_tms:13px;--t_tmt:0.45px;--t_tmw:500;--t_llf:var(--t_tp);--t_lllh:16px;--t_lls:12px;--t_llt:0.5px;--t_llw:500;--t_lmf:var(--t_tp);--t_lmlh:16px;--t_lms:11px;--t_lmt:0.5px;--t_lmw:500;--t_blf:var(--t_tp);--t_bllh:30px;--t_bls:21px;--t_blt:0.1px;--t_blw:400;--t_bmf:var(--t_tp);--t_bmlh:24px;--t_bms:17px;--t_bmt:0.1px;--t_bmw:400;--grs:50px;--gtaos:105px;--gtaosi:-105px;--gtaof:210px;--gbes:calc(100% + 105px);--gbef:calc(100% + 210px);--gbet:translateX(-105px);--gbeti:translateX(105px);--vgc:repeat(6, 1fr);--gc1:repeat(6, 1fr);--gc2:repeat(3, 1fr);--gc3:1fr 1fr;--gcm:8.333%;--gcw50:100%;--gc2tp:0 var(--grs) 0 0;--gc2sw:calc(100% + 15px);--gc2slpl:0 0 0 15px;--gc2srpf:0 15px 0 0;--gc50:1/-1;--gc48a:1/-1;--gc48b:1/-1;--gc84a:1/-1;--gc84b:1/-1;--gc39a:1/-1;--gc39b:1/-1;--gc93a:1/-1;--gc93b:1/-1;--gc615a:1/-1;--gc615b:1/-1;--gc516a:1/-1;--gc516b:1/-1;--bgp:18px}}@media print{:root{--gc1:1fr;--gc2:1fr 1fr;--gc3:1fr 1fr 1fr;--gc3h:1/4;--gc4:1fr 1fr 1fr 1fr;--gc5:1fr 1fr 1fr 1fr 1fr;--gcw50:100%;--gc2sw:var(--gbes);--gc2slpl:0 0 0 105px;--gc2srpf:0 105px 0 0}}
Ravi Karkara e Vinay Indraganti sono voci di spicco nell'intersezione tra intelligenza artificiale e innovazione alimentare e guidano l'AI For Food Global Initiative. In qualità di coautori di The AI for Food Movement, si dedicano all'esplorazione di come l'intelligenza artificiale stia rimodellando la produzione alimentare, la sostenibilità e le esperienze culinarie. In questo episodio, Ravi e Vinay si immergono nel ruolo trasformativo dell'IA nella produzione alimentare, affrontando sfide come i timori per l'adozione dell'IA, l'integrazione dei dati e le considerazioni etiche. Discutono anche dell'impatto dell'IA sullo sviluppo dei sapori, sulle esperienze culinarie personalizzate e su come sta guidando l'efficienza nell'industria alimentare.
Zachary Cartwright :
Come l'intelligenza artificiale sta trasformando l'industria alimentare? Benvenuti a Drip, dove manteniamo la vostra mente idratata con un po' di scienza, musica e un mantra. Sono il vostro ospite, Zachary Cartwright. In qualità di scienziato alimentare capo di AQUALAB, sono costantemente curioso di sapere come le nuove tecnologie stiano plasmando il futuro dell'industria alimentare. In occasione di una recente conferenza, ho assistito a una presentazione su come l'IA stia rivoluzionando il processo di sviluppo dei prodotti, analizzando vaste serie di dati, sviluppando intuizioni, aiutando l'ideazione e identificando i rapporti ottimali tra gli ingredienti per accelerare il time to market. A discutere del ruolo dell'IA nell'industria alimentare sono Ravi Karkara e Vinay Indraganti, co-fondatori di AI for Food Global Initiative. Grazie a entrambi per essere qui oggi. Vorrei dividere questo podcast in diverse sezioni e questa prima sezione parlerà della rivoluzione dell'IA nel settore alimentare. La mia prima domanda è: come l'IA sta trasformando l'industria alimentare, dalla fattoria alla tavola? E quali implicazioni ha per il futuro dei nostri pasti?
Ospite 1 :
Sappiamo tutti che l'IA è un argomento che interessa a tutti. È diventato anche un argomento da tavolino. Ma ciò di cui non siamo consapevoli, la maggior parte del pubblico e molte persone che lavorano nel settore stesso, non sanno quanto l'IA sia diffusa nell'ecosistema alimentare. Quindi, prima di entrare nel merito dell'IA e di cosa sta facendo oggi nell'ecosistema alimentare? Se guardiamo al modo in cui portiamo il cibo sulla nostra tavola, quindi dalla fattoria alla carne di maiale, se guardiamo davvero, da una fattoria, sappiamo che il cibo viene coltivato nella fattoria e che viene coltivato attraverso semi che sono stati in fattorie di prova che sono stati, se sono geneticamente modificati, se sono ibridi, hanno un intero processo per lo sviluppo del seme stesso. Quindi oggi è in corso un'attività di ricerca e sviluppo a livello di sementi. E ora stiamo parlando di agricoltura pura, giusto? Quindi, potremo approfondire altri aspetti dell'agricoltura. Ma al momento ci stiamo occupando di questo. L'intelligenza artificiale è al centro della rivoluzione genetica.
Ospite 1 :
Quindi le cose che stiamo vedendo, che sentiamo fare da CRISPR, che sono prevalenti nell'industria medica, vengono applicate anche ai semi che abbiamo, che coltiviamo, che vengono sviluppati oggi. Quindi tutto parte da lì, giusto? Quindi parte dell'intelligenza artificiale viene utilizzata per prevedere alcuni dei risultati di queste modifiche genetiche. Se stiamo lavorando sull'ibrido, quali combinazioni di semi ibridi possono fornire un risultato fruttuoso dallo sviluppo del seme stesso? Quindi si tratta di ricerca e sviluppo delle sementi, giusto? Se si considera la ricerca e lo sviluppo delle sementi come una parte della ricerca e dello sviluppo dell'agricoltura, la parte della produzione vera e propria. Come si potrebbe dire che una fabbrica è una produzione, ma per questo ciclo la produzione è in realtà l'azienda agricola. Quindi la ricerca e lo sviluppo vengono trasformati in un'azienda agricola di prova e poi in una produzione diffusa nell'azienda agricola. E quando arriviamo alla produzione, quei semi vengono seminati usando molta robotica e la robotica usa molto la computer vision. Oggi utilizzano principalmente l'intelligenza artificiale basata sulla visione. E ci sono molte analisi del terreno, quindi informazioni IoT che vengono inviate indietro.
Ospite 1 :
Oggi si utilizzano molti big data. E questi big data vengono utilizzati per l'analisi predittiva e per altri usi dell'IA per prevedere le condizioni del suolo e così via. Si tratta quindi di una combinazione di raccolta dati basata sulla visione e sull'IoT e di algoritmi di intelligenza artificiale. Questo per quanto riguarda l'agricoltura, mentre una volta raccolto il cibo si passa all'intero ciclo logistico. Quindi il cibo viene raccolto, inviato ai magazzini o alle aziende produttrici di ingredienti o, attraverso i magazzini, ai nostri negozi di alimentari o alle aziende di produzione alimentare. Giusto. Quindi ci sono quattro percorsi diversi per il post-raccolto. O andare in magazzino per essere congelato a lungo termine e tornarci in seguito, o essere inviato alle aziende produttrici di ingredienti che producono polveri, condimenti, aromi e così via, per poi andare nei negozi di alimentari direttamente al consumatore o ai produttori di alimenti confezionati.
Ospite 1 :
Giusto. Quindi, le patate andranno a un produttore di fecola di patate o a un produttore di patatine o a qualcos'altro. Va nella patata. Quindi tutte, tutte queste cose. Ora c'è anche un aspetto logistico. Ora c'è l'intelligenza artificiale nel rilevamento della domanda in termini di dove dovrebbe andare questo raccolto? Dovrebbe andare in magazzino e per lo stoccaggio a lungo termine perché non c'è abbastanza domanda, dovrebbe andare al negozio di alimentari perché c'è una domanda più alta a seconda della stagionalità o dovrebbe andare ai produttori di ingredienti o ai produttori di alimenti? Giusto. Quindi questo rilevamento viene effettuato. L'intelligenza artificiale crea o possiede questa consapevolezza e la indirizza utilizzando la logistica.
Ospite 1:
E poi c'è, una volta che arriva nelle aziende produttrici di ingredienti o di alimenti, ora hanno una serie di AI in R & S. Quindi c'è lo sviluppo degli ingredienti, lo sviluppo di nuovi ingredienti, la formulazione. È simile al caso in cui abbiamo R&S nello sviluppo delle sementi. Ora c'è la R&S nello sviluppo degli ingredienti e la R&S nello sviluppo dei prodotti. Si tratta quindi di una componente di intelligenza artificiale. È molto nascente, ma si sta davvero sviluppando e una delle cose che abbiamo visto al BCD è che si tratta di un'area di grande interesse, soprattutto per cercare di capire nuovi ingredienti, scoprire nuovi ingredienti, esaminare ingredienti sostitutivi, ingredienti sostitutivi a costi diversi, livello di nutrizione e così via. C'è quindi molto lavoro da fare in questo settore nel suo complesso e l'intelligenza artificiale sta diventando sempre più diffusa. Quindi si prende questo spazio di ricerca e sviluppo e poi si passa alla produzione.
Ospite 1 :
Quindi, una volta terminate le attività di ricerca e sviluppo, ora si sta producendo. L'intelligenza artificiale sta facendo molte cose in fabbrica. Le più diffuse sono le analisi predittive. L'analisi predittiva o la manutenzione predittiva delle attrezzature. È stato fatto molto lavoro. È un caso d'uso molto conosciuto. L'altra area, soprattutto nel settore alimentare e delle bevande, è quella della qualità, basata sulla computer vision. Sono molte le cose che abbiamo fatto con alcuni dei nostri clienti in cui, guardando la linea di produzione, siamo in grado di vedere se le patatine che escono o gli snack estrusi che escono hanno la forma e le dimensioni giuste.
Guest 1 :
E c'è un sacco di QA basato sulla visione che viene sostituito dalla computer vision e c'è un po' di automazione e robotica. E poi, una volta prodotto, si torna alla logistica. Immagazzinare in magazzini a lungo termine, spedire direttamente ai clienti, cosa fare? E poi, una volta che il prodotto viene trasportato su strada o via mare, qualunque sia la modalità di trasporto che ho a disposizione, qual è la modalità di trasporto migliore? Se posso prevedere la mia domanda, preferirei spedire il prodotto per ferrovia. È la più economica. Il secondo è la strada, il terzo l'aereo. Giusto. E poi, naturalmente, se si tratta di un trasporto transoceanico, il mezzo migliore è il mare. Ecco come si fa.
Guest 1 :
Quindi ci sono molti algoritmi di intelligenza artificiale anche in questo senso. E poi ci sono molti algoritmi sul lato della vendita al dettaglio, per capire dove si trova la domanda e come fare. Quindi c'è un sacco di rilevamento della domanda sul lato della vendita al dettaglio. Sia le aziende alimentari che i negozi al dettaglio ne fanno uso e alimentano l'intera domanda logistica e poi cosa facciamo con il luogo in cui ci troviamo. Quindi c'è molta paura. E poi ancora l'Intelligenza Artificiale in termini di sostenibilità, in termini di come possiamo usare l'Intelligenza Artificiale per utilizzare meno energia e risorse e creare un impatto positivo sulla sostenibilità, riducendo la nostra impronta di carbonio. Quindi alcuni algoritmi lavorano anche in questo senso. Quindi sì, c'è molto lavoro da fare.
Ospite 1 :
Per quanto riguarda il rilevamento meteorologico, l'IA è già presente in molte aree da molto tempo.
Ospite 2 :
Solo per aggiungere che, per quanto riguarda la sostenibilità, il 30% delle emissioni di gas serra proviene dal settore alimentare. Ci si è concentrati molto sul petrolio e sul gas, ma raramente ci si rende conto che il 30% delle emissioni di gas serra proviene dall'azienda agricola e dai fornitori. Vinay diceva che ci sono molte emissioni. E come si fa a lavorare con l'intelligenza artificiale in modo da rendere l'agricoltura, dalla produzione delle colture alla gestione del bestiame, e l'intero percorso delle emissioni di carbonio da correggere o magari rendere il sistema più efficiente. Penso che l'intero settore dell'utilizzo del territorio, come ad esempio il lavoro con i droni, l'agricoltura di precisione, eccetera, siano aree importanti. È un'area molto vasta di cui parliamo anche nel libro che uscirà la prossima settimana.
Zachary Cartwright :
Quindi, sì, grazie per la risposta. Molto spesso, quando penso all'IA per via del mio lavoro in AQUALAB, la vedo usata o voglio usarla nello sviluppo dei prodotti. Ma è davvero interessante che ogni aspetto, dall'azienda agricola alla tavola e oltre, verrà utilizzato e sta iniziando a essere utilizzato in molti modi. Sono curioso di sapere come lo vedete utilizzato per l'innovazione dei sapori. E forse potrebbe condividere alcuni modi sorprendenti in cui l'IA viene utilizzata per esaltare i sapori e le diverse consistenze dei prodotti alimentari. E come si confronta con i metodi culinari tradizionali?
Ospite 1 :
Sì, analizziamo cosa è possibile fare oggi con l'IA e dove le cose sono più diffuse. Quando guardiamo allo sviluppo del sapore, una cosa che dobbiamo capire è che dobbiamo comprendere le sfumature del sapore insieme alle neuroscienze. Quindi non si tratta solo del sapore giusto. È il sapore giusto per me, per noi. E c'è molto lavoro che è stato fatto al Monell e in altri posti che hanno fatto di questo l'obiettivo principale della loro ricerca e del loro corpo di lavoro. Giusto. Quindi, quando guardiamo allo sviluppo del sapore, ci sono due aspetti principali da considerare. Uno è la parte molecolare, cioè la chimica pura. Quindi, quando si guarda al sapore, è...
Ospite 1 :
Di solito la chiamiamo chimica dei sapori perché è soprattutto chimica in questo senso. Ora, il modo in cui otteniamo il sapore, il processo potrebbe essere, come sapete, biochimico. Potremmo usare altre cose, come enzimi e bioenzimi, e così via. Ci sono diversi modi per farlo, ma il risultato finale, nella maggior parte dei casi, è puramente chimico. La chimica del sapore entra in gioco. Quindi c'è un pezzo molecolare. Quando si parla di chimica, si parla di scienza molecolare, giusto? Sul secondo versante, abbiamo le neuroscienze. Ora stiamo parlando della nostra percezione nel nostro sistema sensoriale olfattivo e così via.
Ospite 1 :
Quindi ora stiamo parlando di due cose diverse. Quando si parla di IA nella chimica dei sapori, l'IA entra in entrambe le aree. L'IA entra nell'area delle neuroscienze in molti modi diversi. Nelle neuroscienze si sta modellando il sistema olfattivo umano, comprendendo quale quantità di una determinata sostanza chimica provoca una determinata reazione e percezione all'interno del nostro sistema, e ora si è in grado di fare previsioni in base ai cambiamenti che si verificano nelle diverse combinazioni. Quindi ora stiamo esaminando la parte chimica non attraverso le molecole, ma attraverso la percezione, la ricezione e il cambiamento. Come ci influenza? Quindi stiamo creando modelli e modelli, modelli di intelligenza artificiale per imitare questo aspetto, giusto? In modo che, se diamo a una molecola specifica un composto e lo mettiamo in un certo punto della nostra lingua o del nostro naso e una combinazione di questi elementi, cosa fa? Si sta lavorando molto sull'intelligenza artificiale per quanto riguarda le neuroscienze. Un lavoro interessante che ci ha visti coinvolti riguarda la riduzione del sale attraverso l'umami e il kakumi. È un'area di sicuro interesse.
Ospite 1 :
Ma per poterlo fare, come possiamo creare un modello di intelligenza artificiale in grado di prevederlo riducendo il sodio? Giusto? Questa è un'area che riguarda le neuroscienze e la scienza molecolare. C'è molto lavoro che è già stato fatto, proveniente esclusivamente dalla chimica dei sapori, per prevedere la reazione di molecole, di diversi tipi di molecole, di formule diverse. Che cosa fa e che tipo di risultati avrebbe? Da un punto di vista puramente molecolare, sappiamo che certe molecole, quando si uniscono, producono un risultato così e così, giusto? Quindi, per poterlo utilizzare nei modelli di intelligenza artificiale che si stanno realizzando oggi. Ora, la sovrapposizione tra chimica molecolare e neuroscienze è l'area in cui l'IA è ora in grado di seguire una corsia preferenziale. Come facciamo a portare la chimica molecolare e le neuroscienze e la loro reazione? Stiamo quindi maturando un modello di IA combinata in cui la chimica molecolare e le neuroscienze vengono ora inserite. E poi, attraverso quei composti molecolari che possiamo creare, nuovi, inediti che non abbiamo mai visto al mondo, come reagirebbero? Quindi questo tipo di modelli sono ora in corso di realizzazione, aggiungerei. Quando si parla di texture, molte texture si basano sulla percezione e sul feedback. Quando guardiamo alla percezione e al feedback, c'è una componente fisica nella texture e la texture potrebbe essere una texture visiva.
Ospite 1 :
La consistenza potrebbe essere sensoriale, potrebbe essere una sensazione di bocca, potrebbe essere costituita da alcuni elementi diversi, giusto? Quindi, in questo senso, quando si parla di... Prendiamo una texture molto semplice, che è la sensazione in bocca. Se voglio avere un mouthfeel, un mouthfeel pieno, la definizione di mouthfeel pieno per persone diverse sarà diversa. E anche se possono essere nello stesso intervallo, in qualche modo simili, si potrebbe dire che sembra pieno, è un po' pieno, non proprio pieno, ma è pieno. E alcuni potrebbero definire la pienezza come diversa. Questo tipo di consistenza. E quando si guarda alla croccantezza, sapete quanto è croccante un biscotto? Ok, si può rompere un biscotto e dire che sembra croccante, ma lo è quanto l'altra persona vede che è croccante? Quindi questo tipo di cose sono molto personali.
Ospite 1:
E traducendo questo in un modello computerizzato, stiamo parlando di un vocabolario che abbiamo costruito per essere in grado di fare questo tipo di traduzione. Che abbiamo costruito per essere in grado di fare questo tipo di traduzione. Quindi questo tipo di cose sono davvero uniche. Quindi, anche se due aziende vogliono produrre un biscotto croccante all'uvetta, la croccantezza di quel biscotto potrebbe essere diversa. Ora, se si fanno dei test analitici e si dice: "Ecco la durezza, ecco la croccantezza, ecco la sensorialità, ecco il suono della croccantezza quando lo si rompe", ci sono tantissime varianti. Ci sono così tante varianti diverse. Si può dire che la consistenza è una parte molto interessante del sapore. Quando si parla di consistenza, come la si definisce? Ci sono diversi modi per farlo.
Ospite 1 :
Ora, una volta definiti questi parametri, utilizziamo quello che chiamiamo apprendimento per rinforzo per far sì che i modelli imparino come questi parametri vengono percepiti dall'intelligenza artificiale e addestriamo il modello attraverso questo. È una struttura un po' più impegnativa, ma è qualcosa su cui si sta lavorando anche in questo momento.
Zachary Cartwright :
Questo mi porta alla mia prossima domanda, perché vedo che con l'IA saremo davvero in grado di personalizzare l'esperienza culinaria e di essere in grado di personalizzare per i diversi consumatori. Vinay, in occasione dell'American Association of Candy Technologists, hai fatto l'esempio della possibilità di ordinare esattamente il tipo di Snickers che si desidera e di avere profili di sapore specifici o altri elementi in quel tipo di prodotto. In che modo l'intelligenza artificiale sta creando questa esperienza culinaria personalizzata e come influirà sui menu dei ristoranti e sulla soddisfazione dei clienti?
Ospite 1 :
Quando si parla di personalizzazione, si guarda alla personalizzazione da diversi punti di vista. La guardiamo dal punto di vista del gusto sensoriale. La guardiamo da un punto di vista nutrizionale, da un punto di vista di conformità normativa e da un punto di vista olistico che include tutto questo. E alcuni di questi sono anche sostenibili. C'è molta enfasi sul fatto che non solo voglio tutte queste cose, ma voglio che siano sostenibili, e possiamo dimenticarlo? Voglio che sia accessibile. Quindi, mettendo insieme tutte queste cose, oggi non siamo in grado di creare un prodotto altamente nutriente, estremamente delizioso, soddisfacente, molto sostenibile, biologico, a marchio pulito, ma anche molto conveniente. È difficile ottenere qualcosa di simile. Se si considera l'esperienza di un marchio o di un servizio di ristorazione, come un ristorante, è difficile ottenere qualcosa di simile, giusto? Oggi stiamo tutti cercando di fare in modo che questo accada.
Ospite 1 :
Il più vicino a noi sono i menu. Un esperimento di IA molto interessante, di cui probabilmente tutti abbiamo fatto parte, è quello che ha fatto la Coca Cola, giusto? Si va in un distributore automatico e si possono avere tutti i tipi di informazioni. E nel momento in cui si dice: "Voglio un po' di questo e un po' di quell'altro gusto", e si vuole mescolare l'arancia e la limonata, oppure si può mescolare un po' di cola se si vuole, si può fare quello che si vuole. E questa combinazione, anche se sembra quasi illimitata, è una combinazione limitata. Forse troppo per il cervello umano, in quel particolare momento. Ma per l'intelligenza artificiale, tutto è stato modulato a quel punto. Ci sono modelli di IA al suo interno. Un concetto simile può essere portato in un ristorante.
Ospite 1 :
Quindi, sapete, quando sono al ristorante, posso. Posso guardare il menu. Posso dire: posso rendere questo menu un po' più piccante. E noi lo facciamo, giusto? Chiediamo al ristorante di dire: dammi più piccante, dammi meno piccante. E quando lo facciamo, in sostanza chiediamo di cambiare la quantità o di sostituire gli ingredienti. Ok, non voglio questo particolare sapore. Aggiungi questo al suo posto. Quindi non stiamo scambiando gli ingredienti.
Ospite 1 :
Stiamo cambiando la quantità di ingredienti. Quindi tutto ciò che chiediamo, la prevedibilità è limitata a quel particolare chef su quella linea in quel turno. Quindi, l'intera esperienza di un ristorante, quando vogliamo cambiare questo aspetto e dire, guardate, voglio renderlo più prevedibile, cosa che ad alcune persone potrebbe piacere, ad altre no. Ma noi diciamo: questo è il mio punto di riferimento. Voglio che il mio cibo sia di un certo livello. Deve essere sempre presente. Dovete affidarvi all'automazione. Noi non ci affidiamo all'automazione.
Ospite 1 :
Quello che state facendo è introdurre una certa quantità di intelligenza artificiale e una certa quantità di robotica, che ancora una volta viene fornita all'intelligenza artificiale per fare tutto questo. In questo modo diciamo: ok, se voglio un po' meno sale o più spezie e meno zucchero e più fibre e così via, diciamo all'intelligenza artificiale quale dovrebbe essere la proporzione di questi ingredienti. E questo si traduce in un modello di intelligenza artificiale che dice: "Ecco la tua ricetta in base al cliente". E il cliente potrebbe essere su una scala progressiva, su un numero o qualsiasi cosa sia, vi dirà che questo corrisponde a questo e così via. Ora abbiamo creato un processo di formulazione sempre uguale. Cambiamo solo la formulazione, il mix di ingredienti e così via. Il modello ora dice al cuoco o al braccio robotico, a questo punto, di dire: "Ok, questa è la quantità da aggiungere". Ed ecco fatto.
Guest 1 :
Ora avete creato un'esperienza ripetibile con il cliente in un ristorante. E si potrebbe prendere lo stesso concetto e dire: ok, possiamo applicarlo? Se, su una linea di produzione di Snickers, dove il mio Snickers è più dolce del tuo, o se ho aggiunto un po' di sale nel mio Snickers e l'ho reso un po' più caramellato, qualunque cosa sia, se questo parametro è disponibile, fornito dal marchio in una specie di app, lo faccio, apporto quelle modifiche e ne esce una sneaker personalizzata per me. Il mio sogno è avere una cosa del genere su una linea di produzione che Zach, sai, ha le tue sneakers, le mie sneakers, le sneakers di Ravi e tutte queste. Mi piacerebbe poterlo fare un giorno e magari creare una microfabbrica.
Zachary Cartwright :
Ravi, quali sono secondo lei le maggiori sfide che le aziende alimentari devono affrontare nell'integrazione delle tecnologie AI?
Ospite 2 :
Siamo proprio all'inizio, giusto? Stiamo ancora cercando di capire come l'AI crei sistemi alimentari e linee di produzione che rendano l'intero sistema alimentare, o come ha detto Vinay, più accessibile e nutriente allo stesso tempo, sostenibile. E credo che indossare il cappello della sostenibilità. Credo che una delle cose più importanti di cui molte fabbriche si occupano sia l'impronta di carbonio. E credo che l'intelligenza artificiale possa davvero aiutare, sto indossando una lente sostenibile, a rendere l'intero processo di produzione più ecologico, ad esempio in termini di efficienza energetica, di uso dell'acqua, di riciclo dell'acqua, di riduzione dei rifiuti, di analisi dei materiali di imballaggio, che molte volte vengono criticati dall'industria alimentare per l'uso eccessivo di plastica, ad esempio: quali sono i materiali di imballaggio sostenibili? E poi, naturalmente, l'intero settore della catena di approvvigionamento e della distribuzione. Anche in questo caso si tratta di rendere il tutto più efficiente. Quindi penso che, se mi chiedete, dove vedete già che sta andando? L'intelligenza artificiale può davvero aiutare a individuare le falle nell'intera produzione e a renderla più efficiente. In secondo luogo, credo che uno degli aspetti in cui il BCD si sta davvero affermando sia il fatto che guardiamo all'intero processo di produzione, dall'inizio alla fine. Giusto, dall'inizio alla fine, pensiamo che, sai, lavoriamo con te per assicurarci che, sai, l'area, le nuove aree di efficienza, l'uso dell'energia, sai, molte di queste grandi gigafabbriche fanno funzionare le loro macchine usando il diesel, per esempio, giusto.
Ospite 2 :
Quindi come si fa ad abbandonare il petrolio e il gas per passare a un carburante verde che potrebbe essere il carburante del futuro, giusto? Biocarburanti, idrogeno verde e così via. Ma quando si tratta di aree specifiche, penso che dobbiamo tornare indietro, se prendiamo ad esempio l'area dei prodotti vegetali, che è ancora in fase di sviluppo. Quindi ci offre un'enorme opportunità di esaminare le molteplici sfide. Ma credo che probabilmente risponderemo indossando un cappello da esperti di cibo. E aggiungo la mia lente della sostenibilità.
Guest 1 :
Vinay, capisco perfettamente che Ravi si stia concentrando su quest'area. E se si guarda al settore in sé, direi che ci sono tre aree distinte che vorrei sottolineare. La prima è: quali sono le sfide per l'integrazione dell'IA nel settore? Innanzitutto, eliminare la paura di adottare l'IA. Giusto? Quindi il primo ostacolo, il più grande, di gran lunga il più grande, è la nostra comprensione di come possiamo sfruttare l'IA e abbandonare la paura di utilizzarla. Giusto? Ci sono molte connotazioni negative. Questo è uno dei motivi per cui io e Ravi e Michael abbiamo scritto questo libro, intitolato "AI for Food", per mostrare ciò che l'IA sta facendo oggi nel settore. Che cosa può fare l'IA nel futuro, nel prossimo futuro, nel futuro a medio termine, in modo che le persone possano capire che c'è molto di buono nell'IA per il cibo. Creando così un effetto positivo.
Guest 1 :
Perché quando si pensa all'IA, ci sono molte connotazioni negative. E quando si pensa al cibo e si pensa agli alimenti trasformati, prodotti in fabbrica, oggi ci sono molte connotazioni negative, giusto? Con il cibo processato, il cibo ultra processato e l'ultra, quanti ultras ci mettono ora, ma c'è un intero concetto di "ehi, se è prodotto in una fabbrica è davvero buono". Ora, se si mettono insieme l'intelligenza artificiale e il cibo, è come se ci fosse un'esplosione. L'idea è quindi quella di rendere il tutto più appetibile, più realistico e qualcosa di effettivamente buono. Questo è il lato del consumatore. Dobbiamo farlo. Ed è qui che si colloca l'iniziativa globale Afrofut, dove io e Ravi abbiamo fondato questa iniziativa per parlare di questa consapevolezza. Giusto? Quindi la consapevolezza è il numero uno dal punto di vista dei consumatori e dell'industria.
Ospite 1 :
Ehi, sai, molte persone che lavorano nell'ecosistema alimentare e che si occupano, per esempio, di logistica oggi, non sanno dove l'IA viene utilizzata nelle aziende agricole o nella ricerca e sviluppo dei semi. E che impatto ha questo, ok, che impatto ha questo particolare aspetto sul loro lavoro nella logistica? Un buon esempio potrebbe essere quello della produzione di semi rotondi, che richiedono molta più acqua per essere coltivati. E in qualche modo il contenuto di umidità è sempre alto, anche dopo X mesi dalla raccolta. E quel contenuto d'acqua, se è alto, si traduce in un maggior tonnellaggio in quello che trasportiamo. Quindi cosa stiamo facendo esattamente? Trasportiamo acqua. Vogliamo trasportare acqua? Forse è una cosa buona, forse no. Quindi questo tipo di consapevolezza, una volta compreso come siamo tutti interconnessi, la seconda cosa sono i dati. I dati sono sempre qualcosa.
Guest 1 :
Quando si parla di IA, la cosa successiva di cui si parla sono i dati, giusto? Perché quando si parla di IA, si parla di scienza dei dati, il che significa che si parla di uno scienziato dei dati che lavora con tutti i tipi di dati e di ciò che facciamo. Quindi dati e IA sono inseparabili. Quindi, nel momento in cui si parla di IA e si parla di percezione, ho superato la barriera di mettere le persone a proprio agio con l'IA. La cosa più immediata è: dove sono i dati? I dati sono sempre una sfida. E più l'azienda è grande, più i dati sono complessi, più i dati sono distribuiti, più i dati sono diversi. E ora ci troviamo di fronte a diversi tipi di dati, come quelli strutturati e non strutturati. Come faccio a riunire tutti questi dati, che di solito si trovano in silos diversi, in bucket diversi, in applicazioni diverse? Come faccio a mettere insieme tutte queste informazioni per fornire al mio modello, al mio modello di intelligenza artificiale, le informazioni di cui ha bisogno.
Ospite 1 :
Quindi ora stiamo entrando nell'arte dell'IA. La scienza dell'IA è: dov'è il mio modello, quale modello, come sviluppo il mio modello? E costruisco un modello personalizzato? Prendo un modello open source? Si tratta di una vera e propria scienza dei dati. Come, come posso portare i dati? Che tipo di dati devo portare? Da dove prendo i dati? Come gestisco i dati e li inserisco? Quindi ora stiamo entrando un po' nell'arte. E questo è ciò che separa, a mio parere, un progetto di successo da uno non riuscito. Un progetto di IA è quanto siete bravi nell'arte dell'IA? Bene, quindi consapevolezza, dati e il terzo aspetto riguarda la ricerca e lo sviluppo. Come possiamo inserire l'IA nella formulazione in modo che, quando parliamo di personalizzazione, parliamo di come rendere queste formulazioni il più possibile in tempo reale? Questa è stata la vera sfida di oggi. E perché lo facciamo? Perché la quarta sarebbe portare l'IA nella produzione. L'impatto maggiore che l'IA può avere nell'industria alimentare riguarda la produzione.
Guest 1 :
E se riuscite a rendere i nostri piani più efficienti, come diceva Ravi, in realtà portiamo un sacco di soldi verso altre cose, giusto? Quindi, in realtà, si influisce sulla linea di fondo. Quindi si risparmia molto denaro che può essere reinvestito in altre attività. Quindi, come possiamo portare l'intelligenza artificiale a rendere possibile tutto ciò? Se siamo in grado di fare queste quattro cose. Consapevolezza, dati, IA per la formulazione? E poi, per quanto riguarda la fabbrica, oggi si fa già molto con l'IA per la logistica. Naturalmente non è abbastanza. Ma so che si sta lavorando molto su questo fronte. Quindi questo è un dato di fatto nel settore della logistica. È qui che credo si trovino le nostre sfide principali.
Guest 2 :
Nel nostro percorso, abbiamo anche capito che l'IA occuperà posti di lavoro. Cosa significa veramente? E penso che per indossare, sai, un cappello completamente diverso, abbiamo organizzato una conferenza globale proprio in agosto su ef, un movimento alimentare a Chicago, che è stata la prima del suo genere. E credo che ci sia stato un panel molto interessante sull'AI Skilling. E penso che per noi sia una sfida in cui la gente dice: "Non sappiamo cosa non sappiamo, ma sappiamo che l'IA mi toglierà il lavoro". Ma la realtà è che la rivoluzione industriale alimentata dall'IA, e soprattutto quando si parla di creare l'America, si può creare solo un'America. Quando rendete le vostre fabbriche più intelligenti, che si tratti di fabbriche oscure o di microfabbriche, il che significa che le rendete più efficienti. Le fabbriche funzionano 24 ore su 24 con meno uomini, ma con più robot e macchinari in grado di creare alimenti più efficienti, nutrienti, economici e sostenibili. Ma chi lo farà? Abbiamo bisogno di una base di competenze, giusto? Per questo motivo, una delle collaborazioni che abbiamo avviato è stata quella con la Foundry Education Foundation degli Stati Uniti, per capire dove si trovano gli studenti che saranno in grado di creare queste fabbriche alimentate da professionisti dell'intelligenza artificiale.
Ospite 2:
Allo stesso modo, il lavoro che stiamo svolgendo con le università, che si tratti del CSI o della Cornell, è quello di studiare come i giovani professionisti, gli scienziati alimentari del futuro, utilizzeranno l'IA come vantaggio per creare alimenti che, come ha detto Vinay, abbiano un buon sapore e siano nutrienti. È anche più salutare. Per me, se sono più sano, significa che ci saranno meno persone che si ammalano e anche che il cibo non contribuisce al 30-40% delle emissioni di gas serra. Giusto. Come ha detto lei, la sfida è che, come nella rivoluzione umana, c'è molto di sconosciuto. Quindi la gente non sa cosa succederà davvero. Ma credo che dobbiamo imparare, soprattutto con podcast come questo, in cui creiamo istruzione, lavoriamo per creare competenze in modo che le persone possano partecipare. E ci sarà un sacco di co-creazione mentre andiamo avanti in questo viaggio.
Zachary Cartwright:
Potremmo affrontare molti argomenti diversi. Ma ci restano solo pochi minuti e volevo discutere brevemente alcune delle preoccupazioni etiche. Con la crescente diffusione dell'intelligenza artificiale nella produzione alimentare, quali considerazioni etiche devono tenere presenti le aziende per garantire la trasparenza e la fiducia dei consumatori?
Ospite 1 :
Quando si guarda al partenariato pubblico-privato, entra in gioco la leadership del governo. Ora la gente potrebbe dire il contrario, ma in realtà abbiamo bisogno di un'infrastruttura, una questione di base della società, giusto? Quindi, quando parliamo di confini della società e di come dovrebbero essere? E ora stiamo parlando di, ok, stiamo andando al livello più alto, alle nostre istituzioni fondamentali, al Congresso, al Senato, alla magistratura e diciamo, ok, aiutateci a definire. E alcune di queste persone potrebbero non essere le più competenti in materia. Per questo si affidano agli esperti e all'industria. Ed è qui che entra in gioco il partenariato pubblico-privato. E se riusciamo a far partire questo dialogo, e in effetti questo è stato uno dei nostri canali in onda per il Vertice globale sul cibo. Abbiamo parlato di cosa dovrebbe essere? È un buon forum per scoprirlo. Il nostro approccio è stato quello di capire cosa può fare l'IA oggi. Che cos'è? Voglio dire, cosa può fare? Qual è il lavoro svolto nell'ambito dell'IA di cui siamo a conoscenza, pubblicamente o meno? Che cosa conosciamo e fino a che punto possiamo vedere che si spinge? Giusto? Quindi stiamo creando un grafico predittivo sulle capacità dell'IA.
Ospite 1 :
Se creiamo questo tipo di grafico, diciamo, allora diciamo che siamo qui. La nostra capacità, la nostra abilità come esseri umani, la nostra capacità come società di assorbire questo tipo di cambiamento e di disturbo che ci sta venendo incontro. Quindi forse è il grafico completo. Forse potete consumare tutto questo. Possiamo assorbire tutto questo. O forse sì. E qualcuno deve porre un limite se vogliamo che la nostra società sia in grado di prosperare. Quale dovrebbe essere questo confine? Dove dovrebbero essere queste linee? Ad essere sinceri, non credo che nel podcast riusciremo a trovare una risposta.
Ospite 1 :
Ma questo è un quadro di riferimento, giusto? Quindi dovremmo avere questa sorta di quadro per dire: possiamo porre questi limiti? E una volta posti questi limiti, però, devono essere valutati regolarmente per vedere se stiamo facendo bene. Come qualsiasi altro piano, giusto? Un piano è un piano valido quanto ieri. Quindi valutiamo regolarmente e vediamo se le cose stanno cambiando. Dobbiamo fare di più? Possiamo fare di più? Possiamo introdurre questo? Credo che sia questo il punto in cui vengono posti i confini della società. Questo risponderebbe alle domande che lei ha posto su quanto dovrebbe essere etico? Lo siamo. È. Sostituire davvero i ruoli umani in alcune aree è una cosa buona? È una cosa negativa? E questo genere di cose. E alcune di queste cose saranno guidate anche dal mercato. Quanto di questo può essere guidato dal mercato? Perché ora stiamo davvero parlando di cambiamenti sociali. Sai, se, se, se, se tutto.
Ospite 1 :
Prendiamo il completo. Lo scenario di tutto il mondo. Ogni particolare ruolo lavorativo è assolutamente autonomo. Non sto parlando di automazione. L'autonomia viene svolta da robot, computer e IA e tutto ciò che c'è in questo mondo. Cosa faranno questi esseri umani, giusto? Cosa faremo noi? E siamo su questa strada? Siamo lì tra cento anni? Siamo lì tra 300 anni? Ci saremo tra 50 anni? Riusciamo a vedere questo tipo di linea? Quindi ora stiamo parlando dell'impatto sulla società. E non si tratta solo di noi negli Stati Uniti, ma di un problema globale. Perciò questo tipo di forum è necessario per parlare di questo.
Ospite 1 :
E c'è un Forum, un'area di cui parlare. È quello che abbiamo pensato quando abbiamo organizzato il Vertice globale sull'IA per l'alimentazione. Questa era una delle aree che riteniamo verranno affrontate attraverso i dialoghi in questo spazio.
Ospite 2 :
Sì, stavo per aggiungere Vinay, che, sai, l'altro giorno ero a pranzo con qualcuno, sai, che è vegetariano, giusto. E mi ha detto: "Oh, voi lavorate nell'industria alimentare". Ecco una domanda. Mi ha detto: "Dimmi, se la carne di mucca viene coltivata in laboratorio e noi indù non crediamo nel consumo di carne bovina e soprattutto di mucca, ma ora quella carne viene coltivata lì, giusto? Prendiamo, è ancora carne ed è ancora mucca? Ecco quindi una domanda per tutti i presenti: cosa significa veramente? E credo che Vinay stesse dicendo che ci sono così tante dimensioni diverse, aspetti culturali nella sua interpretazione. È così sensibile e legato, in alcuni luoghi il cibo è legato alla religione. Che si tratti di carne halal, che si tratti di carne vegetariana, che si tratti di carne di origine vegetale, che si tratti di carne di origine vegetale, che si tratti di carne di origine vegetale. E poi ricordiamo che l'industria alimentare, l'industria agricola e l'industria dell'agricoltura sono anche un'industria molto politica. È anche legata all'economia politica.
Ospite 2 :
Quindi penso che la cosa migliore da fare sia chiedersi esattamente cosa avete fatto per porre queste domande. E il nostro tentativo nell'iniziativa globale AI for Food è proprio quello di credere nel potere di riunire le persone online e offline. Ed è per questo che abbiamo queste conferenze globali, regionali e nazionali per avere queste conversazioni, perché queste devono, mentre andiamo avanti, non possiamo scappare da loro. È meglio definirlo. In secondo luogo, il partenariato pubblico-privato è un modo per riunire i governi. In questo momento i governi sono molto, molto pochi. L'Australia è probabilmente uno dei pochi governi che si sta unendo e sta discutendo su quale sia l'aspetto etico del programma di IA. E credo che sia necessario che l'America intervenga davvero, che la FDA e altri intervengano e dicano: "Facciamo una conversazione, coinvolgiamo gli scienziati dell'alimentazione, gli accademici, l'industria, i consumatori, i politici e diciamo davvero che cosa significa? Come lo siamo noi.
Ospite 2 :
E non lo è, non si può scappare da esso. In questo momento siamo già nel boom economico dell'intelligenza artificiale e abbiamo visto cosa fa. Quindi cerchiamo di trarne il meglio. E come abbiamo detto, il nostro mantra è una sola cosa. Vogliamo assicurarci che il cibo sia accessibile, perché lavoriamo molto sulla sicurezza alimentare. È nutriente e sano, in modo che non sia... Come sappiamo, oggi non abbiamo toccato il tema della sicurezza alimentare e dell'IA, quindi vogliamo assicurarci che ciò avvenga e che il nostro viaggio verso la sostenibilità si basi sul principio della crescita verde e dello zero netto. Ed è a questo che puntiamo con questa iniziativa, questo libro e questo viaggio.
Zachary Cartwright:
Sì, grazie mille per questo e grazie a entrambi per essere qui oggi. Potremmo parlare di molte altre cose. Speravo di poter parlare del futuro della sicurezza alimentare, ma lascerò questo punto in sospeso, in modo che le persone vadano a cercare il vostro libro e imparino di più su tutte queste cose che abbiamo toccato oggi e anche di più. Voglio cambiare argomento per concludere. Volevo chiedere a entrambi se avete un consiglio musicale o se c'è un tipo di musica o un artista o una canzone che non riuscite a togliervi dalla testa. Quale musica avete portato con voi oggi?
Ospite 1 :
Oh, hard rock. Il mio preferito di sempre. Deep Purple. Credo di aver fatto conoscere il rock a mia figlia, che ora è una fan degli ACDC. Indossa la sua maglietta con orgoglio.
Ospite 2 :
Io sono all'opposto, perché mi piacciono molto la guarigione e i mantra. Perciò inizio la mia giornata e finisco la mia notte con molti mantra vedici. E per me lavorare sul cibo ha molto a che fare con l'Anupama sutram e sono felice di condividerlo con voi in modo che le persone possano farlo. Perché per noi, sapete, nella nostra, nella nostra. Almeno nella cultura da cui veniamo. Da dove vengo io, il cibo è visto anche come, sapete, Dio, giusto. Una divinità che ti dà il cibo. Quindi veneriamo il cibo come un'offerta degli dei all'umanità.
Guest 2 :
Giusto. Quindi c'è un sutra o un versetto vedico messo insieme per celebrare la vibrazione del cibo. Senza il quale nessuno di noi sarebbe in grado di parlare, perché è davvero il carburante del corpo umano. Questo è il livello dei collegamenti. Torno alla questione dell'etica e, come sapete, questo è quanto può essere personale ed essere un viaggio dell'anima. Quindi, finché, voglio dire, amo il rock e tutto il resto, amo tutta la grande musica. Ma la mia. A questo punto della mia vita, voglio vibrare di più con i rintocchi vedici e i mantra.
Ospite 2 :
È così che vivo la mia vita.
Zachary Cartwright:
È fantastico. Di solito chiedo ai miei ospiti un po' di musica e di mantra, ma mi piace che vi siate divisi e quindi apprezzo la musica e i mantra consigliati da ciascuno di voi. Quindi grazie a entrambi per essere qui. So che questo è un podcast lungo, ma si tratta di un argomento così importante e, anche se non siamo arrivati a tutto, c'è così tanto qui che penso ispirerà i nostri ascoltatori ad andare a cercare il vostro libro. Ci assicureremo di inserire il link nella descrizione del podcast in modo che i nostri ascoltatori possano trovarlo e saperne di più. Vi ringrazio entrambi per il vostro tempo e non vedo l'ora di vedere dove andranno le cose, il futuro di questo argomento e come il vostro team potrà contribuire a questa evoluzione. Quindi grazie ragazzi. L'episodio di oggi è sponsorizzato da AQUALAB.
Zachary Cartwright :
In questo episodio abbiamo discusso di come l'IA stia trasformando l'industria alimentare. Sapevate che anche AQUALAB sta trasformando l'industria alimentare con il nostro sistema di automazione e intelligenza dell'essiccazione chiamato Scala? Questo sistema consiste in un algoritmo di controllo basato su un modello che consente di rilevare l'umidità dei prodotti all'interno di un'ampia gamma di essiccatori, con conseguente riduzione della variabilità, aumento dei rendimenti, riduzione degli errori dell'operatore e del consumo energetico con un ROI medio di 3 mesi. Un link per saperne di più su Scala per il controllo dell'umidità sarà presente nella descrizione del podcast. La canzone consigliata oggi è Places to Be di Fred Again. Si tratta di una miscela magistrale di elettronica ambientale e delicata profondità emotiva. Il brano si apre con un synth atmosferico molto delicato che si sviluppa gradualmente in un ritmo ipnotico, offrendo un'atmosfera quasi meditativa. Fred Again eccelle nel creare questi paesaggi sonori che sembrano allo stesso tempo intimi ed espansivi, e Places To Be non fa eccezione. Apprezzo molto la bellezza discreta di questo brano e la risonanza emotiva che è in grado di ottenere attraverso questo stile di produzione davvero distinto.
Zachary Cartwright :
Il link a questo brano sarà presente nella descrizione del podcast. Per concludere questo episodio, vi proporrò un altro mantra. Si tratta di qualcosa che potete dire a voi stessi per esprimere qualcosa in cui credete, o magari per motivarvi o per sentirvi tranquilli. Il mantra di questo episodio è Quando faccio fatica, imparo sempre qualcosa di nuovo. Lo ripeterò tre volte e forse potrete ripeterlo a voi stessi o anche ad alta voce. Ecco qui. Quando lotto, imparo sempre qualcosa di nuovo. Quando lotto, imparo sempre qualcosa di nuovo.
Zachary Cartwright :
Quando faccio fatica, imparo sempre qualcosa di nuovo. Mentre tenete a mente questo mantra, vi sfido anche a pensare a ciò che avete imparato dall'ultima volta che vi siete trovati in difficoltà. E come potete usarlo la prossima volta che vi troverete in una situazione simile. Grazie mille per aver ascoltato un altro episodio. Mi chiamo Zachary Cartwright e questo è stato un episodio di Drip offerto da AQUALAB. Rimanete idratati e alla prossima puntata.