¿Cómo mejorar la seguridad alimentaria y detectar deterioro de bebidas con Inteligencia Artificial?

Un grupo de investigadores estadounidenses desarrollaron una "lengua electrónica", basada en Inteligencia Artificial, la cual aprovecha los sensores y el aprendizaje automático para distinguir entre líquidos similares, como leche con diferente contenido de agua, varios tipos de refrescos y diferentes mezclas de café.

Esta tecnología puede ayudar a la industria de alimentos y bebidas a mejorar la seguridad alimentaria al identificar signos de deterioro en los jugos de frutas. El estudio destaca que el sensor desarrollado con Inteligencia Artificial puede detectar y clasificar ampliamente varias sustancias mientras evalúa colectivamente su respectiva calidad, autenticidad y frescura.

"Tenemos la lengua en sí, que consiste en receptores gustativos que interactúan con las especies de alimentos y envían su información a la corteza gustativa, una red neuronal biológica", declara Saptarshi Das, director de la investigación.

Para "imitar artificialmente" la corteza gustativa, los investigadores desarrollaron una red neuronal, que es un algoritmo de aprendizaje automático que imita la forma en que el cerebro humano analiza y comprende la información.

La evaluación también ha proporcionado a los investigadores una visión de cómo la IA toma decisiones, lo que podría conducir a un mejor desarrollo y aplicaciones de IA.

Te recomendamos: La influencia de la Inteligencia Artificial en la transformación de la industria alimentaria

Inteligencia Artificial para la seguridad alimentaria

La lengua electrónica consiste en un transistor de efecto de campo sensible a iones basado en grafeno o un dispositivo conductor que puede detectar iones químicos, vinculado a la red neuronal artificial que los científicos han entrenado en varios conjuntos de datos.

Los investigadores proporcionaron a la red neuronal 20 parámetros específicos para evaluar, en base a los cuales la IA pudo detectar con precisión muestras, incluidas:

• leches diluidas
• diferentes tipos de refrescos
• mezclas de café
• múltiples jugos de frutas

El equipo investigó previamente cómo reacciona el cerebro a diferentes sabores e imitó este proceso integrando diferentes materiales 2D para desarrollar una especie de modelo sobre cómo la IA puede procesar la información más como un ser humano.

El dispositivo era un sensor electrónico basado en grafeno que puede "saborear" perfiles de sabor como dulce y salado.
En este trabajo, están considerando varios productos químicos para ver si los sensores pueden detectarlos con precisión y, además, si pueden detectar diferencias mínimas entre alimentos similares y discernir casos de problemas de seguridad alimentaria.

Superar las limitaciones humanas

Durante el desarrollo del producto, el equipo utilizó la teoría de juegos, un proceso de toma de decisiones que considera las elecciones de otros para predecir el resultado de un solo participante, para asignar valores a los datos bajo consideración.

Con estas explicaciones, los investigadores pudieron realizar ingeniería inversa para comprender cómo la red neuronal pesó varios componentes de la muestra para hacer una determinación final.

Lo cual le dio al equipo una visión del proceso de toma de decisiones de la red neuronal, que dicen que permaneció en gran medida opaco en el campo de la Inteligencia Artificial.

En términos de la leche, la red neuronal puede determinar el contenido variable de agua de la leche y, en ese sentido, determinar si algún indicador de degradación es lo suficientemente significativo como para ser considerado un problema de seguridad alimentaria.

Versatilidad y factor de costos

Según el director de la investigación no es necesario que los sensores sean "exactamente idénticos", ya que los algoritmos de aprendizaje automático pueden examinar toda la información en conjunto y aun así producir la respuesta correcta.

"Esto hace que el proceso de fabricación sea más práctico y menos costoso. Nos dimos cuenta de que podemos vivir con la imperfección. Y eso es lo que es la naturaleza: está llena de imperfecciones, pero aún puede tomar decisiones sólidas, al igual que nuestra lengua electrónica", expresa Das.

A principios de este año, un equipo de la Universidad Estatal de Washington (EE.UU.) también desarrolló una lengua electrónica con sondas sensoriales en forma de hebra para la detección temprana de defectos microbianos en vinos blancos. La universidad también apoyó anteriormente el papel de la herramienta en la detección de la diferencia de picante entre muestras del mismo alimento.

No dejes de ver: Inteligencia Artificial, la herramienta emergente que está cambiando el futuro de la industria alimentaria