Albertsons和IBM今天宣布,正在通过一项计划来改善三明治和沙拉的食品安全问题,该计划将采用区块链技术对生菜进行追踪。
IBM将通过基于区块链的IBM Food Trust网络为Albertsons提供服务,这样Albertsons就可以对生菜从农场到商店货架这个过程进行追踪,特别是最近这种食物被卷入了大肠杆菌感染爆发的事件中。
区块链是一种记录数据库,使用加密和大规模分布式来确保数据在保存之后的准确性。因此,区块链可以用于带有重要信息的交易和商品通过供应链流动时对其进行身份验证和追踪,这些重要信息可能包括原产地、包装日期、包装时间、运输时间、温度和任何食品安全所必需的数据。
这样就可以看到作物从收获到包装的整个过程。如果发现任何一批食物被污染,就可以快速地将来自同一产地的其他批次抽取出来,进行测试,或者从商店货架上召回。
该系统还可以用于验证食品是否为有机食品或者公平贸易标签等,减少供应链上的浪费,通过更有效的处理和运输,实现更好的可持续性。
IBM Food Trust总经理Raj Rao表示:“自从推出IBM Food Trust以来,我们已经取得了很多里程碑式的成果,这些成果揭示了向端到端食品系统发展的方向。如今,我们正在进一步扩展这一网络,将基于区块链的可追溯性带给更多零售商、供应商和最终消费者。我们通过与世界各地顶级的零售商展开合作,真正帮助为所有人提供更安全、更透明的食品体系。”
IBM Food Trust的技术正在让农场和零售商的端到端食品供应链变得更安全、更透明。去年10月,IBM与某食品安全联盟的Golden State Foods、McCormick and Co.、Nestlé、Tyson Foods、Wal-Mart Stores等成员企业展开合作,该联盟利用区块链技术提高食品安全性。自去年以来,IBM Food Trust的合作品牌已经扩展至50多个。
在美国经营着近2300家商店的Albertsons公司,将开始试行区块链网络以便从配送中心开始就对生菜进行追踪。目前该项目已经完成实施,正在进行测试,Albertsons希望后续进一步扩展该项目以覆盖更多的食品种类。Albertsons计划利用这个试行项目解决有关追踪和召回生菜这一难题,同时也运用于其他食品。
“来自疾病控制预防中心和食药管理局的多个备受关注的消费者咨询报告表明,我们需要找到更有效的方式来追踪商品并及时发现可能的污染源,”Albertsons公司食品安全和质量保证副总裁Jerry Noland表示。“因此,零售商们正在探索利用新技术来改善支撑全球食品供应链的基础设施。”
根据疾病预防控制中心的预计,仅在美国每年就有超过4800万人染上食源性疾病,其中12.8万人住院,3000人死亡。食品分销商、零售商和IBM致力于帮助降低这些数字,并相信,像IBM Food Trust这样的区块链试点项目以及区块链技术将成为一个重要手段。
“随着我们进一步构建品牌差异化,区块链技术也有望给我们带来转型的契机,”Albertsons首席信息官Anuj Dhanda表示。“食品安全是非常重要的一步,尽管区块链已经实现了商品产地的追溯,但能够追踪从农场到菜篮子的每一个步骤,对于我们的客户来说将是非常重要的。”
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。