等到今年晚些时候,购买Bumble Bee品牌金枪鱼的客户就能利用区块链技术确保他们购买的鱼是新鲜的、来源是可持续的了。
由于过度捕捞及其可能对海洋生态系统造成的连锁反应正在全球范围内成为一个日益严重的问题,因此消费者对食物来源变得比以往任何时候都要更加谨慎。
因加密货币比特币而闻名的区块链技术,已经被建议作为解决这个问题的一种解决方案。
如今,全球最大的海产品生产商之一,Bumble Bee Foods正在与SAP展开合作将这种区块链解决方案交到消费者手中,让消费者通过扫描商店的产品包装来确保产品达到了他们期望的标准。
今年夏天,包括Albertsons、Hy-Vee、Price Chopper和Safeway在内的多家零售商所组成的Natural Blue by Anova公平贸易黄鳍金枪鱼联盟成员都将在产品上加盖区块链衍生的二维码。
Bumble Bee首席信息官Tony Costa表示:“长久来,我们始终把确保可持续性放在第一位,但是这一次我们向前又迈进了一步。”
“因为现在我们可以对鱼类从被捕获的那一刻到销售点的全程进行追踪,我们让客户相信,我们正在让这个微妙的生态系统和我们供应链中每个人的生活变得不同。”
区块链是一种确保供应链完整性的强有力的工具,因为这项技术使用加密和分布式计算技术来构防篡改的分类帐系统。
供应链中每个环节的参与者(从海上捕鱼的渔民到包装商、运输商、经销商和零售商)可以记录经他们手的商品的质量、尺寸和状况等详细信息,除了他们直接负责的信息之外,供应链中任何一方都不能更改其他一环的信息。
由于所有信息都是加密的,因此扫描条形码的消费者可以知道这些信息没有被篡改过,他们购买的海产品的捕获时间和捕获位置与渔民在区块链上所记录的信息是一致的。
除了增强消费者信心之外,区块链技术还可以为采用这种技术的企业带来更高的利润和收入,因为区块链可以提高供应链的效率,甚至可以在发现记录信息出现错误的时候减少产品召回量。
此外,区块链技术还可以验证海产品作为一种公平贸易产品有关的数据,确保工人得到了公平的报酬,而且供应链中不存在剥削和奴役童工或者劳工的现象。
这次合作是SAP的区块链技术在食品行业的首次应用,但实际上其他参与者已经先行一步了,例如沃尔玛。
去年沃尔玛宣布将与IBM合作开发区块链解决方案运用于绿叶蔬菜业务中,旨在减少食品污染及其可能造成的疾病。
有观点认为,区块链和比特币一样,让很多人陷入了围绕新兴的、未经验证的技术的炒作之中。去年发布的一项研究结果显示,尽管相关投资有所增加,但几乎没有证据表明企业区块链给企业内部带来了巨大的变化或者增长。
Costa认为,尽管关于区块链的潜力存在一定程度上毫无根据的炒作,但在适当的情况下,区块链是拥有真正的转型力量的。区块链和人工智能和大数据等变革性技术一样,“都是要找到合适的用例。”
其中一个挑战就是运行区块链系统确保数据安全的加密和解密算法是需要耗费大量CPU资源的。
此外,尽管区块链上的信息一经记录就能确保数据的高度安全性,但实际上却无法验证输入点的数据质量。简单地说,就是保证用户向供应链中输入数据时没有造假,这仍然要取决于输入数据一方的安全检查措施。
因此存在一种危险的情况,那就是缺乏对这个问题的了解可能导致公众被告知区块链可以确保他们数据安全的时候造成“盲目的相信”。
但是,任何数据输入都存在这种情况,区块链并不会加剧这个问题。从长远来看,当企业组织开始看到例如提高产品质量和减少浪费等早期收益时,区块链很可能会成为一些紧迫性的环境和业务问题的解决方案。
好文章,需要你的鼓励
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。