Forskningsprojekt Extreme Food Risk Analytics (EFRA)

Livsmedelskedjorna påverkas av en mängd drivkrafter (ekonomiska, socioekonomiska, miljömässiga och klimatmässiga) som direkt eller indirekt kan hota livsmedelssäkerheten på kort och/eller lång sikt. För att kunna förutse framtida livsmedelssäkerhetsrisker bör vi använda ett holistiskt eller systemiskt tillvägagångssätt som tar hänsyn till alla dessa faktorer.

Användbar information kan förekomma i olika, heterogena datakällor – både offentliga och privata. Ofta är de ostrukturerade och på flera olika språk. Viktiga data kan finnas på livsmedelssäkerhetsmyndigheters webbplatser (till exempel meddelanden om återkallande eller gränsavslag, inspektionsresultat, laboratorietestresultat), i expertinnehåll (till exempel vetenskapliga publikationer, nyheter, debattinlägg), i konsumentdiskussioner (till exempel produktrecensioner, diskussionsforum för konsumenter, sociala medier) och i ekonomiska/statliga data (till exempel mathandelsvolymer, prisfluktuationer). Slutligen är många användbara livsmedelssäkerhetsdata ”gömda” i källor som är svåra att upptäcka, till exempel på sajter eller i databaser på kommunnivå.

Att inte dra nytta av denna rikedom av offentliga och privata data är kostsamt både för  hälsan och ekonomin. Trots ansträngningar och modern teknik blir konsumenter över hela världen fortfarande sjuka av förorenade livsmedel, och livsmedelsföretag drabbas av enorma ekonomiska och juridiska påföljder för att återkalla livsmedel.

EFRA:s ambition är att övervinna detta genom att utforska nya, experimentella och lovande tillvägagångssätt inom datautvinning, aggregering och analysteknik. Genom att identifiera och samla in heterogena data som i dag finns utspridda över hela internet, och konvertera dem till ett ”universellt språk” av högkvalitativa data som rör livsmedelsrisker, kommer EFRA att träna AI-modeller för att proaktivt tillhandahålla riskreducerande åtgärder.