ന്യൂട്രിയന്റ്സ് ജേണലിൽ അടുത്തിടെ പ്രസിദ്ധീകരിച്ച ഒരു എഡിറ്റോറിയലിൽ, ജനസംഖ്യാ ക്ഷേമത്തിനും പോഷകാഹാരത്തിനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്  പ്രയോഗിക്കുന്നതിനെക്കുറിച്ച് ഗവേഷകർ വിശദീകരിച്ചു.

സോഡയ്ക്കും പോഷകസമൃദ്ധമായ ഭക്ഷ്യ സബ്സിഡികൾക്കും നികുതി ഏർപ്പെടുത്തുന്നത് പോലുള്ള സർക്കാർ നടപടികളുടെ ഫലങ്ങൾ പഠിക്കുന്നത് മുതൽ കാലാവസ്ഥാ വ്യതിയാനവും സാമ്പത്തിക സാഹചര്യങ്ങളും ഭക്ഷണ തിരഞ്ഞെടുപ്പുകളെയും പ്രവേശനക്ഷമതയെയും എങ്ങനെ ബാധിക്കുന്നുവെന്ന് പരിശോധിക്കുന്നത് വരെ പൊതുജനാരോഗ്യ ഗവേഷണം വൈവിധ്യമാർന്ന വിഷയങ്ങൾ ഉൾക്കൊള്ളുന്നു.

നന്നായി ബന്ധിപ്പിച്ചിരിക്കുന്ന ഒരു ലോകത്ത്, പോഷകാഹാര ഉപഭോഗം വിശാലമായ തോതിൽ ശരിയായി നിരീക്ഷിക്കുന്ന പ്രശ്നം പരിഹരിക്കുന്നതിന് പുതിയ സമീപനങ്ങളും സാങ്കേതികവിദ്യകളും വികസിപ്പിച്ചെടുക്കുന്നു.

ഡാറ്റ മനസ്സിലാക്കുന്നതിനും രോഗനിർണയം നടത്തുന്നതിനും പ്രവചിക്കുന്നതിനും വിശദീകരിക്കുന്നതിനും പോഷകാഹാര ഗവേഷണം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ് മോഡലുകളെ കൂടുതലായി ആശ്രയിച്ചിരിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കഴിവുകളും ഉപയോഗവും സമാനതകളില്ലാത്ത നിരക്കിൽ വർദ്ധിച്ചു.

മെഷീൻ ലേണിംഗ് അധിഷ്ഠിത അൽഗോരിതങ്ങളും പ്രോസസ്സിംഗ് ശേഷിയിലെ എക്സ്പോണൻഷ്യൽ വർദ്ധനവും ദ്രുതഗതിയിലുള്ള പുരോഗതിക്ക് ആക്കം കൂട്ടുകയും വൈവിധ്യമാർന്ന മാനുഷിക പരിശ്രമങ്ങളെയും സാമൂഹിക മേഖലകളെയും നുഴഞ്ഞുകയറുകയും രൂപാന്തരപ്പെടുത്തുകയും ചെയ്തു. പരിശീലന ഡാറ്റയെ അടിസ്ഥാനമാക്കി, ഇൻപുട്ട് വിവരങ്ങൾ ഒരു നിർദ്ദിഷ്ട ഔട്ട്പുട്ടിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിന് ഒരു അൽഗോരിതം സൃഷ്ടിക്കാൻ മെഷീൻ ലേണിംഗ് ഒരു കമ്പ്യൂട്ടർ സിസ്റ്റത്തെ പ്രാപ്തമാക്കും.

പൊതുജനക്ഷേമത്തിനും പോഷകാഹാരത്തിനുമായി ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗം

വ്യക്തിഗത തലത്തിലുള്ള പോഷകാഹാര ഗവേഷണത്തിൽ നിന്ന് സ്വയം വേർതിരിച്ചുകൊണ്ട് ക്ഷേമത്തിന്റെയും രോഗ പ്രതിരോധത്തിന്റെയും മൊത്തത്തിലുള്ള മേഖലകളിൽ പൊതുജനക്ഷേമവും പോഷകാഹാരവും നേതൃത്വം നൽകുന്നു.

രണ്ടാമത്തേത് വ്യക്തിഗത തലത്തിലുള്ള പോഷക ആവശ്യകതകൾ, മെറ്റബോളിസം, പാരമ്പര്യം എന്നിവയുടെ സങ്കീർണ്ണതകളിലേക്ക് ആഴത്തിൽ ഇറങ്ങിച്ചെല്ലുന്നു. ഇതിനു വിപരീതമായി, പൊതുജനക്ഷേമവും പോഷകാഹാരവും വ്യക്തിഗത ഭക്ഷണ ആവശ്യങ്ങളേക്കാളും ജനിതക മുൻഗണനകളേക്കാളും മുഴുവൻ ജനസംഖ്യയുടെയും ഭക്ഷണ ശീലങ്ങൾ മനസ്സിലാക്കുകയും സ്വാധീനിക്കുകയും ചെയ്യുന്നതിലാണ്.

പൊതുജനക്ഷേമത്തിലും പോഷകാഹാരത്തിലും എഐയുടെ വാഗ്ദാനം വിവിധ നൂതന രീതികളിൽ നിറവേറ്റപ്പെടുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ ഭക്ഷണ ചുറ്റുപാടുകൾ ദൃശ്യവൽക്കരിക്കുന്നതിനും വിലയിരുത്തുന്നതിനും പോഷകാഹാരങ്ങളുടെ പരിമിതമായ ലഭ്യതയുള്ള സ്ഥലങ്ങൾ കണ്ടെത്തുന്നതിനും ഉപയോഗപ്രദമാണെന്ന് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്, അവയെ സാധാരണയായി “ഭക്ഷ്യ മരുഭൂമികൾ” എന്ന് വിളിക്കുന്നു.

ചില സബ്സിഡികളുടെ ആഘാതം അല്ലെങ്കിൽ ജനസംഖ്യാ ഭക്ഷണ രീതികളിൽ നികുതി പോലുള്ള ഭാവി നയ നടപടികളുടെ അനന്തരഫലങ്ങൾ പ്രവചിക്കാൻ മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഉപയോഗിക്കുന്നു.

വലിയ തലത്തിൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ടെക്നിക്കുകൾ ലോകമെമ്പാടുമുള്ള ഭക്ഷ്യ ശൃംഖലകൾ നിരീക്ഷിക്കുന്നതിനും ഭക്ഷ്യ സുരക്ഷ ഉറപ്പാക്കുന്നതിനും കാലാവസ്ഥാ വ്യതിയാനം മൂലമുണ്ടാകുന്ന ഭാവി തടസ്സങ്ങൾ പ്രവചിക്കുന്നതിനും സഹായിച്ചിട്ടുണ്ട്.

പൊതുജനക്ഷേമവും പോഷകാഹാര ഇടപെടലുകളും വർദ്ധിപ്പിക്കുന്നതിന് കാർഷിക മേഖലകളുടെ സാറ്റലൈറ്റ് ഇമേജുകളും ഭക്ഷണ രീതികളെക്കുറിച്ചുള്ള ഓൺലൈൻ സംവാദങ്ങളും ഉൾപ്പെടെ വലിയ അളവിൽ ഡാറ്റ സൃഷ്ടിക്കാനും വിശകലനം ചെയ്യാനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപകരണങ്ങളെ പ്രാപ്തമാക്കുന്നു.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കുന്നതിന്റെ പരിമിതികൾ

അവഗണിക്കാൻ പാടില്ലാത്ത ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സാങ്കേതികവിദ്യകളെക്കുറിച്ച് ഗുരുതരമായ ആശങ്കകളുണ്ട്. ഡാറ്റാ സുരക്ഷ നിർണായകമാണ്, കൂടാതെ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അടിസ്ഥാനമാക്കിയുള്ള ഏതൊരു പൊതുജനാരോഗ്യ സംരംഭവും കമ്മ്യൂണിറ്റിയുടെയും വ്യക്തിഗത അവകാശങ്ങളുടെയും അവകാശങ്ങൾ മാനിക്കപ്പെടുന്നുവെന്ന് ഉറപ്പാക്കണം.

മറ്റൊരു പ്രധാന പ്രശ്നം പക്ഷപാതമാണ്; മെഷീൻ ലേണിംഗ് ഉപകരണങ്ങളിൽ ഉപയോഗിക്കുന്ന അൽഗോരിതങ്ങളുടെ കൃത്യത പരിശീലന ഡാറ്റയെ ആശ്രയിച്ചിരിക്കുന്നു, കൂടാതെ പരിശീലന ഡാറ്റാസെറ്റിലെ ഏതെങ്കിലും മുൻവിധി പക്ഷപാതപരമായ ഔട്ട്പുട്ടുകൾക്ക് കാരണമായേക്കാം, ഇത് നിലവിലുള്ള ആരോഗ്യ അസമത്വങ്ങൾ വർദ്ധിപ്പിക്കും.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ് മോഡലുകൾ ശക്തമായ മോഡലിംഗ് ഉപകരണങ്ങളാണെങ്കിലും, സമഗ്രവും നന്നായി ചിന്തിച്ചതുമായ മോഡലിംഗ് നടപടിക്രമങ്ങൾ പ്രയോഗിക്കുന്നതിൽ പരാജയപ്പെടുന്നത് തെറ്റായ കണ്ടെത്തലുകൾക്കും ധാർമ്മികവും പക്ഷപാതപരവുമായ പ്രശ്നങ്ങൾക്കും കാരണമാകും.

കമ്മ്യൂണിറ്റി ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ നേട്ടങ്ങൾ പ്രയോജനപ്പെടുത്തുകയും അതിന്റെ പ്രതികൂല പ്രത്യാഘാതങ്ങൾ കുറയ്ക്കുന്നതിന് നൂതന രീതികൾ ആവിഷ്കരിക്കുകയും വേണം. നൂതനാശയങ്ങളും ആരോഗ്യപരിപാലനവും തമ്മിലുള്ള പങ്കാളിത്തത്തിന്റെ സമയമാണിത്, സഹകരിക്കുന്നതിലൂടെ, ലോകമെമ്പാടുമുള്ള പോഷകാഹാര ആരോഗ്യം മെച്ചപ്പെടുത്തുന്നതിൽ ഗുണപരമായ മാറ്റത്തിനുള്ള ഒരു ഉപകരണമാണ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്ന് ഉറപ്പുനൽകാൻ കഴിയും.

നിഗമനങ്ങൾ

മൊത്തത്തിൽ, പൊതുജനക്ഷേമം, പോഷകാഹാരം എന്നീ മേഖലകളിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ പ്രയോഗത്തെ എഡിറ്റോറിയൽ ഉയർത്തിക്കാട്ടി. ജനസംഖ്യാ ആരോഗ്യത്തിലും പോഷകാഹാരത്തിലും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ സാധ്യതയുള്ള ഉപയോഗങ്ങൾ നിരവധിയാണ്, നിലവിലെ ഗവേഷണം പ്രായോഗികമായതിന്റെ ബാഹ്യ പരിധികൾ ഇല്ലാതാക്കിയേക്കാം.

പൊതുജനക്ഷേമത്തിലും പോഷകാഹാരത്തിലും, ഭക്ഷണ പരിതസ്ഥിതികൾ മാപ്പ് ചെയ്യാനും വിലയിരുത്താനും ആരോഗ്യകരമായ ഭക്ഷണങ്ങളിലേക്ക് നിയന്ത്രിത പ്രവേശനമുള്ള സ്ഥലങ്ങൾ തിരിച്ചറിയാനും ജനസംഖ്യാ ഭക്ഷണ രീതികളിൽ നയപരമായ നടപടികളുടെ സ്വാധീനം മുൻകൂട്ടി കാണാനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപയോഗിക്കുന്നു.

ഡാറ്റയുടെ സമൃദ്ധിയും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ വികസിച്ചുകൊണ്ടിരിക്കുന്ന കഴിവുകളും പര്യവേക്ഷണം ചെയ്യപ്പെടാത്ത നിരവധി അവസരങ്ങൾ നൽകുന്നു. മെച്ചപ്പെട്ട ഭക്ഷണക്രമം പ്രോത്സാഹിപ്പിക്കുന്നതിനും കമ്മ്യൂണിറ്റി തലത്തിൽ പോഷകാഹാര നില വർദ്ധിപ്പിക്കുന്നതിനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ സാധ്യതകൾ പ്രയോജനപ്പെടുത്താൻ ഗവേഷകർ ബോക്സിന് പുറത്ത് ചിന്തിക്കണം.

വരും വർഷങ്ങളിൽ, മണ്ണിന്റെ ഗുണനിലവാരം, കാലാവസ്ഥ, സാമൂഹിക സാമ്പത്തിക ഘടകങ്ങൾ എന്നിവ അനുസരിച്ച് മുഴുവൻ പ്രദേശങ്ങളുടെയും പോഷക ആവശ്യങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പവർ മോഡലുകൾ മുൻകൂട്ടി കാണുകയും ഭക്ഷ്യ മുൻഗണനകൾ നിർണ്ണയിക്കുന്നതിൽ നയരൂപകർത്താക്കളെ പിന്തുണയ്ക്കുകയും ചെയ്യും.

ലോകമെമ്പാടുമുള്ള ഭക്ഷണ രീതികൾ ട്രാക്കുചെയ്യുന്നതിനും നൂതന പ്രവണതകൾ കണ്ടെത്തുന്നതിനും പരിഹാരങ്ങൾ വേഗത്തിൽ തയ്യാറാക്കുന്നതിന് പൊതുജനാരോഗ്യ വിദഗ്ധരെ സഹായിക്കുന്നതിനും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഉപകരണങ്ങൾ ഉപയോഗിക്കാം. പോഷകാഹാര ആവശ്യകതകൾ സ്റ്റാൻഡേർഡ് ചെയ്യുന്നതിന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾക്ക് രാജ്യങ്ങളിൽ ഉടനീളം സഹകരിക്കാൻ കഴിയും, അതുവഴി ഒരേ സന്ദേശം എല്ലാവരിലേക്കും എത്തും.