江南大學：開發人工智能在食品安全風險治理中應用的發展建議

12月27日上午，江南大學與中國食品安全報社聯合在北京舉辦 “人工智能在食品安全風險治理中應用場景與食品安全狀況研究成果發布會”，集中發布一批涵蓋政策建議、技術平臺、標準規范和實踐案例的研究成果，為我國食品安全治理數字化、智能化轉型注入新動能。

江南大學發布的研究成果中顯示，全國各地從實際出發，圍繞人工智能賦能食品安全風險治理等已開展了積極探索，積累了重要經驗，形成了豐富多彩的應用場景。如，一些地方構建區域性食品安全風險圖譜，從不同維度對抽檢、輿情、季節等多元數據進行融合，動態預測風險趨勢；在“明廚亮灶”平臺通過AI視覺系統開放識別出的后廚違規信息，供公眾實時查詢，形成市場倒逼機制；推廣“一品一碼”追溯體系，建立基于區塊鏈的跨域追溯監管數據建模方法，構造全程、全鏈、全要素的問題食品追溯體系。這對推動食品安全風險治理實現從“被動響應”向“主動預防”、從“人海戰術”向“智慧治理”的深刻轉變奠定了重要基礎。

然而，調查表明，各地在推進人工智能賦能食品安全風險治理的過程中也存在值得關注的突出問題：主要是缺乏有效統籌，一個省域內不同的市場監管部門各自建設AI平臺，互不兼容，今后仍然可能形成區域間“數據孤島”，資金效益低下；重硬件建設、輕數據基礎，忽視專業語料建設，應用場景建成后淪為“場景擺設”，成為“半拉子工程”；部分供應商套用通用算法，未適配食品安全專業場景，導致性能低、實用性差等問題。這應該引起高度重視。

人工智能賦能食品安全風險治理是一個全新的課題，出現問題是正常的。進一步拓展開發人工智能在食品安全風險治理中應用新場景，建議應該考慮把握如下三個基本原則：

一是科學統籌。開辟人工智能在食品安全風險治理領域應用場景是一個龐大、復雜的系統工程，必須堅持科學統籌全域性設計。食品安全涉及農業、生產、流通、消費等多環節，數據來源分散、數據格式各異，若缺乏統一的技術、數據、接口等標準則將導致各級監管系統等之間仍然存在“數據孤島”，AI模型無法獲得全域數據訓練，預測能力受限；跨區域風險追溯等協同成本高昂，缺乏協同操作監管機制和策略；各級各地若各自開發獨立系統將導致重復投資、系統互不兼容，可能產生后期整合成本極高的風險；由于食品安全風險跨區域傳播，若各地標準不一，可能因數據格式或流程差異，跨區域預警信息難以快速同步，產生風險響應滯后；食品產業鏈涉及大量中小微企業，若每進入一個地區都需適配新系統，可能將加重企業負擔，增加跨區域間經營壁壘，不利于全國統一的食品大市場建設。

食品安全監管主要應以省級政府為科學統籌與全域性設計主體，省級政府負有落實國家法規、制定地方細則、組織跨區域協調的責任。由于人工智能治理體系的建設依賴數據、算力、技術與政策資源的集中配置，省級層面具備行政權威與財政能力，能夠統籌域內農業、市場監管、衛健等多部門數據，打破“數據孤島”，建立統一的數據標準與共享機制，為AI模型訓練提供規?；⒏哔|量的數據基礎。因此，以省、自治區、直轄市為單元，推進科學統籌與全域性設計既能規避全國性“一刀切”的僵化，又能克服市縣層面資源不足、標準繁雜、重復投資的缺陷，為人工智能在食品安全這一復雜系統中的落地提供了兼具統一性與靈活性的實施框架。

省級層面科學統籌與全域性設計的重點是基礎架構與標準統一、風險預測與場景應用、運行機制與持續優化等三個層面，逐步形成“統一底座、智能分層、縱向貫通”的AI賦能食品安全風險治理新格局。同時，省級科學統籌與全域性設計可為國家層次提供“試驗場”，通過地方創新探索最佳實踐，再逐步向全國推廣。因此，建議相關省、自治區、直轄市從各自實際出發，加快出臺人工智能在食品安全風險治理領域應用場景的建設指南，在制修訂地方性法規與相關規范性文件時，積極推動將“AI+食品安全風險治理”相關要求納入其中，夯實制度基礎。

二是強化基礎。當前尚缺乏全國統一的食品安全領域專業語料庫。盡管部分區域已積累一定規模的數據資源，但由于尚未建立系統化、標準化的數據治理與標注規則，實際可供機器學習等使用的高質量數據集仍顯不足。因此，必須將高質量數據集構建、精細化語義標注及規范化語料庫建設作為關鍵基礎工作予以重點推進。若忽視此項基礎建設，即使采用前沿的人工智能算法，也會因缺乏充分、可靠的數據支撐而難以發揮預期效能，恰似“無源之水”。這正是在推動人工智能賦能食品安全風險治理過程中，必須將數據質量治理與語料庫體系構建置于優先位置的根本原因。

高質量數據集構建、精細化語義標注及規范化語料庫建設十分復雜，必須強化各地區間的相互協同。國家層面可以“分工協同、分層共建、成果共享”為原則推進全國性高質量數據集與語料庫建設，制定全國統一的食品安全專業性數據標準、標注規范與語料庫架構，建立跨區域數據共享與安全交換機制。在國家層面相關規則的指導下，省、自治區、直轄市相互協同，分工共建，可依據本地食品產業特點，由不同省份牽頭建設優勢品類語料庫，承擔專項標注任務，完成特色領域標注；京津冀、長三角、珠三角等相鄰省份相互協作，統一標注工具與流程，合作完成跨區域流通食品的語料庫建設。國家建設中央語料庫平臺，歸集各省、自治區、直轄市特色語料庫，形成覆蓋全鏈條的食品安全知識圖譜，向全國開放，避免重復建設。

三是分步實施。在以省、自治區、直轄市為單元推進人工智能賦能食品安全風險治理的過程中，應當在統一省域設計框架下，堅持“分步實施、重點突破”的原則，避免資源分散與重復建設。可考慮遵循以下路徑：（1）聚焦高風險領域，開展專項場景試點。針對當前食品安全的主要隱患，優先選擇技術成熟度高、風險關聯性強的領域進行突破。如：利用人工智能分析市場監管、電商平臺、物流企業等多源數據，建立銷售行為異常模型，識別無證經營、跨區異常流通、隱蔽交易等風險線索，實現食品添加劑與非食用化學物質異常銷售監測；基于油料來源、生產工藝、檢驗報告及供應鏈數據，構建摻雜摻假風險AI預警模型，實現對花生油、橄欖油等高風險品類的精準靶向監測，科學預測食用植物油摻雜摻假風險等。（2）構建可重用的技術模塊與數據標準，在試點場景中同步沉淀基礎能力，如工況異常檢測算法、摻假物質光譜分析模型等，形成可跨場景調用的算法倉庫，形成共性技術模塊；制定食品添加劑、食用植物油等品類的數據采集、標注與交換標準，為擴展至其他品類奠定基礎，逐步形成垂直領域數據規范。（3）逐步擴展至全鏈條多場景應用。如，在相關應用場景試點成熟后，逐步向跨省流通食品的風險追蹤與溯源協同，針對嬰幼兒配方食品、保健食品等特殊人群產品的全周期風險監測，融合氣候、環境數據的區域性食源性疾病預測預警等場景延伸。分步實施的核心邏輯是，以高頻高風險場景為切口，通過試點沉淀標準化技術與數據資產，最終實現能力向全品類、全鏈條的系統性遷移，為人工智能在食品安全風險治理中的深化應用積累可持續、系統化、工程化與可復制、可推廣的經驗。