Dalla ricerca di batteri alle frodi nei piatti: un’analisi approfondita studia i vantaggi e i limiti delle nuove tecnologie a tavola
L’intelligenza artificiale (IA), nelle sue diverse applicazioni, è al centro del dibattito pubblico mondiale da settimane, a causa degli allarmi lanciati da più parti sulla sua rapida evoluzione. La rappresentazione dei rischi tende però a tralasciare il fatto che l’IA è già presente in moltissimi ambiti, compreso quello alimentare, un settore che l’IA sta trasformando profondamente e al quale garantisce già vantaggi rilevanti, pur comportando rischi e presentando ancora numerosi limiti.
Nel 2025 la FAO ha dedicato al tema una monografia e ora i ricercatori dell’Università di Wageningen, nei Paesi Bassi, hanno pubblicato una review della letteratura scientifica più recente sulla rivista del gruppo Nature npj Science of Food, in cui fanno punto partendo da 161 studi usciti sul tema fino al 2024 (da notare che nel 2012 c’era stato un solo studio, mentre nel 2023 erano già 46).
Per cercare di mettere ordine a ricerche molto diverse, gli autori le hanno raggruppate in cinque grandi settori: rischi microbiologici; rischi chimici; frodi alimentari; sorveglianza; altro (categoria ampia, che comprende il deterioramento, la tracciabilità, i controlli, l’adesione ai regolamenti e altri settori).
Rischio microbiologico
Il controllo delle possibili contaminazioni microbiche è l’argomento al quale è stato dedicato il maggior numero di studi (46 su 161), incentrati principalmente sulle performance dei sistemi di intelligenza artificiale su parametri quali accuratezza, velocità, costi ed efficienza. In pratica, si è cercato di capire se e quanto le IA potessero aiutare a individuare eventuali batteri o altri microrganismi presenti, e si è visto che, grazie soprattutto ai programmi che eseguono l’analisi dei geni presenti o delle colorazioni Istologiche di un test classico, non solo è possibile accelerare i tempi, ma si ottiene un ampliamento delle indagini e un rilevamento di più specie rispetto alle tecniche manuali.
Tra gli esempi citati c’è quello di uno studio nel quale è stata verificata la ricerca di ceppi di Salmonella, Escherichia coli e Listeria e la successiva capacità dell’ IA di isolare la Salmonella tramite un “naso elettronico”, il risultato è stato un’accuratezza compresa tra l’85% e il 100%. Uno studio su cinque riguardava invece la capacità dell’ IA di prevedere future contaminazioni, un ambito assai più scivoloso perché strettamente dipendente dalle informazioni utilizzate per l’addestramento, ma utile in situazioni quali agli allevamenti, dove un’indagine sulla presenza microbica nel terreno può essere un indicatore assai attendibile, così come può avvenire nell’analisi delle acque effettuata con il contributo dell’ IA.
Rischio chimico
Pesticidi, residui di fitofarmaci e di farmaci veterinari, metalli pesanti, afla- e micotossine e altro possono essere individuati prima e in modo più efficiente con opportuni programmi di IA. A questi è dedicato circa un quarto degli studi, che stanno facendo emergere la tendenza a proporre strumenti da utilizzare sul campo, non invasivi e quindi ottimali. In un terzo di questi studi i ricercatori hanno impiegato l’IA per rintracciare i residui di cadmio nel riso, mentre in un altro lavoro il software ha dimostrato un’elevata efficacia nell’analizzare thiabendazolo e fuberidazolo nel vino rosso. Alcuni programmi sono focalizzati su aflatossine e altre micotossine. Non mancano poi IA dedicate alla ricerca di contaminanti chimici negli alimenti provenienti da paesi esteri, anche a integrazione del sistema RASFF (EU Rapid Alert System for Food and Feed).
Intelligenza artificiale e frodi alimentari
Il 17% degli studi riguarda le frodi alimentari; in questi casi le IA sono state utilizzate per elaborare meglio i dati della spettroscopia e di altri metodi classici, così come con nasi e lingue elettronici, per esempio per controllare la qualità dei funghi porcini o della carne bovina in modo non invasivo. Alcuni programmi hanno evidenziato la probabilità del rischio di contraffazione, e in un caso che riguardava analisi di oli alimentari non sono serviti neppure i campioni, ma sono bastate le fatture (oltre cento milioni quelle passate al setaccio dell’IA, che ha individuato anomalie sospette nelle transazioni). Anche i dati prettamente commerciali possono quindi essere strumenti utili a scovare le frodi, quando è l’IA a interpretarli.
Sorveglianza
Un altro settore nel quale l’IA può risultare cruciale è quello della sorveglianza e del controllo in seguito alla segnalazione di focolai infettivi, soprattutto alle frontiere. L’ IA può infatti aiutare a stabilire le priorità nei controlli, a prevedere i movimenti delle infezioni attraverso il commercio o altro, a confermare quanto scoperto dal personale medico o veterinario in merito alla provenienza di un certo ceppo. Anche in questo caso ci sono state ricerche che hanno sfruttato strumenti poco abituali come il tracciamento degli smartphone per seguire il percorso di un’infezione originatasi per esempio in un ristorante. Rispetto ai sistemi tradizionali, quelli supportati dall’ IA hanno in media una possibilità di successo tripla.
Altro (sicurezza alimentare in generale)
In questa grande categoria rientrano studi che affrontano alcuni degli argomenti presenti nelle altre ma con approcci diversi, o che combinano due o più tematiche. Inoltre ve ne sono altri sul deperimento dei cibi, sulla presenza di animali infestanti (per esempio nei salmoni, per analizzare la reale freschezza) o altri che determinano un range di rischio alimentare in base alle caratteristiche sociodemografiche di una certa zona. Infine, l’ IA è utilizzata anche per analizzare la qualità delle leggi e la loro comprensione e accettazione da parte dei consumatori sia a livello nazionale che tra paesi diversi.
Come in tutti gli ambiti, anche in quello alimentare le IA si basano sui dati, e questo è probabilmente l’aspetto più problematico, sia per via delle differenze nella raccolta degli stessi sia per le questioni associate alla privacy e al segreto industriale che protegge le aziende. Gli algoritmi, inoltre, dipendono dall’addestramento e, come per tutto il settore, anche in campo alimentare la discussione è aperta. Secondo gli autori, le soluzioni più efficaci sono quelle che puntano su IA che spieghino le proprie decisioni (Explainable AI) e sul cosiddetto Federated Learning, strutturato in modo da non concentrate in un unico luogo la raccolta dei dati, per rendere il sistema al tempo stesso meno vulnerabile e più controllabile. Ciò che emerge è comunque la grande versatilità e pervasività dell’intelligenza artificiale in ambito alimentare: l’IA è già una realtà, ed è opportuno conoscerla e utilizzarla al meglio.
© Riproduzione riservata. Foto: Fotolia (copertina), inviate dal lettore.
Giornalista scientifica
