江南大学：开发人工智能在食品安全风险治理中应用的发展建议

12月27日上午，江南大学与中国食品安全报社联合在北京举办 “人工智能在食品安全风险治理中应用场景与食品安全状况研究成果发布会”，集中发布一批涵盖政策建议、技术平台、标准规范和实践案例的研究成果，为我国食品安全治理数字化、智能化转型注入新动能。

江南大学发布的研究成果中显示，全国各地从实际出发，围绕人工智能赋能食品安全风险治理等已开展了积极探索，积累了重要经验，形成了丰富多彩的应用场景。如，一些地方构建区域性食品安全风险图谱，从不同维度对抽检、舆情、季节等多元数据进行融合，动态预测风险趋势；在“明厨亮灶”平台通过AI视觉系统开放识别出的后厨违规信息，供公众实时查询，形成市场倒逼机制；推广“一品一码”追溯体系，建立基于区块链的跨域追溯监管数据建模方法，构造全程、全链、全要素的问题食品追溯体系。这对推动食品安全风险治理实现从“被动响应”向“主动预防”、从“人海战术”向“智慧治理”的深刻转变奠定了重要基础。

然而，调查表明，各地在推进人工智能赋能食品安全风险治理的过程中也存在值得关注的突出问题：主要是缺乏有效统筹，一个省域内不同的市场监管部门各自建设AI平台，互不兼容，今后仍然可能形成区域间“数据孤岛”，资金效益低下；重硬件建设、轻数据基础，忽视专业语料建设，应用场景建成后沦为“场景摆设”，成为“半拉子工程”；部分供应商套用通用算法，未适配食品安全专业场景，导致性能低、实用性差等问题。这应该引起高度重视。

人工智能赋能食品安全风险治理是一个全新的课题，出现问题是正常的。进一步拓展开发人工智能在食品安全风险治理中应用新场景，建议应该考虑把握如下三个基本原则：

一是科学统筹。开辟人工智能在食品安全风险治理领域应用场景是一个庞大、复杂的系统工程，必须坚持科学统筹全域性设计。食品安全涉及农业、生产、流通、消费等多环节，数据来源分散、数据格式各异，若缺乏统一的技术、数据、接口等标准则将导致各级监管系统等之间仍然存在“数据孤岛”，AI模型无法获得全域数据训练，预测能力受限；跨区域风险追溯等协同成本高昂，缺乏协同操作监管机制和策略；各级各地若各自开发独立系统将导致重复投资、系统互不兼容，可能产生后期整合成本极高的风险；由于食品安全风险跨区域传播，若各地标准不一，可能因数据格式或流程差异，跨区域预警信息难以快速同步，产生风险响应滞后；食品产业链涉及大量中小微企业，若每进入一个地区都需适配新系统，可能将加重企业负担，增加跨区域间经营壁垒，不利于全国统一的食品大市场建设。

食品安全监管主要应以省级政府为科学统筹与全域性设计主体，省级政府负有落实国家法规、制定地方细则、组织跨区域协调的责任。由于人工智能治理体系的建设依赖数据、算力、技术与政策资源的集中配置，省级层面具备行政权威与财政能力，能够统筹域内农业、市场监管、卫健等多部门数据，打破“数据孤岛”，建立统一的数据标准与共享机制，为AI模型训练提供规模化、高质量的数据基础。因此，以省、自治区、直辖市为单元，推进科学统筹与全域性设计既能规避全国性“一刀切”的僵化，又能克服市县层面资源不足、标准繁杂、重复投资的缺陷，为人工智能在食品安全这一复杂系统中的落地提供了兼具统一性与灵活性的实施框架。

省级层面科学统筹与全域性设计的重点是基础架构与标准统一、风险预测与场景应用、运行机制与持续优化等三个层面，逐步形成“统一底座、智能分层、纵向贯通”的AI赋能食品安全风险治理新格局。同时，省级科学统筹与全域性设计可为国家层次提供“试验场”，通过地方创新探索最佳实践，再逐步向全国推广。因此，建议相关省、自治区、直辖市从各自实际出发，加快出台人工智能在食品安全风险治理领域应用场景的建设指南，在制修订地方性法规与相关规范性文件时，积极推动将“AI+食品安全风险治理”相关要求纳入其中，夯实制度基础。

二是强化基础。当前尚缺乏全国统一的食品安全领域专业语料库。尽管部分区域已积累一定规模的数据资源，但由于尚未建立系统化、标准化的数据治理与标注规则，实际可供机器学习等使用的高质量数据集仍显不足。因此，必须将高质量数据集构建、精细化语义标注及规范化语料库建设作为关键基础工作予以重点推进。若忽视此项基础建设，即使采用前沿的人工智能算法，也会因缺乏充分、可靠的数据支撑而难以发挥预期效能，恰似“无源之水”。这正是在推动人工智能赋能食品安全风险治理过程中，必须将数据质量治理与语料库体系构建置于优先位置的根本原因。

高质量数据集构建、精细化语义标注及规范化语料库建设十分复杂，必须强化各地区间的相互协同。国家层面可以“分工协同、分层共建、成果共享”为原则推进全国性高质量数据集与语料库建设，制定全国统一的食品安全专业性数据标准、标注规范与语料库架构，建立跨区域数据共享与安全交换机制。在国家层面相关规则的指导下，省、自治区、直辖市相互协同，分工共建，可依据本地食品产业特点，由不同省份牵头建设优势品类语料库，承担专项标注任务，完成特色领域标注；京津冀、长三角、珠三角等相邻省份相互协作，统一标注工具与流程，合作完成跨区域流通食品的语料库建设。国家建设中央语料库平台，归集各省、自治区、直辖市特色语料库，形成覆盖全链条的食品安全知识图谱，向全国开放，避免重复建设。

三是分步实施。在以省、自治区、直辖市为单元推进人工智能赋能食品安全风险治理的过程中，应当在统一省域设计框架下，坚持“分步实施、重点突破”的原则，避免资源分散与重复建设。可考虑遵循以下路径：（1）聚焦高风险领域，开展专项场景试点。针对当前食品安全的主要隐患，优先选择技术成熟度高、风险关联性强的领域进行突破。如：利用人工智能分析市场监管、电商平台、物流企业等多源数据，建立销售行为异常模型，识别无证经营、跨区异常流通、隐蔽交易等风险线索，实现食品添加剂与非食用化学物质异常销售监测；基于油料来源、生产工艺、检验报告及供应链数据，构建掺杂掺假风险AI预警模型，实现对花生油、橄榄油等高风险品类的精准靶向监测，科学预测食用植物油掺杂掺假风险等。（2）构建可重用的技术模块与数据标准，在试点场景中同步沉淀基础能力，如工况异常检测算法、掺假物质光谱分析模型等，形成可跨场景调用的算法仓库，形成共性技术模块；制定食品添加剂、食用植物油等品类的数据采集、标注与交换标准，为扩展至其他品类奠定基础，逐步形成垂直领域数据规范。（3）逐步扩展至全链条多场景应用。如，在相关应用场景试点成熟后，逐步向跨省流通食品的风险追踪与溯源协同，针对婴幼儿配方食品、保健食品等特殊人群产品的全周期风险监测，融合气候、环境数据的区域性食源性疾病预测预警等场景延伸。分步实施的核心逻辑是，以高频高风险场景为切口，通过试点沉淀标准化技术与数据资产，最终实现能力向全品类、全链条的系统性迁移，为人工智能在食品安全风险治理中的深化应用积累可持续、系统化、工程化与可复制、可推广的经验。