Polemika asko egon dira AAren bidez sortutako edukien inguruan; gorabidean dagoen teknologia horren legezko erabilerak zalantzan jarri zituzten Deep-Fake1 edukietatik azken kasuetako batera, non AA tresna batek perretxiko toxiko bat jan zitekeela adierazi zuen, eta ondorioz hainbat pertsonak ospitalean bukatu zuten.

Argi dago teknologia berri hori geratzeko heldu dela; hortaz, ondo erabiltzera ohitu behar dugu.

AAren aplikazioak nekazaritzako elikagaien sektorean

Elikagaien segurtasuna aplikazio posibleen zerrenda amaiezina duen iraultza gisa aurkeztu da, batez ere industria-esparruan; honako hauek azpimarra ditzakegu aplikazio horien artean:

  • Datu-bolumen handiak aztertzea: AAk datu-multzo handiak modu erosoagoan aztertzea ahalbidetzen du. Big Data erabiltzea errazten du, behar dugun analisia adieraz baitezakegu, programaziorik behar gabe
  • Ontzietako akats eta anomaliak hautematea: Kameren bidez azken produktuak begiz ikuskatzeko aplika daiteke.
  • Arriskuak iragartzea: unera arte gordetako datuak azter ditzake, baita sentsore batek baino gehiagok emandako datuak ere, denbora errealean, arrisku potentzialak iragartzeko.
  • Trazabilitatea hobetzea: elikadura-produktuen trazabilitatea hobetu liteke, Blockchain-aren tresna osagarri gisa erabiliz.
  • Elikagaien xahuketa murriztea: AAk elikagaien xahuketa murrizteko aukerak identifikatzen lagun dezake, ekoizpen-kateko begietan dauden urritze eta galerak aztertuz.

…batzuk aipatzearren.

Baina ez dugu ahaztu behar egun eskura ditzakegun AAk erantzunak eman eta elkarrizketak izateko pentsatuta dauden hizkuntza-ereduak direla… baina datuek Interneten daudenak izaten jarraitzen dute.

Hau da, gerta liteke AAk zehaztasunik ez duen edo oso txikia duen Interneteko iturri bat fidagarritzat jotzea.

AAko ereduen mugak

Nekazaritzako elikagaien sektorean aplikazio asko dauden arren, eta AAk potentzial handia duen arren elikagaien segurtasunean, egungo AAko ereduek hainbat muga dituzte, eta hauek dira aipagarrienak:

1. Informazio-iturri ez oso zehatzak kontsultatzea. Lehenago aipatu dugun bezala, AAk emandako informazioaren zehaztasuna tresna entrenatu eta horrek kontsultak egiteko erabilitako datu-iturrien kalitatearen mende dago.

2. Kontsultak gaizki ulertzea. Chatbot2 baten edo zuzenean AAren bidez, galderak edo promptak egiteko moduak ematen den erantzuna baldintzatzen du; hortaz, modu ezberdinetan formulatutako galdera berak emaitza desberdinak eman ditzake.

3. EZ dute irizpide profesionala ordezten. AA eginkizun askotarako erabil daiteke, emaitza ikaragarriak lortuz, baina diagnostiko bat egin edo sendagai bat emateko beharrezkoa da osasun-profesional batek gainbegiratzea.

4. Mugak pribatutasunean eta konfidentzialtasunean. AAko plataformak erabiltzaileekin egindako interakzio bakoitzarekin entrenatzen dira, eta tresnak informazio pribatu edo konfidentziala ikasi eta erreproduzitzeko arriskua dago (ezarpenetan hori saihesteko aukerak daude, baina ez dira egiteko errazak tresna horiek erabiltzen oso trebeak ez bagara).

5. Funtzionamenduaren inguruko gardentasun-falta. Ez dakigu zehazki adimen horiek nola funtzionatzen duten eta zein baldintzek arautzen dituzten; informazio hori sekretu gisa gordetzen da, Googlek bilaketak sailkatzeko duen algoritmoaren edo METAk (Instagram) edukiak antolatzeko duenaren antzera.

Horren adibide bat…

2024ko udan hedabideetan perretxikoengatiko intoxikazio kasu bat zabaldu zen, AA batek perretxiko toxiko bat jangarri gisa identifikatu baitzuen. Gauza bera gerta daiteke AA bati elikagaien segurtasunaren inguruan galdetu ahal zaion beste edozein informaziorekin. Hori dela eta, informazio-iturri fidagarriak kontsultatzen jarraitu behar dugu, arlo horretako informazioa biltzeko edo, behintzat, AAk ematen digun informazioa egiaztatzeko.

Perretxikoen adibidera bueltatuz gero, Store-etan argitaratutako app mugikorren inguruan egindako azterketa batek hau deskubritu zuen: app zehatzenak kasuen % 44an baino ez zituen ondo identifikatzen perretxiko arriskutsuak. Beharbada, uneren batean AAk errore-marjina oso baxua izan arte egingo du aurrera, baina oraindik etorkizun hori urrun dago. Hortaz, ez genuke AAren eskuetan utzi beharko elikagaien segurtasuneko etxeko erabakiak hartzeko bildutako informazioa, are gehiago pertsona zaurgarriak bagara edo horien zaindariak bagara.

Nola kontrolatzen dira adimen horiek?

Teknologia hain berria denez, ahalegin handiak egiten ari dira arautzeko. Europako Parlamentuaren eta Kontseiluaren 2024ko ekainaren 13ko 2024/1687 (EB) Erregelamenduak adimen artifizialaren arloko arau harmonizatuak ezartzen ditu.

Erregelamendu horrek AAren arrisku-mailak zehazten ditu, tresnaren erabileraren eta horrek erabilitako informazioaren arabera.

Adibidez, “Chatbot”-ek eta “AAk sortutako edukiek” GARDENTASUNEKO ARRISKU ESPEZIFIKOAK direlakoak sor ditzakete, zeinak informazioari lotutako betebeharren mende dauden; adibidez: erabiltzaileari jakinaraztea makina (Chatbot) batekin ari dela, edo AAk sortutako edukiak etiketatzea.

Jarraian ARRISKU HANDIA dugu; horren adibide da betekizun zorrotzak (adibidez, gizakiek gainbegiratzea, merkaturatze ostean zaintzea, trazabilitate tekniko eta dokumentala…) bete beharko lituzkeen “AAn oinarritutako software medikoa”.

ONDORIOAK

Kasu askotan, adimen artifizialeko ereduak jarraibide (edo prompt direlakoak) oso landu eta zehatzak behar ditu lan ona egiteko, eta akatsak egin ditzake.

Diagnosia egiteko gai diren eta Interneten egiten ditugun bilaketek ordeztu ezin dituzten osasuneko profesionalak dauden bezala, berdin jardun beharko genuke elikagaien segurtasunari buruzko informazioarekin ari garenean.

Saihestezina da tresna horiek kontsultatzea, eta AAek bilaketak errazten dizkigute, baina beti eskatu behar da erantzuteko erabili diren iturriak emateko, eta, badaezpada, horiek kontsultatu beharko genituzke.

Bibliografia

  1. Deep Fakes: Adimen artifizialaren bidez sortutako bideo-, irudi- edo ahots-fitxategiak dira, pertsona ezagunen edo fikziozkoen antzekoak. ↩︎
  2. Chatbot: adimen artifizialaren bidez giza elkarrizketa edo txata simulatzen duen programa ↩︎