分析人工智能与高级信息技术整合在减少食物损失和浪费方面的障碍:基于食品供应链多主体研究
《INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS》:Analyzing Barriers to AI-HI Integration for Food Loss and Waste Reduction: A Multi-Actor Study of Food Supply Chains
【字体:
大
中
小
】
时间:2026年07月18日
来源:INTERNATIONAL JOURNAL OF PRODUCTION ECONOMICS 10.6
编辑推荐:
•提出了一种新的决策框架,用于分析人工智能与人类智能整合在减少食品供应链损失和浪费方面的障碍。•基于社会技术系统理论及专家评估,构建了分层障碍结构。•将基于相似性聚合方法的加权赫罗尼安平均运算符扩展到IVTSF情境中,以提高决策精度。•整合IVTSF-WINGS-WISP-Bor
•提出了一种新的决策框架,用于分析人工智能与人类智能整合在减少食品供应链损失和浪费方面的障碍。•基于社会技术系统理论及专家评估,构建了分层障碍结构。•将基于相似性聚合方法的加权赫罗尼安平均运算符扩展到IVTSF情境中,以提高决策精度。•整合IVTSF-WINGS-WISP-Borda模型,以确定关键障碍并优化战略决策。•指出“提升隐私与安全”是最为重要的障碍,为政策制定者和相关方提供了可操作的见解。
引言
根据联合国环境规划署2024年发布的《食品浪费指数报告》,在零售、餐饮服务及家庭领域,有19%的可供消费者获取的食品被浪费。食品损失和浪费发生在供应链的多个环节。在发展中国家,大约40%的食品在生产、收割和储存过程中丢失;而在发达国家,约35%的食品浪费源于供应链末端的消费者。此外,报告还指出,食品浪费是一种严重的市场失灵现象,每年导致价值超过1万亿美元的食品被丢弃。同时,它也是一种环境问题,占全球温室气体排放量的8-10%,其中包括食品损失和浪费带来的排放。全球近30%的农业用地被用于处理食品浪费,这凸显了其巨大的环境影响。因此,解决食品损失和浪费问题对于减少有害气体排放、缓解气候变化影响以及实现可持续发展目标至关重要(Sharma等人,2024)。
目前,诸如智能包装、基于大数据的预测分析以及区块链驱动的农业生产等先进技术正在被引入食品供应链,以减少食品损失和浪费(Agya,2025)。随着各类人工智能工具的快速发展,许多研究都在探讨人工智能在降低食品供应链损失和浪费方面的潜力。人工智能技术有望影响食品供应链的各个环节,包括生产(Ma等人,2026a)、运输(Sharma等人,2022)以及相关服务(Shiraishi等人,2025)。例如,IBM的Food Trust平台结合了区块链和基于人工智能的分析技术,提升了沃尔玛、家乐福等大型零售商的透明度,减少了食品变质现象(Kamath,2018)。同样,Too Good To Go这一移动平台利用人工智能驱动的需求预测功能,与餐厅和超市合作重新分配未售出的食品,2023年就拯救了超过1.2亿份食物(Sgroi等人,2024)。这些案例都展现了人工智能在提高效率、减少不同食品供应链环节中的浪费方面的巨大潜力。
然而,尽管基于人工智能的解决方案越来越被广泛应用,但纯粹的算法方法往往难以应对那些需要基于具体情境判断、伦理考量以及实践经验才能解决的复杂社会技术问题(Ferrario等人,2020)。食品供应链本质上涉及大量由人类做出的动态决策,比如判断产品新鲜度、管理消费者预期以及确保安全标准,而这些都无法通过自动化手段实现。因此,将人工智能与人类智能相结合,成为实现平衡、灵活且可持续决策的一种富有前景的途径(Siaw和Ali,2024)。人工智能与人类智能的结合能够充分发挥逻辑决策与情感决策的优势,从而形成更为理性高效的决策方式。这种协同作用使得人工智能成为人类认知能力的自然延伸与强化手段,进而优化整个系统的性能。在减少食品损失和浪费方面,人工智能与人类智能整合的一个典型实例是中山粮仓的“人工智能+粮食安全”实践(Network,2025)。该粮仓通过密集的传感器网络、360度摄像头以及自动进料系统和集中控制装置实现智能化管理。在检查粮食状况时,人工智能会实时在“粮食温度地图”上标记出异常区域,并提出针对性的处理建议。随后,人工管理人员会对这些异常情况进行核实,调整安全阈值,选择合适的处理措施,并记录结果以便不断优化相关规则和标准(见图1)。这种从人工巡检向数据驱动的核查方式的转变,有助于防止初期出现的温度升高、霉菌滋生和虫害问题进一步恶化,缩短响应时间,减少不必要的全面处理措施,同时优化库存周转,从而降低可避免的存储损失,保障整个供应链中的粮食质量。
尽管人工智能与人类智能的整合在减少食品供应链中的损失和浪费方面效果显著,但仍面临诸多挑战。例如,在智能仓储系统中,人工智能视觉系统虽然可以实时检测产品的老化情况,但仓库操作员可能会因为基于经验的直觉或相互矛盾的绩效指标而忽视人工智能的警报,从而导致协调问题(Kumar等人,2022)。在智能物流领域,人工智能路径规划系统往往无法适应人类驾驶员对当地交通状况和安全限制的实际了解(Adeoye等人,2025)。同样,在食品安全检查中,基于人工智能的异常检测工具也需要人工检查员来验证传感器检测到的异常数据(Chen和Yu,2021)。这一过程还面临着信任度不一致、责任界定不清以及人工智能输出结果的可解释性不足等问题(Ferrario等人,2020)。在农业领域,农民在使用基于人工智能的灌溉系统时,如果天气预报与他们的传统经验或当地小气候条件相悖,他们可能会犹豫是否采纳人工智能的建议。这些案例都表明,人类的差异性、信任度的调整以及结果的可解释性仍然是阻碍人工智能与人类智能有效协作的重要因素(Wang等人,2024a)。因此,系统地识别和分析这些社会技术障碍,对于在食品供应链中成功应用人工智能与人类智能的整合至关重要。全面了解这些挑战不仅有助于改进技术设计以及人机协作机制,还能为政策制定者和行业相关方提供指导,帮助他们制定出推动可持续且以人为中心的人工智能应用的策略。正是出于对这一问题的关注,本研究旨在实现两个主要目标:①识别并评估阻碍人工智能与人类智能整合以减少食品损失和浪费的关键障碍;②评估食品供应链中不同参与方在应对这些障碍方面的表现。这些目标引出了以下几项研究问题:
RQ1:考虑到障碍的解决难度及其带来的技术和社会影响,实施人工智能与人类智能整合以减少食品供应链中的损失和浪费面临的主要障碍是什么?
RQ2:这些已识别的障碍之间是如何相互作用的?它们对人工智能与人类智能整合的成功实施又产生了怎样的影响?
RQ3:在应对人工智能与人类智能整合所带来的障碍以减少食品损失和浪费方面,哪些食品供应链参与方的表现更为出色?
为了解决这一研究问题,本研究开发了一个综合框架。首先,由于社会因素和技术因素之间存在着紧密的联系并且会共同发展,因此识别人工智能与人类智能整合的障碍本身就具有很大的难度(Akinwalere和Chang,2026)。为此,我们运用社会技术系统理论,通过明确体现社会层面和技术层面之间的相互作用,系统地梳理出潜在的障碍类别。不过,仅依靠文献研究很容易出现重复和主观性问题。因此,我们采用了模糊德尔菲法,通过专家共识来进一步完善和验证这些潜在的障碍。其次,对障碍的评估依赖于专家通过语言表达给出的判断,而这些判断本身就带有不确定性和模糊性(Chen等人,2026)。与其他方法相比,如勾股法或q-rung正交模糊集,IVTSFS提供了更加灵活且富有表现力的表示空间,特别适合用来描述专家评估中存在的模糊性和主观性特征(Yang等人,2022)。第三,人工智能与人类智能整合的障碍并非相互独立,而是一个高度相互关联的系统,某些障碍可能会对其他障碍产生直接或间接的影响(Sonar等人,2023)。为了更好地体现这一特点,我们采用了WINGS方法,因为它不仅能反映障碍影响的强度,还能评估其整体的结构效应。第四,要评估不同食品供应链参与方面临的障碍程度,就需要一种稳健的多准则决策方法,能够在存在不确定性情况下依然得出稳定且一致的排序结果。传统的TOPSIS、WASPAS和ARAS等方法容易受到数据变化的影响,且聚合功能的灵活性较差。因此,我们采用了经过扩展的WISP-Borda模型,因为它整合了多种聚合机制,从而提高了排序的稳定性。此外,引入Borda法则进一步降低了排序结果的一致性偏差,提升了最终结果的可靠性。
基于以上考虑,我们开发了一个综合的IVTSF-WHMA-WINGS-WISP-Borda框架,用于系统地分析各种障碍,并为在食品供应链中应用人工智能与人类智能整合以减少损失和浪费提供支持。该框架还被用于评估食品供应链中不同类型参与方在应对这些障碍方面的表现。农业食品供应链本身具有高度的异质性,不同产品类别、不同易腐性特征、不同的治理结构以及不同的数字化成熟度都会带来差异。因此,本研究并不试图全面涵盖这种复杂性,而是采用代表性参与方的分析方法,将所提出的社会技术障碍评估框架应用于具有代表性的供应链参与方,以此揭示不同参与方在面对障碍时的暴露程度以及适应能力上的差异。
本研究通过一个综合框架,探讨了在食品供应链中应用人工智能与人类智能整合以减少损失和浪费所面临的障碍。本研究在多个方面丰富了现有关于人工智能应用障碍的相关研究:
(1) 本研究将人工智能与人类智能整合的研究拓展到了食品供应链减少损失和浪费的背景下,使研究焦点从单纯将人工智能视为一种独立的技术解决方案,转向将其视为一种用于改善与损失和浪费相关的决策的社会技术整合方式。
(2) 人工智能与人类智能整合的障碍是多维度且相互依赖的,而非孤立的约束条件。从社会技术系统理论的角度来看,本研究揭示了社会因素和技术因素如何共同影响食品供应链中的技术应用进程。
(3) 本研究不仅致力于识别关键障碍,还进一步探讨了不同食品供应链参与方是如何应对这些障碍的。通过将障碍分析与参与方层面的表现相结合,本研究揭示了供应链中不同参与方在技术应用条件上的差异,为更有针对性的管理措施和政策干预提供了依据。
(4) 本研究开发了一个综合框架,用于分析复杂社会技术环境中的人工智能与人类智能整合障碍。该框架能够有效应对专家判断中的不确定性以及各障碍之间的相互依赖关系。
(5) 通过敏感性分析以及与现有多准则决策方法的比较,验证了所提框架的稳健性。研究结果表明,无论条件如何变化,该框架都能得出稳定的排序结果,且与其他方法相比具有高度一致性,从而证明了该模型的可靠性。
本文共分为六个部分。第二部分为文献综述,介绍了与本研究相关的先前研究成果,如人工智能在减少食品供应链损失和浪费中的应用、IVTSF决策模型以及经过扩展的WISP模型。第三部分则对人工智能与人类智能整合以减少损失和浪费所面临的障碍给出了全面的定义。第四部分阐述了分析这些障碍的方法,包括如何整合不同主体的偏好、计算障碍权重以及评估障碍程度。第五部分展示了研究结果并进行讨论。第六部分则总结了研究结论、局限性以及未来研究的建议。余晨:写作——审阅与编辑、验证、方法论、研究。未引用参考文献:联合国环境规划署,2024年。致谢:本项工作部分得到了中国国家自然科学基金(72101004)以及安徽省高校年度科学研究计划(2023AH030053)的支持。杨正炎|王伟中|余晨|杜尔孙·德伦|穆罕默特·德韦吉
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号