DOI: https://doi.org/10.3389/frai.2024.1429477
PMID: https://pubmed.ncbi.nlm.nih.gov/39917546
تاريخ النشر: 2025-01-23
المؤلف: Quintana Clark وآخرون
الموضوع الرئيسي: تقليل هدر الطعام والاستدامة
نظرة عامة
تستكشف هذه الدراسة تكيف استراتيجيات إدارة نفايات الطعام المدفوعة بالذكاء الاصطناعي من قطاع الضيافة للاستخدام المنزلي. تسلط الضوء على التنفيذ الناجح للتقنيات من قبل شركات مثل Leanpath وWinnow وKitro، التي تستخدم البيانات في الوقت الحقيقي والتحليلات التنبؤية لمراقبة وتقليل نفايات الطعام بشكل فعال في الفنادق والمطاعم. من خلال نهج دراسة حالة آلية، تستخدم البحث مقابلات شبه منظمة مع ممثلي الصناعة لاستخراج رؤى حول التقنيات والاستراتيجيات الفعالة. تشير النتائج إلى أنه مع التعديلات اللازمة من حيث النطاق والتكلفة ومشاركة المستخدم، يمكن أن تعزز هذه الحلول المدفوعة بالذكاء الاصطناعي بشكل كبير إدارة الطعام في المنازل من خلال توفير رؤى حول أنماط الاستهلاك، وتذكيرات انتهاء الصلاحية، وتعزيز الممارسات المستدامة.
تؤكد الخاتمة على الإمكانات التحويلية لتقنيات الذكاء الاصطناعي في معالجة نفايات الطعام على مستوى الأسرة، مشيرة إلى أن التطورات المستقبلية ستعتمد على التطور التكنولوجي، وأطر السياسات، والمواقف الاجتماعية، والمبادرات التعليمية. تقترح الدراسة إطارًا شاملاً يتضمن حلول الذكاء الاصطناعي القياسية، وبروتوكولات خصوصية البيانات، والحوافز الاقتصادية، وحملات التوعية العامة لتسهيل انتقال هذه التقنيات من المطابخ التجارية إلى المنازل. بينما تعترف بالتحديات المتعلقة بالتنفيذ، تؤكد البحث على الفرصة لتحقيق تقليل كبير في النفايات وتعزيز الاستدامة من خلال السياسات المستنيرة والمشاركة المجتمعية، مما يمهد الطريق في النهاية لحلول قابلة للتوسع لتحديات نفايات الطعام العالمية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على القضية العالمية الحرجة لنفايات الطعام، التي تمثل حوالي ثلث جميع الطعام المنتج، مما يترجم إلى حوالي 2 مليار طن سنويًا. تؤدي هذه النفايات إلى عواقب بيئية واقتصادية كبيرة، بما في ذلك إطلاق حوالي 3 مليارات طن من غازات الدفيئة من المدافن وخسارة اقتصادية سنوية تقارب 160 مليار دولار. يتأثر قطاع الضيافة بشكل خاص بسبب ممارساته التشغيلية، التي تؤدي غالبًا إلى فائض من الطعام يجب التخلص منه. تساهم عوامل مثل تناول الطعام على طراز البوفيه، والإفراط في التحضير، ونفايات الأطباق في هذه المشكلة، مما يزيد من التأثير البيئي حيث تتحلل الأطعمة المهدرة وتولد الميثان، وهو غاز دفيئة قوي.
تؤكد الورقة على الحاجة الملحة لحلول مبتكرة للتخفيف من نفايات الطعام، خاصة في قطاع الضيافة، الذي يتحمل مسؤولية 26% من إجمالي نفايات الطعام وفقًا لتقرير مؤشر نفايات الطعام من برنامج الأمم المتحدة للبيئة. تستفيد شركات مثل Leanpath وWinnow وKitro من الذكاء الاصطناعي (AI) لمراقبة وتحليل استخدام الطعام في الوقت الحقيقي، مما يمكّن من إدارة المخزون بشكل أفضل والتحكم في الحصص. بينما تم إحراز تقدم في قطاع الضيافة، لا تزال تطبيقات حلول إدارة نفايات الطعام المدفوعة بالذكاء الاصطناعي على مستوى الأسرة غير مستكشفة بشكل كافٍ. تهدف الدراسة إلى التحقيق في كيفية تكيف هذه الممارسات المبتكرة للاستخدام المنزلي، مما قد يفيد كل من صانعي السياسات والمستهلكين في تقليل نفايات الطعام. تم هيكلة الورقة لتقديم تحليل شامل لإدارة نفايات الطعام، ودور الذكاء الاصطناعي، والآثار المترتبة على التكيف المنزلي.
الطرق
استخدمت هذه الدراسة نهج دراسة حالة آلية للتحقيق في قابلية تطبيق طرق إدارة نفايات الطعام المدفوعة بالذكاء الاصطناعي من صناعة الضيافة على الإعدادات المنزلية. ركز البحث على ثلاث شركات رائدة—Leanpath وWinnow وKitro—معروفة بتقنياتها المتقدمة في إدارة نفايات الطعام. تم جمع البيانات من خلال مقابلات شبه منظمة مع ممثلين رئيسيين من هذه الشركات، بهدف جمع رؤى حول التقنيات المستخدمة، والتحديات التي تواجهها، والأثر العام لمبادراتها على تقليل نفايات الطعام. شمل التحليل نسخ وتصنيف بيانات المقابلات لتحديد الأساليب والتقنيات الأساسية المدفوعة بالذكاء الاصطناعي، بالإضافة إلى تقييم جدوى تكييف هذه الحلول للاستخدام المنزلي.
سلطت النتائج الضوء على منهجيات محددة استخدمتها كل شركة. تتيح منهجية “track-discover-drive” الخاصة بـ Leanpath للموظفين في المطبخ تتبع العناصر الغذائية المهدرة وأسباب التخلص منها بسرعة، مدعومةً بمنصة تحليلات تقدم رؤى قابلة للتنفيذ. يقوم نظام الذكاء الاصطناعي الخاص بـ Winnow بتصنيف معاملات نفايات الطعام في الوقت الحقيقي، مما يعزز دقته من خلال تفاعلات الموظفين. تستخدم Kitro خوارزمية مركزية لتتبع النفايات، مستفيدةً من التعرف على الصور لتحليل العناصر الغذائية المهدرة بشكل شامل. خلصت الدراسة إلى أنه على الرغم من وجود تحديات كبيرة في تكييف هذه التقنيات للاستخدام المنزلي، فإن الرؤى المكتسبة يمكن أن تُفيد استراتيجيات تعزيز ممارسات إدارة نفايات الطعام المستدامة عبر سياقات مختلفة.
النتائج
تشير النتائج إلى أن Leanpath وWinnow وKitro قد نفذت بشكل فعال أنظمة إدارة نفايات الطعام المدفوعة بالذكاء الاصطناعي داخل قطاع الضيافة. يبرز التحليل حلولهم التكنولوجية، وتكوينات الأنظمة، وقدرات تحليل البيانات، بالإضافة إلى استراتيجيات مشاركة المستخدم. بالإضافة إلى ذلك، تناقش البحث التطبيقات المحتملة لهذه الأنظمة للاستخدام المنزلي وآثارها على الاستدامة والكفاءة التشغيلية.
يستخدم مصطلح “حاوية ذكية” لوصف هذه الحلول المدفوعة بالذكاء الاصطناعي. توفر الشكل 1 تمثيلًا بصريًا لإعدادات الحاويات الذكية لـ Leanpath (1a)، وWinnow (1b)، وKitro (1c)، مما يعرض نماذجها المتاحة تجاريًا اعتبارًا من عام 2024. يبرز هذا التحليل المقارن التقدم في تكنولوجيا إدارة نفايات الطعام وأهميتها لكل من السياقات التجارية والسكنية.
المناقشة
تسلط المناقشة الضوء على التأثير التحويلي لتقنيات الذكاء الاصطناعي على إدارة نفايات الطعام داخل قطاع الضيافة، الذي يعد مساهمًا كبيرًا في نفايات الطعام العالمية. تم تنفيذ تطبيقات الذكاء الاصطناعي، مثل التحليلات التنبؤية وأنظمة إدارة النفايات الآلية، بنجاح من قبل شركات مثل Leanpath وWinnow وKitro لتحسين العمليات وتقليل النفايات. توفر هذه الأنظمة رؤى في الوقت الحقيقي حول نفايات الطعام، مما يمكّن المنشآت من تعديل الممارسات وتحقيق تخفيضات كبيرة في النفايات—غالبًا بنسبة تصل إلى 50%. لقد أدت الفوائد الاقتصادية لهذه التقنيات، جنبًا إلى جنب مع مزاياها البيئية، إلى دفع اتجاه متزايد في قطاع الضيافة لتبني مثل هذه الابتكارات (Fang et al., 2023; Papargyropoulou et al., 2014).
تم استكشاف إمكانية تكييف هذه الحلول المدفوعة بالذكاء الاصطناعي للاستخدام المنزلي أيضًا، مع الاعتراف بالتحديات التي تطرحها التباينات في أنماط استهلاك الطعام في المنزل. بينما تساهم الأسر بشكل كبير في نفايات الطعام، تواجه تطبيقات تقنيات الذكاء الاصطناعي في هذا السياق عقبات مثل التكلفة، والبنية التحتية التكنولوجية، وثقة المستهلك. ومع ذلك، فإن التقدم في أنظمة المنازل الذكية وإنترنت الأشياء (IoT) يقدم فرصًا للأسر للاستفادة من التحليلات التنبؤية لتحسين إدارة الطعام. من خلال دمج الذكاء الاصطناعي في الممارسات اليومية، يمكن أن تستفيد الأسر من توصيات ورؤى مخصصة، مما يؤدي في النهاية إلى تقليل النفايات وتوفير التكاليف (Teng et al., 2021). تؤكد المناقشة على الحاجة إلى حلول مصممة خصيصًا تأخذ في الاعتبار الديناميكيات الفريدة لاستهلاك الطعام في الأسر مع الاستفادة من الدروس المستفادة من التنفيذ الناجح للذكاء الاصطناعي في قطاع الضيافة.
القيود
تقدم الدراسة رؤى قيمة حول تطبيق استراتيجيات إدارة نفايات الطعام المدفوعة بالذكاء الاصطناعي من صناعة الضيافة على الإعدادات المنزلية؛ ومع ذلك، يجب الاعتراف بعدة قيود. أولاً، يعتمد البحث على ثلاث شركات رائدة—Leanpath وWinnow وKitro—تمثل أنظمة متقدمة داخل قطاع الضيافة. قد لا يعكس هذا التركيز تنوع الأساليب والتقنيات في صناعات أخرى أو العمليات الصغيرة، مما يشير إلى الحاجة إلى بحث أوسع يشمل مجموعة أوسع من الشركات والسياقات.
بالإضافة إلى ذلك، فإن تركيز الدراسة على صناعة الضيافة، التي تعمل تحت حوافز اقتصادية ومقاييس مختلفة مقارنة بالأسر، يقدم تحديات تتعلق بتباين أنماط استهلاك الطعام واعتماد التكنولوجيا. قد لا تكون النتائج قابلة للتطبيق مباشرة على السياقات المنزلية دون مزيد من التكيف. علاوة على ذلك، قد لا يكون الافتراض بوجود مستوى معين من المعرفة التكنولوجية والاستعداد بين المستهلكين لتبني حلول الذكاء الاصطناعي صحيحًا بالنسبة لجميع الأسر، مما قد يحد من جدوى التبني على نطاق واسع. تعتبر الاعتبارات الاقتصادية، مثل قدرة الأسر على الاستثمار في أنظمة مدفوعة بالذكاء الاصطناعي، والمخاوف المتعلقة بخصوصية البيانات والأمان، التي لم يتم استكشافها بشكل موسع، تعقيدًا إضافيًا يؤثر على الأثر المحتمل لهذه التقنيات على مستوى الأسرة. بشكل عام، تظل قابلية تعميم النتائج على سياقات أخرى، بما في ذلك الأعمال الصغيرة أو الإعدادات الثقافية المتنوعة، محدودة، مما يستلزم مزيدًا من البحث لتكييف الحلول المدفوعة بالذكاء الاصطناعي لتلبية احتياجات المستخدمين المتنوعة.
DOI: https://doi.org/10.3389/frai.2024.1429477
PMID: https://pubmed.ncbi.nlm.nih.gov/39917546
Publication Date: 2025-01-23
Author(s): Quintana Clark et al.
Primary Topic: Food Waste Reduction and Sustainability
Overview
This study investigates the adaptation of AI-driven food waste management strategies from the hospitality sector for household applications. It highlights the successful implementation of technologies by companies such as Leanpath, Winnow, and Kitro, which utilize real-time data and predictive analytics to effectively monitor and reduce food waste in hotels and restaurants. Through an instrumental case study approach, the research employs semi-structured interviews with industry representatives to extract insights on effective technologies and strategies. The findings indicate that with necessary modifications for scale, cost, and user engagement, these AI solutions could significantly enhance household food management by providing insights into consumption patterns, expiration reminders, and promoting sustainable practices.
The conclusion emphasizes the transformative potential of AI technologies in addressing food waste at the household level, suggesting that future developments will depend on technological evolution, policy frameworks, societal attitudes, and educational initiatives. The study proposes a comprehensive framework that includes standardized AI solutions, data privacy protocols, economic incentives, and public awareness campaigns to facilitate the transition of these technologies from commercial kitchens to homes. While acknowledging implementation challenges, the research underscores the opportunity for substantial waste reduction and the promotion of sustainability through informed policies and societal engagement, ultimately paving the way for scalable solutions to global food waste challenges.
Introduction
The introduction of the research paper highlights the critical global issue of food waste, which accounts for nearly one-third of all food produced, translating to approximately 2 billion tons annually. This waste results in significant environmental and economic repercussions, including the release of around 3 billion tons of greenhouse gases from landfills and an annual economic loss of nearly $160 billion. The hospitality industry is particularly affected due to its operational practices, which often lead to surplus food that must be discarded. Factors such as buffet-style dining, over-preparation, and plate waste contribute to this issue, exacerbating the environmental impact as wasted food decomposes and generates methane, a potent greenhouse gas.
The paper emphasizes the urgent need for innovative solutions to mitigate food waste, particularly in the hospitality sector, which is responsible for 26% of total food waste according to the Food Waste Index Report by the United Nations Environment Program. Companies like Leanpath, Winnow, and Kitro are leveraging artificial intelligence (AI) to monitor and analyze food usage in real-time, enabling better inventory management and portion control. While advancements have been made in the hospitality industry, the application of AI-driven food waste management solutions at the household level remains underexplored. The study aims to investigate how these innovative practices can be adapted for household use, potentially benefiting both policymakers and consumers in reducing food waste. The paper is structured to provide a comprehensive analysis of food waste management, the role of AI, and the implications for household adaptation.
Methods
This study utilized an instrumental case study approach to investigate the applicability of AI-driven food waste management methods from the hospitality industry to household settings. The research focused on three leading companies—Leanpath, Winnow, and Kitro—known for their advanced AI technologies in food waste management. Data were collected through semi-structured interviews with key representatives from these companies, aiming to gather insights into the technologies employed, challenges faced, and the overall impact of their initiatives on food waste reduction. The analysis involved transcribing and categorizing the interview data to identify core AI-driven methods and technologies, as well as evaluating the feasibility of adapting these solutions for household use.
The findings highlighted specific methodologies employed by each company. Leanpath’s “track-discover-drive” methodology allows kitchen staff to quickly track discarded food items and their reasons for disposal, supported by an analytics platform that provides actionable insights. Winnow’s AI system categorizes food waste transactions in real-time, enhancing its accuracy through staff interactions. Kitro employs a centralized algorithm for waste tracking, utilizing image recognition to analyze discarded food items comprehensively. The study concluded that while there are significant challenges in adapting these technologies for household use, the insights gained could inform strategies for promoting sustainable food waste management practices across different contexts.
Results
The findings indicate that Leanpath, Winnow, and Kitro have effectively implemented AI-driven food waste management systems within the hospitality sector. The analysis highlights their respective technological solutions, system configurations, and data analytics capabilities, as well as user engagement strategies. Additionally, the research discusses the potential applications of these systems for home use and their implications for sustainability and operational efficiency.
The term “smart-bin” is used to describe these AI-driven waste management solutions. Figure 1 provides a visual representation of the smart-bin setups for Leanpath (1a), Winnow (1b), and Kitro (1c), showcasing their commercially available models as of 2024. This comparative analysis underscores the advancements in food waste management technology and its relevance to both commercial and residential contexts.
Discussion
The discussion highlights the transformative impact of AI-driven technologies on food waste management within the hospitality industry, which is a significant contributor to global food waste. AI applications, such as predictive analytics and automated waste management systems, have been successfully implemented by companies like Leanpath, Winnow, and Kitro to optimize operations and reduce waste. These systems provide real-time insights into food waste, enabling establishments to adjust practices and achieve substantial reductions in waste—often by as much as 50%. The economic benefits of these technologies, alongside their environmental advantages, have prompted a growing trend in the hospitality sector to adopt such innovations (Fang et al., 2023; Papargyropoulou et al., 2014).
The potential for adapting these AI-driven solutions to household settings is also explored, acknowledging the challenges posed by the variability in food consumption patterns at home. While households contribute significantly to food waste, the application of AI technologies in this context faces hurdles such as cost, technological infrastructure, and consumer trust. However, advancements in smart home systems and the Internet of Things (IoT) present opportunities for households to utilize predictive analytics for better food management. By integrating AI into everyday practices, households could benefit from personalized recommendations and insights, ultimately leading to reduced waste and cost savings (Teng et al., 2021). The discussion underscores the need for tailored solutions that consider the unique dynamics of household food consumption while drawing lessons from the successful implementation of AI in the hospitality industry.
Limitations
The study presents valuable insights into the application of AI-driven food waste management strategies from the hospitality industry to household settings; however, several limitations must be acknowledged. Primarily, the research is based on three leading companies—Leanpath, Winnow, and Kitro—representing advanced systems within the hospitality sector. This focus may not adequately reflect the diversity of approaches and technologies in other industries or smaller-scale operations, indicating a need for broader research that encompasses a wider range of companies and contexts.
Additionally, the study’s emphasis on the hospitality industry, which operates under different economic incentives and scales compared to households, introduces challenges related to the variability in food consumption patterns and technological adoption. The findings may not be directly applicable to household contexts without further adaptation. Furthermore, the assumption of a certain level of technological literacy and willingness among consumers to adopt AI solutions may not hold true for all households, potentially limiting the feasibility of widespread adoption. Economic considerations, such as the ability of households to invest in AI-driven systems, and concerns regarding data privacy and security, which were not extensively explored, further complicate the potential impact of these technologies at the household level. Overall, the generalizability of the findings to other contexts, including smaller businesses or varying cultural settings, remains limited, necessitating further research to tailor AI-driven solutions to diverse user needs.