
全球最大的食品生产商——雀巢(Nestlé)宣布将扩展区块链技术的应用,利用IBM Food Trust区块链项目覆盖该公司的高端咖啡品牌Zoégas。
雀巢在瑞典推出了精选版本的Zoégas全豆以及烘焙和研磨咖啡,“2020之夏”100%使用了雨林联盟(Rainforest Alliance)认证的阿拉比卡咖啡豆混合而成,这些咖啡豆来自三个产区——巴西、卢旺达和哥伦比亚。通过区块链记录的数据,购买者们现在将能够追溯其买到的咖啡的来源。
在这段追求责任制、可追溯性和透明度的旅程之中,同雨林联盟的合作非常重要,因为该联盟独立提供了雀巢通常不会披露的可靠数据。
雨林联盟提供自己的认证信息,以保证咖啡的可追溯性。每个人都可以使用IBM Food Trust区块链平台直接访问这些信息。
只要扫描包装袋上的二维码,消费者就可以看到咖啡从种植地到赫尔辛堡Zoégas工厂的旅程,在Zoégas工厂里,这些咖啡豆被烘焙、研磨并包装。他们能够看到的数据包括农民、收货时间、特定货物的交易证书以及烘焙时间等。
我和雀巢区块链负责人和数字化转型经理Benjamin Dubois进行了交谈,他向我解释了这一新的区块链里程碑对雀巢的意义,以及为消费者提供透明度的意义。
“对我们来说,Zoégas和雨林联盟的合作是一个重要的里程碑。实际上,无论对于这个类别还是对于雀巢来说,这都是第一次得到独立的、高度可靠的组织——雨林联盟(Rainforest Alliance)将自己的信息上传给雀巢,并且通过雀巢的产品提供给消费者,这一切都是通过IBM Food Trust区块链平台完成的。”
“这是我们努力通过技术为消费者提供信任和透明度旅程的第一步,我们不仅仅在尝试通过IBM Food Trust这样做,我们还有其他一些技术和平台(例如OpenSC),这些强大的技术产品组合覆盖了我们在这个领域内的绝大部分用例。”
“为了追求透明度,我们当然希望能够在未来几个月内将IBM Food Trust的使用扩展到更多的产品上——而不仅仅是咖啡。”
雀巢正在进行的区块链工作
作为IBM Food Trust的创始成员之一,雀巢一直在推动区块链技术在食品供应链管理中的应用。实际上,该公司的工作已经超出了对IBM私有区块链的使用,他们在2019年宣布同OpenSC建立合作伙伴关系,尝试对一些基本商品使用公共区块链。
Dubois解释说,在公共区块链方面的工作主要围绕着针对关键商品和可持续性问题应用公共区块链技术。
“这是一些长期的项目,因为我们有时候必须从一开始就采用正确的技术,在复杂的供应链中构建可追溯性和透明度,还需要构建一种数据驱动的、连续的方式来监控和报告我们对消费者和相关方的影响。”
他对我表示:“同OpenSC的合作正在进行,包括乳制品(从新西兰开始)和棕榈油(从墨西哥开始)。最近有很多激动人心的工作、技术测试和实施,我希望你能够在2020年看到它们的早期形态。”
同时使用OpenSC、IBM的Foodtrust以及IFT Consortium的好处在于这种做法让雀巢能够广泛地处理食品供应链管理部门的可用数据。
Dubois表示:“对于雀巢来说,IFT是一个现成的解决方案,非常适合传递和整合现有的数据源,提高我们产品的可追溯性,让我们为消费者提供比以往任何时候都高的透明度。”
“此外,该解决方案的成熟度以及我们在这方面的经验意味着我们可以快速部署到新的产品,并且帮助我们的合作伙伴理解如何提供数据。在2019年,我们在法国为消费者提供了两种产品的数据,在北欧提供了一种产品的数据。这些都是里程碑,既是对消费者的首次测试,也是出于实现角度的考虑。
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。