[Tạp chí Chăn nuôi Việt Nam] – Tìm hiểu cách mà một công ty sử dụng trí tuệ nhân tạo để phân tích dữ liệu, nhằm cải thiện hiệu suất cũng như sức khỏe vật nuôi.

(Ảnh: jd8 | BigStock.com)

Trí tuệ nhân tạo (AI) đã xâm nhập vào mọi ngành công nghiệp, lĩnh vực sức khỏe và dinh dưỡng vật nuôi cũng không ngoại lệ. Nhiều công ty gồm cả DSM-Firmenich, hiện đang thu thập hàng trăm nghìn điểm dữ liệu nhằm theo dõi sức khỏe và hiệu suất của vật nuôi, đồng thời cũng dự đoán các vấn đề và giải quyết chúng trong giai đoạn sớm. AI có thể khiến những dữ liệu đó trở nên dễ hiểu, giúp nhà sản xuất hay nhà chăn nuôi đưa ra quyết định đúng đắn trong quá trình vận hành.

“Chúng ta đang bước vào một kỷ nguyên mà độ phức tạp và khối lượng dữ liệu sẽ đồng thời là cơ hội lớn nhất mà chúng ta có trong lĩnh vực của mình, cũng là thách thức lớn nhất mà chúng ta gặp phải” – Aaron Cowieson, Chuyên gia khoa học cấp cao tại DSM-Firmenich, trao đổi với Feed Strategy trong một cuộc phỏng vấn thuộc Diễn đàn Dinh dưỡng Thế giới 2023 (World Nutrition Forum-WNF).

Nhưng lượng dữ liệu đang thu thập có lớn quá mức không?

“Tôi nghĩ rằng dữ liệu của bạn có thể rất nhiều, nhưng dữ liệu thích hợp thì khó có thể vượt qua mức nhiều. Lúc này bạn phải cần đến máy học (machine learning) và AI, bởi vì não bộ con người không thể phân tích tất cả dữ liệu cùng một lúc”, Aaron Cowieson nói.

Dịch vụ y sinh Verax (thuộc công ty DSM) sử dụng dấu ấn sinh học máu, giúp các bác sĩ thú y, chuyên gia dinh dưỡng và nhà chăn nuôi phát hiện sớm các vấn đề về hiệu suất của vật nuôi và đề ra chiến lược tốt hơn để cải thiện chúng. 

Cowieson giải thích, “Về cơ bản, chúng tôi đang sử dụng dấu ấn sinh học và siêu dữ liệu động vật gồm hiệu suất, tỷ lệ tử vong, tình trạng sức khỏe và xây dựng mô hình sử dụng dấu ấn sinh học để dự đoán sự xuất hiện, tỷ lệ lưu hành và mức độ nghiêm trọng của bệnh. Đặc biệt ở gà thịt, chúng tôi chủ yếu sử dụng các dấu ấn sinh học máu, vì mẫu máu dễ thu thập nhờ có lịch mổ khám định kỳ”.

Ông cho biết thêm, công ty đang thu thập các loại dấu ấn sinh học không xâm lấn bằng các cảm biến và thiết bị giám sát thụ động mà không chạm vào con vật hoặc có bất kỳ can thiệp nào.

Dấu ấn sinh học máu phát hiện các biểu hiện thiếu hụt dinh dưỡng hoặc bệnh tật sớm hơn, kết hợp sử dụng dữ liệu thời gian thực có thể giúp điều trị và khắc phục nhanh hơn. Dữ liệu được theo dõi và phân tích trong một ứng dụng kỹ thuật số có tích hợp máy học, đồng thời đưa ra các tiêu chuẩn dựa trên dữ liệu chung của ngành và đưa ra hành động khắc phục ngay lập tức.

Cowieson cho biết thêm, “Ví dụ trên bệnh cầu trùng, chúng ta có thể thấy những thay đổi này trong mẫu máu. Một ví dụ đơn giản khác, ở gà thịt chúng tôi phát hiện một mẫu dấu ấn sinh học rất độc đáo, chỉ xuất hiện ở tháng mùa đông và có liên quan đến những thách thức cho hệ hô hấp của gà. Nhờ đó, họ nhận được tín hiệu là nhiễm toan hô hấp đã xuất hiện. Từ đó bạn có thể đưa ra dự đoán cho mùa đông tới kèm với các lựa chọn điều chỉnh hệ thống thông gió hoặc chế độ ăn uống…”.

Ứng dụng siêu dữ liệu để thông tin được rõ ràng

Theo Raj Murugesan, Giám đốc gia cầm toàn cầu tại DSM-Firmenich, cũng đã trò chuyện với Feed Strategy trong WNF 2023, các chương trình sức khỏe và dinh dưỡng có thể được thực hiện chính xác hơn bằng cách thu thập dữ liệu hoặc siêu dữ liệu.

Nghĩa là không chỉ thu thập các mẫu máu và ruột từ các con gà trong quá trình mổ khám, mà còn thu thập dữ liệu trong suốt quá trình nuôi dưỡng chúng, như là nguồn gốc thức ăn, chủng loại của thành phần, công thức thức ăn, …

“Tất cả siêu dữ liệu đều được kết nối. Với mỗi điểm dữ liệu, có hàng trăm phân nhánh hoặc biến số. Đây là lúc tin sinh học (bioinformatics) thể hiện sự quan trọng – tất cả đều liên quan đến số học – ảnh hưởng của việc thay đổi một yếu tố nhỏ đến toàn bộ hiệu ứng cánh bướm? Nếu không có những mối liên kết đó, ta chỉ có thể nhìn vào dữ liệu tăng trọng, tỷ lệ chuyển đổi thức ăn (FCR), tỷ lệ chết của vật nuôi, mà không rõ tại sao có những dữ liệu này”, Murugesan nói.

Sử dụng siêu dữ liệu giúp kết nối các điểm dữ liệu. “Đây là nơi AI có thể dự đoán điều gì sẽ thay đổi quả khi một điểm dữ liệu được sửa đổi. Ví dụ, nếu bạn nói với AI bạn đang thay đổi từ nguồn axit amin này sang nguồn axit amin khác, nó sẽ dùng khả năng thống kê để dự đoán kết quả dựa vào kho dữ liệu đã thu thập”, Raj Murugesan cho biết.

Vẫn còn nhiều nhà chăn nuôi ở mọi quy mô đang ghi chép kiểu truyền thống, DSM-Firmenich hướng đến mục tiêu tất cả các nhà chăn nuôi của mình cùng sử dụng chương trình có khả năng thu thập dữ liệu tự động nhờ cảm biến hoặc được nhập thông qua một chương trình kỹ thuật số. Sau đó, dữ liệu được lưu trữ trên đám mây và có thể truy cập vào từ mọi nơi.

Và bằng cách dự đoán dựa trên dữ liệu thu thập, AI có thể ngăn chặn các vấn đề có thể xảy ra ngay từ đầu. Kết quả là có thể cải thiện lợi nhuận, tính bền vững và phúc lợi động vật cao hơn.       

Ann Reus, FeedStragety

Biên dịch: Thảo Duyên