Η βιομηχανία των υδατοκαλλιεργειών αναπτύσσεται ταχύτατα παγκοσμίως, ωστόσο λειτουργεί σε ένα περιβάλλον υψηλής αβεβαιότητας, όπου η διαχείριση βιολογικών και περιβαλλοντικών κινδύνων είναι κρίσιμη. Η παρούσα μελέτη αποτελεί μια συστηματική ανασκόπηση (σύμφωνα με το πρότυπο PRISMA 2020) που εξετάζει τη χρήση αλγορίθμων Μηχανικής Μάθησης (ML) και Τεχνητής Νοημοσύνης (AI) για την ποσοτικοποίηση και πρόβλεψη αυτών των κινδύνων.
Από την ανάλυση 38 επιλεγμένων μελετών, προκύπτει ότι οι τεχνολογίες AI, σε συνδυασμό με αισθητήρες IoT, προσφέρουν σημαντικές δυνατότητες έγκαιρης προειδοποίησης και μείωσης του ρίσκου. Ωστόσο, διαπιστώθηκε ένα σημαντικό κενό μεταξύ των αλγοριθμικών προβλέψεων και της λήψης επιχειρησιακών αποφάσεων, καθώς ελάχιστες μελέτες ενσωματώνουν τα ευρήματα σε τυποποιημένα πλαίσια διαχείρισης κινδύνου (όπως το ISO 31000). Η έρευνα καταλήγει στο ότι, αν και τα εργαλεία AI παρέχουν προγνωστική ακρίβεια, απαιτούνται διεπιστημονικά πλαίσια που θα συνδέουν την τεχνολογία με την πρακτική λήψη αποφάσεων για μια πιο αποτελεσματική και προληπτική διαχείριση.
Δείτε αναλυτικά το άρθρο στο σύνδεσμο: Artificial Intelligence in Aquaculture Risk Management: A Systematic Review by PRISMA | MDPI
Εναλλακτικά μπορείτε να το κατεβάσετε σε μορφή pdf από τον σύνδεσμο:https://www.mdpi.com/2076-3417/16/4/2032/pdf
