名为BERT的人工智能从亚马逊客户评论中识别出召回的食品，准确率为74%，然后发现了数千种可能不安全但未被召回的产品。

在发布产品召回之前，美国食品和药物管理局(FDA)可能需要数月才能确定并验证问题，因此大多数召回都来自制造商，通常是在有足够的人生病以致产生严重压力之后。但波士顿大学公共卫生学院(BUSPH)研究人员共同撰写的一项新研究表明，很快，人工智能可以梳理在线评论，以识别对公共健康的严重威胁，并加速产品召回过程。

该研究发表在美国医学信息学协会(JAMIA)公开杂志上，研究人员教授了一种现有的“深度学习”AI，称为转换双向编码器表示(BERT)，用于预测亚马逊评论中的食品召回。 - 精度。大赦国际还发现了20,000条评论，表明可能不安全的食品尚未经过调查。

“美国卫生部门已经在使用来自Twitter，Yelp和谷歌的数据来监测食源性疾病，”该研究的资深作者，BUSPH全球卫生助理教授Elaine Nsoesie博士说。她解释说，相比之下，这项研究能够了解特定食品的安全性。“像我们这样的工具可以被卫生部门或食品公司有效地用于识别潜在不安全产品的消费者评论，然后利用这些信息来决定是否需要进一步调查。”

BERT受过大量英语文本的培训，包括英语维基百科，并且可以为特定目的解释文本。Nsoesie和她的同事使用众包(由真人)对6,000份含有与FDA召回原因相关的词语的评论进行分类，例如“生病”，“标签”，“生病”，“犯规”，“腐烂”等。 ，以及评论标题和星级等元数据。BERT能够查看这些相同的客户评论，并正确识别召回的食品，准确率为74%。然后，它在20,000个其他评论中发现与FDA召回有关的条款。