ШІ в тесті про їжу та напої

Відповіді та пояснення з’являються під час виконання тесту.

1. Як комп’ютерне бачення найчастіше використовується на харчових фабриках?
   • Швидко перевіряти вироби на наявність дефектів і сторонніх предметів
   • Для створення фонової музики
   • Домовлятися про ціни на інгредієнти
   • Для перекладу рецептів на інші мови
2. Що дає штучному інтелекту для перевірки харчових продуктів гіперспектральне зображення, а звичайні камери не можуть?
   • Роздрукуйте терміни придатності
   • Дивіться на довжині хвилі за межами зору людини, щоб виявити приховані синці або забруднення
   • Миттєво охолодіть продукт
   • Лише читання штрих-кодів
3. How can demand forecasting help food retailers manage waste?
   • It guarantees that no food will expire
   • It replaces shelf-life and safety checks
   • It can improve inventory decisions by aligning expected demand with supply, which may prevent some waste
   • It proves every forecasted item will sell
4. According to NotCo, what does its algorithm Giuseppe help formulate?
   • A universal nutrition diagnosis
   • A safety certification for every recipe
   • A guaranteed allergy-free menu
   • Plant-based combinations intended to replicate animal-based food products
5. What information does the FlavorGraph research combine to build ingredient representations?
   • Recipe co-occurrence relations and food-chemical information
   • Restaurant prices and customer addresses
   • Only nutrition-label calorie counts
   • Food photographs and cooking temperatures
6. What is the FDA’s stated goal for tech-enabled food traceability?
   • Automatically decide whether a company is legally liable
   • Support rapid trace-forward and traceback analysis to identify product sources
   • Guarantee that every recall is immediate
   • Use AI to detect every contaminant before distribution
7. Why can hyperspectral imaging reveal food properties that a standard RGB camera may miss?
   • It measures taste directly without a sensor
   • It guarantees detection of every contaminant
   • It records information across wavelength bands beyond the usual visible-color channels
   • It removes the need for calibration
8. What should a food-safety team do before using a vision model to reject products?
   • Assume a high lab score guarantees safe operation
   • Remove human review without monitoring errors
   • Treat every flagged item as contaminated
   • Validate its performance on representative products and failure cases in the actual process