Oppdrettet kjøtt står overfor tre store utfordringer: kostnad, skalerbarhet og ressursbruk. Vekstmedier, næringsløsningen som mater dyreceller under produksjon, utgjør 55–95% av de totale kostnadene. Noen komponenter, som TGF-β, koster over £2,4 millioner per gram. AI endrer dette ved å skape skreddersydde medieformuleringer raskere og billigere enn tradisjonelle metoder. For eksempel utviklet Multus Biotechnology et serumfritt medium på bare seks måneder, noe som reduserte kostnadene samtidig som ytelsen ble forbedret.
Hvordan hjelper AI?
- Dataanalyse: Maskinlæring forutsier de beste næringskombinasjonene for spesifikke celler.
- Automatisering: AI-drevne laboratorier fremskynder testing, og reduserer tidslinjer fra år til måneder.
- Multi-mål optimalisering: AI balanserer kostnad, veksteffektivitet og ressursbruk.
Britiske selskaper som Gourmey og Multus leder gjennombrudd, med noen som oppnår produksjonskostnader så lave som £2,76 per pund kjøtt. Selv om utfordringer som datakvalitet og samarbeid gjenstår, gjør AI dyrket kjøtt mer rimelig og ressurseffektivt. Forbrukerutdanning og tillit vil være nøkkelen når Storbritannia forbereder seg på kommersialisering.
Hvordan AI Forbedrer Vekstmedier for Dyrket Kjøtt
Kunstig intelligens omformer hvordan vekstmedier for dyrket kjøtt utvikles, ved å takle komplekse utfordringer innen næringsoptimalisering med avanserte algoritmer. Ved å bevege seg bort fra tradisjonelle prøving-og-feiling-metoder, analyserer AI omfattende datasett for å finne optimale formuleringer, samtidig som kostnadene reduseres og tidslinjene akselereres. I hjertet av denne transformasjonen ligger dataanalyse, som driver AIs bemerkelsesverdige innvirkning på vekstmedier.
AI-drevet dataanalyse
AI utmerker seg i å behandle massive datasett, avdekke mønstre som menneskelige forskere kanskje overser. Maskinlæringsalgoritmer undersøker celleatferd, næringsopptak og vekstmetrikker for å forutsi ingredienskombinasjoner som gir de beste resultatene for spesifikke celletyper. Denne data-første tilnærmingen eliminerer mye av gjettingen, slik at forskere kan fokusere på de mest lovende formuleringene.
En spesielt effektiv teknikk er å kombinere respons overflate metodikk (RSM) med radial basis funksjon (RBF) nevrale nettverk. For eksempel oppnådde studier på sebrafisk cellelinjer ved bruk av denne metoden en modeleffektivitet på 0,98, og forutså nøyaktig vekstrater, kostnader og miljøpåvirkninger [2].
Automatisering og høy-gjennomstrømmingstesting
Når AI møter automatiserte labsystemer, endres tempoet og omfanget av medietesting dramatisk.Disse systemene effektiviserer alt fra medieforberedelse til cellekultivering og dataanalyse, noe som muliggjør raskere gjennombrudd.
Ta Multus Biotechnology, for eksempel. De utviklet Proliferum P, et dyrefritt kulturmedium for svinefett-avledede stamceller, på under seks måneder ved bruk av AI og automatisering [3]. Sammenlign det med den typiske tidslinjen på to til fire år for tradisjonelle metoder [3].
"Vi har bygget en prosess som ikke bare akselererer medieutviklingsprosessen, men også tilpasser den til spesifikke celletyper."
- Soraya Padilla, Prosjektleder for Proliferum P, Multus Biotechnology [3]
Proliferum P matcher ikke bare ytelsen til føtalt bovint serum (FBS); det overgår det ofte. Det bevarer essensielle stamcelleegenskaper og støtter adipogen differensiering.Dette markerer et sprang fremover fra Multus sitt tidligere produkt, Proliferum B, som tok ni måneder å utvikle [3].
"Vår plattform lar oss ikke bare møte industristandarder – den sikrer at vi kontinuerlig hever listen. Med Proliferum P leverer vi et overlegent produkt til FBS samtidig som vi demonstrerer hvordan AI og automatisering kan transformere tidslinjene for bioteknologisk utvikling."
- Cai Linton, Medgründer og administrerende direktør, Multus Biotechnology [3]
Multi-Objective Optimisation
AI sine kapabiliteter strekker seg utover rask testing - den utmerker seg også i å balansere flere mål. Tradisjonell medieutvikling prioriterer ofte kun celleveksthastighet, men AI kan optimalisere for kostnad, miljøavtrykk og ytelse samtidig. Dette er en spillveksler for å gjøre dyrket kjøttproduksjon skalerbar og bærekraftig.
Et banebrytende verktøy på dette området er digitale tvillinger - virtuelle kopier av cellekultiveringsprosesser drevet av AI. Disse lar forskere utføre tusenvis av virtuelle eksperimenter, finjustere fôrformuleringer og bioreaktorbetingelser uten kostnadene eller tiden som kreves for fysisk testing.
For eksempel, Gourmey samarbeidet med DeepLife for å lage en digital tvilling for fugler. Dette systemet optimaliserer vekstforhold, næringstetthet og til og med smaksuttrykk i dyrket kjøtt [4]. Det integrerer store mengder 'omics'-data, som genuttrykk og cellulær sammensetning, samlet gjennom hele produksjonsprosessen.
"Ved å integrere disse dataene med først-prinsipp-modeller av cellemetabolisme, gjør den digitale tvillingen det mulig for oss å kjøre tusenvis av virtuelle eksperimenter.Dette hjelper oss med å identifisere de optimale fôrformuleringene og bioreaktorbetingelsene for å maksimere utbyttet, minimere ressursbruken og forbedre de sensoriske egenskapene til vårt dyrkede kjøtt."
- Nicolas Morin-Forest, Gourmey medgründer og administrerende direktør [4]
Resultatene er imponerende. Gourmeys 5 000-liters bioreaktorsystem kan potensielt produsere dyrket kjøtt for bare £2,76 per pund [4]. I mellomtiden har Meatly redusert kostnadene for kulturmedier til £0,24 per liter, med planer om å redusere dette ytterligere til rundt £0,016 per liter i industriell skala [4].
"Vårt mål er å skreddersy fôret og dyrkningsbetingelsene til de eksakte behovene til cellene våre. Denne optimaliseringen øker utbyttet og reduserer fôrsvinn, noe som direkte senker våre produksjonskostnader."
- Nicolas Morin-Forest [4]
Denne flerobjektivstrategien er avgjørende, ettersom kulturmedier utgjør 55–95 % av de totale kostnadene for dyrket kjøtt og er en stor bidragsyter til dets globale oppvarmingspotensial [2].
Fordeler med AI-drevet media for dyrket kjøtt
Overgangen fra tradisjonelle metoder til AI-drevne tilnærminger tilbyr en rekke fordeler, som adresserer noen av de største utfordringene i industrien for dyrket kjøtt. Disse fordelene går utover bare å forbedre effektiviteten - de omformer hvordan dyrket kjøtt kan bevege seg nærmere kommersiell suksess.
Kostnadsreduksjon
En av de mest betydelige hindringene i produksjonen av dyrket kjøtt er de høye kostnadene for kulturmedier, som kan utgjøre opptil 95 % av produksjonsutgiftene [2].Tradisjonelle optimaliseringsmetoder, som én-faktor-om-gangen (OFAT), er trege, ressurskrevende, og avhenger sterkt av prøving og feiling [2].
Dr. Charlie Taylor, leder for forretningsutvikling hos Multus Bio, fremhever problemet:
"Det som holder tilbake medieutvikling er ineffektiviteten i optimalisering, så det gjelder kostnad; ingredienskvalitet, styrke, stabilitet og bærekraft; skalerbarhet; og bioprosessproduktivitet [proliferasjonshastighet, celletetthet, differensieringseffektivitet osv.]" [5]
AI, ved bruk av teknikker som Bayesiansk optimalisering og maskinlæring, reduserer betydelig antall eksperimentelle forsøk som trengs. For eksempel integrerer Multus Bio AI med bildebehandlingsverktøy for å vurdere celleveksthastigheter og morfologi, og genererer rikere data uten å legge til ekstra eksperimentelle kostnader [5].Denne tilnærmingen reduserer ikke bare kostnadene, men forbedrer også resultatene.
Ved å effektivisere optimaliseringsprosessen, akselererer AI fremgangen, noe som gjør utviklingen av dyrket kjøtt mer gjennomførbar og kostnadseffektiv.
Raskere utviklingshastighet
AI øker dramatisk hastigheten på medieformuleringsprosessen ved å behandle store datasett og identifisere lovende formuleringer med avanserte analytiske metoder [2]. Dr. Charlie Taylor understreker den omfattende innvirkningen:
"Smartere beslutningstaking, mer data og å gjøre mer parallelt gir bedre resultater, raskere. Kombinert med billigere innsatsfaktorer og stordriftsfordeler, er det veikartet til lavkostmedier på tvers av det metabolske spekteret av dyrkede kjøttcellelinjer." [5]
Denne raskere iterasjonen er avgjørende for en industri som konkurrerer om å skalere produksjonen.Det globale AI-markedet innen dyrket kjøtt er forventet å vokse med en sammensatt årlig vekstrate (CAGR) på 39,8 % fra 2025 til 2034 [6]. AI muliggjør også raskere oppdagelse og optimalisering av cellelinjer, noe som ytterligere akselererer veien til kommersialisering [6].
Ved å muliggjøre rask testing og raffinering, støtter AI opprettelsen av skalerbare, effektive produksjonssystemer.
Bedre bærekraft
AI forbedrer ikke bare kostnad og hastighet - det forbedrer også bærekraften i medieutvikling. Ved å optimalisere formuleringer for faktorer som global oppvarmingspotensial (GWP), kostnad og cellevekstrater, spiller AI en nøkkelrolle i å redusere det miljømessige fotavtrykket av produksjon av dyrket kjøtt [2].Sammenlignet med tradisjonelt kjøtt, gir dyrket kjøtt opptil 78–96% færre klimagassutslipp, 99% mindre arealbruk og 82–96% mindre vannforbruk [7].
AI hjelper også med å identifisere bærekraftige, kostnadseffektive alternativer, som plantebaserte proteinhydrolysater, som forbedrer produksjonseffektiviteten samtidig som de reduserer miljøpåvirkningen [8].
Et bemerkelsesverdig eksempel er Gourmeys partnerskap med DeepLife. Deres AI-drevne digitale tvilling for fjærkre kjører tusenvis av virtuelle eksperimenter for å optimalisere fôrformuleringer og bioreaktorbetingelser. Dette sikrer maksimal avkastning med minimalt ressursbruk. Som Nicolas Morin-Forest, Gourmeys medgründer og administrerende direktør, forklarer:
"Den digitale tvillingen er en AI-drevet virtuell kopi av vår cellekultiveringsprosess... Ved å integrere disse dataene med først-prinsipp-modeller av cellemetabolisme, gjør den digitale tvillingen det mulig for oss å kjøre tusenvis av virtuelle eksperimenter.Dette hjelper oss med å identifisere de optimale fôrformuleringene og bioreaktorbetingelsene for å maksimere utbyttet, minimere ressursbruken og forbedre de sensoriske egenskapene til vårt dyrkede kjøtt." [4]
Denne AI-drevne tilnærmingen reduserer ikke bare kostnadene, men forbedrer også miljøprestasjonen gjennom hele produksjonsprosessen [2].
Utfordringer og Fremtidige Retninger i AI-Drevet Medieutvikling
Selv om AI tilbyr lovende fremskritt, er veien til å optimalisere produksjonen av dyrket kjøtt ikke uten hindringer. Disse utfordringene fremhever viktigheten av kontinuerlig fremgang og samarbeid på tvers av ulike felt.
Data Tilgjengelighet og Kvalitetsproblemer
AI-systemer trives på pålitelige, høykvalitetsdata, men det er her den dyrkede kjøttindustrien sliter mest.Begrenset datatilgjengelighet er en betydelig hindring for å forbedre medieformuleringer for produksjon av dyrket kjøtt. For eksempel viste en undersøkelse fra 2020 [9] at bransjens relativt korte gjennomsnittlige driftsperiode på 2,5 år har hindret innsamling og standardisering av data, noe som gjør det vanskelig å trene AI-modeller effektivt.
I tillegg er kvaliteten på tilgjengelige data ofte inkonsekvent. Omtrent 31 % av produsentene rapporterer problemer med basale mediekomponenter, som ytterligere kompliseres av udefinerte proteinhydrolysatsammensetninger og variasjoner fra batch til batch [9]. For å legge til kompleksiteten, er det kun 33 % av produsentene som enten anskaffer eller produserer vekstfaktorer på matvarekvalitetsnivåer, noe som påvirker den prediktive nøyaktigheten til AI-systemer når de håndterer varierende komponentkvalitet.
Disse problemene understreker det kritiske behovet for samarbeid og enhetlige innsats for å håndtere datarelaterte utfordringer.
Behov for tverrfaglig samarbeid
Å løse disse dataproblemene krever innspill fra et mangfold av eksperter, inkludert AI-spesialister, biologer og matvitenskapsfolk. Imidlertid er det ingen liten oppgave å integrere disse disiplinene effektivt. Den dyrkede kjøttsektoren inkluderer nå over 175 selskaper spredt over seks kontinenter, støttet av investeringer som overstiger £2,5 milliarder fra og med 2024 [10]. Å bygge bro mellom datateknikker og biologiske prosesser krever fagfolk som forstår begge felt. For eksempel gir multi-omics dataanalyse, drevet av AI, en omfattende oversikt over biologiske systemer, men krever også team som er i stand til å navigere i de tekniske og biologiske kompleksitetene ved cellekultivering [1].
Oppmuntrende nok dukker det opp samarbeidsinnsatser og akademiske programmer for å koble AI med biologiske vitenskaper [10] [12]. Som ICL Planet treffende sier:
"Denne revolusjonen avhenger av mer enn gode ingredienser; den er bygget på samarbeid på tvers av kjemi, biologi, landbruk, ingeniørfag og datavitenskap." [11]
Ser vi fremover, bør forskning prioritere innovative teknologier for resirkulering av medier, utnyttelse av avfallsstrømmer og utvikling av vekstfaktorer med forbedrede egenskaper. For eksempel antyder kostnadsreduksjonsmodeller at mediepriser kan falle til under £0,20 per liter ved bruk av dagens teknologier [1].På samme måte demonstrerte et team ved Northwestern University at en mye brukt stamcellemediumformulering kunne produseres til 97 % lavere kostnad enn sin kommersielle motpart [1]. Oppskalering av produksjonen av rekombinante proteiner og vekstfaktorer med mikrober, sopp eller planter, samt innkjøp av komponenter på mat- eller fôrgradnivå, vil være avgjørende for å redusere kostnadene. I tillegg vil åpne kildeformuleringer i økende grad veilede utvalget og produksjonen av råvarer.
For å fullt ut realisere AI's potensial på dette feltet, må industrien fokusere på å skape enhetlige datastandarder, integrerte plattformer og tverrfaglig utdanning. Å takle disse utfordringene vil bane vei for at AI ytterligere kan transformere produksjonen av dyrket kjøtt.
Det britiske perspektivet: Fremgang og forbrukerbevissthet
Storbritannia er i forkant av innovasjon innen dyrket kjøtt, takket være støttende reguleringer og en sterk infrastruktur. Fremskritt innen AI, spesielt innen medieformulering, spiller en nøkkelrolle i å forbedre produksjonseffektiviteten. Med disse utviklingene legger landet til rette for å bringe dyrket kjøtt til britiske forbrukere.
I mars 2025 introduserte Food Standards Agency (FSA) Cell-Cultivated Products Regulatory Sandbox, støttet av £1,6 millioner fra Department of Science, Innovation and Technology. Dette toårige programmet inkluderer åtte oppstartsbedrifter innen dyrket kjøtt, som Hoxton Farms, Roslin Technologies, og Mosa Meat. Målet? Å forenkle og modernisere den regulatoriske prosessen for dyrket kjøtt, som tidligere kunne koste så mye som £500,000 og ta over 2.5 år å fullføre [13]. Denne regulatoriske fremgangen handler ikke bare om byråkrati - det handler om å bygge forbrukertillit og bevissthet.
"Ved å støtte den sikre utviklingen av celle-dyrkede produkter, gir vi bedrifter selvtillit til å innovere og akselererer Storbritannias posisjon som en global leder innen bærekraftig matproduksjon." – Sir Patrick Vallance, vitenskapsminister [13]
Den britiske regjeringens investering på £75 millioner i bærekraftig matutvikling fremhever dens forpliktelse til denne voksende sektoren [13]. Bedrifter ser allerede resultater, med AI-integrasjon som reduserer produksjonskostnadene med opptil 40% [14].
Cultivated Meat Shop's Rolle i Offentlig Utdanning
Samtidig som fremskritt innen AI driver produksjonseffektivitet, er offentlig utdanning like viktig for å bygge bro mellom innovasjon og forbrukertillit. Etter hvert som dyrket kjøtt nærmer seg kommersiell tilgjengelighet i Storbritannia, blir det kritisk å utdanne publikum. Det er her Cultivated Meat Shop - verdens første forbrukerfokuserte plattform for dyrket kjøtt - kommer inn. Denne plattformen forenkler vitenskapen bak AI-drevet medieoptimalisering, og hjelper britiske forbrukere med å forstå hvordan disse teknologiske fremskrittene gjør dyrket kjøtt tryggere, mer bærekraftig og stadig mer rimelig.
Plattformen tilbyr klare, tilgjengelige forklaringer på komplekse prosesser som AI-drevet dataanalyse og multi-objektiv optimalisering. Denne tilnærmingen kobler tekniske gjennombrudd til fordeler i den virkelige verden.Undersøkelser viser at 34% av britiske forbrukere er åpne for å prøve dyrkede kjøttprodukter [17]. Imidlertid, med en fortsatt begrenset offentlig forståelse, fokuserer Cultivated Meat Shop på vitenskapsbasert, lettfattelig innhold som forklarer hvordan dyrket kjøtt produseres og dets rolle i å skape et mer bærekraftig matsystem.
Forbrukertillit og adopsjon
Å bygge forbrukertillit er essensielt for det britiske markedet. Mens en tredjedel av britiske forbrukere er villige til å prøve dyrket kjøtt [15], avhenger bredere adopsjon av å adressere bekymringer rundt sikkerhet, smak og næringsverdi.
FSA sitt regulatoriske sandkasseprogram spiller en avgjørende rolle i å fremme tillit ved å sikre strenge sikkerhetsstandarder. Professor Robin May, sjefsrådgiver for vitenskap ved FSA, fremhever viktigheten av denne tilnærmingen:
"Sikker innovasjon er kjernen i dette programmet.Ved å prioritere forbrukersikkerhet og sørge for at nye matvarer, som cellekultiverte produkter, er trygge, kan vi støtte vekst i innovative sektorer. Vårt mål er å til slutt gi forbrukerne et bredere utvalg av ny mat, samtidig som vi opprettholder de høyeste sikkerhetsstandardene." – Prof Robin May, Chief Scientific Advisor ved FSA [13]
De miljømessige fordelene med kultivert kjøtt styrker ytterligere dets appell. Sammenlignet med konvensjonelt europeisk storfekjøtt bruker kultivert kjøtt 45% mindre energi. Når det produseres med fornybar energi, kan det slippe ut opptil 92% færre klimagasser, samtidig som det krever 95% mindre land og 78% mindre vann [15].
Dr Mark Post, grunnlegger og CSO av Mosa Meat, reflekterer over Storbritannias lederskap på dette feltet:
"Dette er akkurat den typen offentlig-private partnerskap vi så for oss da vi debuterte verdens første kultiverte burger her i London i 2013." – Dr Mark Post, Mosa Meat [13]
Ser vi fremover, kan den dyrkede kjøttindustrien bidra med opptil €85 milliarder årlig til EU-økonomien innen 2050 og skape så mange som 90 000 jobber [16]. Med AI-drevet medieoptimalisering som fortsetter å redusere produksjonskostnadene, nærmer dyrket kjøtt seg stadig prisparitet med tradisjonelt kjøtt - en viktig milepæl for bredere adopsjon.
Til syvende og sist avhenger forbrukertillit av sikkerhet, bærekraft og kvalitet. Storbritannias sterke regulatoriske rammeverk, kombinert med utdanningsinnsats som de fra Cultivated Meat Shop, gir et solid grunnlag for en vellykket introduksjon av dyrkede kjøttprodukter når de får godkjenning.
sbb-itb-c323ed3
Konklusjon: AI's innvirkning på produksjon av dyrket kjøtt
AI-drevne løsninger for vekstmedier omformer fremtiden for produksjon av dyrket kjøtt ved å takle noen av industriens største utfordringer. For eksempel har Multus Bio oppnådd en bemerkelsesverdig femdobling av kostnadsreduksjon med sin serumfrie formulering, som presterer på nivå med 10% FBS. Enda mer imponerende er at de klarte å fullføre denne utviklingen på bare 10 måneder - en prosess som tradisjonelt tar 2 til 4 år. Disse fremskrittene reduserer ikke bare kostnadene, men baner også vei for mer bærekraftige og skalerbare produksjonsmetoder.
Potensialet for kostnadsreduksjon er spesielt lovende i Storbritannia. Ta Gourmeys 5.000-liters bioreaktorsystem som et eksempel - det kan produsere dyrket kjøtt til bare £2,76 per pund [4], en viktig milepæl på veien mot å matche prisen på konvensjonelt kjøtt.
Denne fremgangen fremhever også AI's evne til å balansere flere mål samtidig, som avkastning, miljøpåvirkning og kostnad, for å optimalisere produksjonseffektiviteten. Gitt at kulturmedier står for opptil 95 % av produksjonskostnadene og spiller en betydelig rolle i det miljømessige fotavtrykket, er AI's optimaliseringsevner avgjørende for å nå bransjens bærekraftsmål [7].
Det sagt, teknologi alene vil ikke sikre suksess. Når Storbritannia nærmer seg å gjøre dyrket kjøtt kommersielt tilgjengelig, vil forbrukertillit og forståelse være like viktig. AI kan forbedre produksjonssikkerhet og effektivitet, men åpen kommunikasjon er nøkkelen til å bygge tillit. Plattformene som Cultivated Meat Shop har en viktig rolle å spille i denne innsatsen:
"Effektiv kommunikasjon om matsikkerheten til dyrket kjøtt er essensielt for forbrukeraksept."
- GFI [18]
FAQs
Hvordan hjelper AI med å redusere kostnadene for vekstmedier i produksjon av dyrket kjøtt?
Hvordan AI hjelper med å kutte kostnader i produksjon av dyrket kjøtt
AI gjør bølger i produksjon av dyrket kjøtt, spesielt når det gjelder å redusere kostnadene for vekstmedier - den næringsrike løsningen som er essensiell for cellevekst. Ved å gå gjennom massive datasett kan AI finjustere formuleringsprosessen og identifisere de mest effektive næringskombinasjonene. Resultatet? Mindre avhengighet av dyre ingredienser og en betydelig reduksjon i avfall.
Men det er ikke alt. AI øker også produksjonseffektiviteten ved å forutsi og tilpasse seg faktorer som celleatferd og omgivelsesforhold.Disse fremskrittene gjør ikke bare produksjonen av dyrket kjøtt mer overkommelig; de åpner også døren for å skalere opp og gjøre bærekraftige proteinalternativer mer tilgjengelige.
Hva er digitale tvillinger, og hvordan hjelper de med å optimalisere produksjonen av dyrket kjøtt?
Digitale Tvillinger i Produksjon av Dyrket Kjøtt
Digitale tvillinger er virtuelle kopier av fysiske systemer eller prosesser, designet for å simulere og analysere dem i sanntid. I sammenheng med produksjon av dyrket kjøtt, replikerer disse modellene cellulær atferd og vekstforhold, og gir forskere et kraftig verktøy for å eksperimentere med variabler som vekstmediesammensetning og kulturparametere - alt uten å gjennomføre fysiske forsøk.
Denne tilnærmingen tilbyr flere fordeler. Ved å tillate presis kontroll over produksjonsmiljøet, hjelper digitale tvillinger med å redusere kostnader, akselerere utvikling og forbedre produktkvaliteten.Forskere kan stole på datadrevne innsikter for å finjustere prosesser, noe som gjør produksjonen av dyrket kjøtt mer effektiv og miljøvennlig.
Hva er de viktigste datautfordringene ved bruk av AI for å forbedre produksjonen av dyrket kjøtt?
Sektoren for dyrket kjøtt sliter med store hindringer når det gjelder datakvalitet og tilgjengelighet, spesielt i utviklingen av AI-drevne løsninger. En av de primære utfordringene er fraværet av høykvalitets, standardiserte data relatert til cellevekst og medieformuleringer - kritiske komponenter for å trene nøyaktige AI-modeller. I tillegg kompliserer datavariabilitet på tvers av forskjellige laboratorier ytterligere innsatsen for å etablere konsistente referansepunkter.
Denne mangelen på omfattende datasett begrenser AI's evne til å levere pålitelige prediksjoner eller effektivisere produksjonsprosesser, noe som til slutt bremser fremgangen innen dyrket kjøtt-teknologi.Å tette disse datagapene er essensielt for å forbedre effektiviteten og muliggjøre at industrien kan skalere effektivt.
