预见是及早发现新发食品安全问题的重要工具——这些问题由社会、经济、政治、法律、环境、科学和技术因素驱动，既包含挑战也蕴含机遇。

近日，联合国粮食及农业组织最新发布的报告《食品安全预见：识别未来食品安全问题的方法》汇集了来自政府机构、国际组织、科研院所、高校及私营部门专家分享的食品安全预见方法。该报告的研究发现于2025年4月由粮农组织农粮体系与食品安全司组织的专家会议上最终审定，此项工作是食品安全预见计划的重要组成部分。

该出版物重点阐述了最佳实践与核心指导原则，特别是在人工智能等新兴数字工具应用背景下。报告同时强调，在日益复杂的全球环境中，加强人工监督与跨领域协作对提升食品安全预见能力至关重要。

粮农组织农粮体系与食品安全司项目支持专家里卡多·西利加托指出："数字工具与人类专业知识的结合为食品安全预见提供了成功范式，有助于精准识别并有效管理新兴趋势。"

将预见机制纳入食品安全战略，能使政府及利益相关方通过及时且成本可控的措施应对新发问题。早期预警系统侧重于即时风险监测，而预见机制则通过研判可能影响食品安全的中长期趋势，为相关政策制定提供更广阔的视角。

报告指出，包括人工智能在内的新型数字工具为推进食品安全预见提供了强大支持。人工智能技术在数据筛查、提取、结构化处理、分析预测等领域具有独特优势，有望重塑传统食品安全预见模式。但人类专业判断与监督仍然不可或缺，包括设定检索标准、评估数据相关性、解读分析结果，以及建立质量控制与反馈机制等。

除运用数字工具外，主管部门、国际组织、产业界、学术界与消费者之间建立牢固的伙伴关系及多部门协作机制，对及早识别潜在食品安全问题至关重要。食品安全预见方法应促进所有利益相关方开展开放、跨学科、跨领域的交流与知识共享。

报告表明，启动预见实践并不需要庞大团队或巨额资金。内部预见能力建设可从小型项目着手，根据需求与资源情况逐步拓展。

有效实施预见方法的最佳实践：

明确目标与问题界定：成功的食品安全预见工作需首先厘清研究目标、时间框架、实施规模及范围。

结构化弹性机制：融合定性定量数据，并具备快速扫描多元信息源的能力，是精准识别新发食品安全问题与趋势的关键。

专家主导的情报收集：由领域专家牵头、熟悉预见规范的专业人员辅助开展情报收集，能以最优成本实现潜在问题的早期识别。

智能工具融合应用：人工智能等数字工具可显著提升海量数据采集、筛查与分析的速度与效能。

多元主体协同参与：建立涵盖多学科内外部专家的广泛沟通渠道，既能强化预见流程，又能促进情报共享，汇聚更丰富的决策视角。

共识构建与资源保障：通过清晰传达预见价值争取各方支持，确保资源与资金投入，是维持预见工作持续性与有效性的基石。