Глобальная индустрия кормов для домашних животных стремительно развивается благодаря интеграции технологий машинного обучения (ML). ML играет ключевую роль в оптимизации состава ингредиентов, улучшении контроля качества, персонализации питания и прогнозировании предпочтений потребителей. Использование глубокого обучения, обучения с подкреплением и обработки естественного языка (NLP) трансформирует процесс производства кормов для домашних животных, повышая его эффективность и обеспечивая лучшее здоровье питомцев. В данном обзоре рассматриваются основные области применения ML в науке о кормах для домашних животных, обсуждаются текущие проблемы и обозначаются перспективные направления развития. В статье также проводится сравнительный анализ различных методов ML, применяемых в секторе кормов для домашних животных. Машинное обучение меняет индустрию кормов, оптимизируя формулирование ингредиентов, улучшая контроль качества и прогнозируя предпочтения потребителей. Однако широкомасштабное внедрение ИИ сталкивается с такими проблемами, как ограниченность данных, нормативные требования, высокие вычислительные затраты и вопросы доверия со стороны потребителей. Будущее инноваций в области кормов для домашних животных, основанных на ИИ, связано с объяснимым ИИ, интегрированными с блокчейном цепочками поставок, мониторингом здоровья питомцев на основе Интернета вещей (IoT) и моделями машинного обучения, работающими на синтетических данных. По мере развития технологий ИИ будет играть все более важную роль в обеспечении более безопасного, здорового и персонализированного питания для домашних животных, формируя будущее этой индустрии.