به گزارش هفت صبح پژوهشگران، سامانهای به نام BurgerAI را با بیش از ۲۲۱۶ دستور پخت برگر آموزش دادند تا بتواند دستورهای تازهای بر اساس ترکیب مواد، نسبتها و روابط طعمی تولید کند.
در آزمایش طعم، دو برگری که هوش مصنوعی طراحی کرده بود، از نظر طعم و میزان جذابیت کلی، با بیگمک مکدونالد برابری کردند یا حتی بهتر بودند. همچنین یک نسخهی قارچ و گوشت، در کنار حفظ طعم قابلقبول، اثرات زیستمحیطی کمتری داشت.
پژوهشگران معتقدند این رویکرد مبتنی بر هوش مصنوعی در آینده میتواند فراتر از غذا هم به کار برود و در طراحی محصولاتی مثل داروها و مواد پیشرفته کمک کند.
در حالی که هوش مصنوعی بهعنوان فناوریای قدرتمند و بهسرعت در حال رشد، هم هیجان زیادی ایجاد کرده و هم نگرانیهای فراوان، اکنون پژوهشگران Living Matter Lab در دانشگاه استنفورد میگویند این فناوری شاید بتواند یکی از محبوبترین غذاهای آمریکایی یعنی برگر را هم بهتر کند.
این پژوهش که توسط وحیدالله تاج، کریستوفر گاردنر و الن کوهل انجام شده، در شمارهی ژوئن مجلهی npj Science of Food منتشر شده است. پژوهشگران در این مطالعه، یک مدل مولد هوش مصنوعی به نام BurgerAI را طراحی کردند که یاد میگیرد مواد غذایی چگونه با هم ارتباط دارند — از جمله اینکه چه طعمهایی با هم سازگارند و هر ماده باید چه نسبتی داشته باشد. همین موضوع باعث شد این مدل هنگام ساخت دستورهای جدید، دقت بیشتری داشته باشد. BurgerAI چگونه کار میکند؟
BurgerAI بهجای یک مدل زبانی بزرگ (LLM)، از یک مدل مبتنی بر دیفیوژن استفاده میکند. برخلاف LLMها که با پیشبینی محتملترین واژهی بعدی متن تولید میکنند، مدلهای دیفیوژن از دادههای موجود الگو میگیرند و سپس ترکیبهای تازهای با ویژگیهای مشابه میسازند. این فناوری بهطور گسترده در تولید تصویر با هوش مصنوعی، مانند ابزارهایی مثل DALL·E و Stable Diffusion، استفاده میشود.
اما بهجای تولید تصویر، این تیم BurgerAI را با ۲۲۱۶ دستور پخت برگر که از پایگاه دادهای عمومی شامل بیش از نیم میلیون دستور غذای خانگی در Food.com جمعآوری شده بود، آموزش داد. در نتیجه، مدل روابط آماری میان ۱۴۶ مادهی تشکیلدهندهی برگر را یاد گرفت؛ از جمله اینکه کدام مواد با هم جفت میشوند، در چه …
