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 مقدارهایی و با چه فراوانیای. آیا هوش مصنوعی میتواند برگری بهتر از بیگمک بسازد؟
برای آزمایش مدل، پژوهشگران از آن خواستند برگری شبیه به بیگمک تولید کند، در حالی که مدل هرگز دستور اصلی این ساندویچ را ندیده بود. پاسخ مثبت بود.
در ۱۰ بار آزمایش، BurgerAI بهطور میانگین حدود ۷.۳ میلیون دستور برگر محتمل تولید کرد تا در نهایت به نسخهای برسد که از نظر مواد و نسبتها به یک نسخهی مرجع از بیگمک شباهت داشت. چون مکدونالد دستور اصلی بیگمک را محرمانه نگه میدارد، پژوهشگران خودشان یک نسخهی مرجع را با ترکیب چهار دستور بازسازیشدهی عمومی تهیه کردند. به گفتهی آنها، این که مدل برای رسیدن به یک نسخهی مشابه بیگمک میلیونها دستور تولید کرده، نشان میدهد که BurgerAI بعید است یک دستور را دقیقاً کپی کند؛ بلکه بیشتر ترکیبهای تازهای میسازد که همچنان با قواعد رایج برگر سازگارند.
بعد، پژوهشگران از BurgerAI خواستند یک میلیون دستور جدید را با هدف بهینهسازی برای طعم، پایداری محیطزیستی و تغذیه تولید کند. سپس پنج دستور نماینده را از میان سه دسته انتخاب کردند، با این استدلال که ترکیبهایی که مدل بیشتر تولید کرده، احتمالاً برای خوردن هم جذابترند.
از آنجا که دستورهای تولیدشده فقط شامل فهرست مواد و مقدار آنها بودند و نه روش پخت، پژوهشگران از یک سرآشپز اجرایی خواستند برای هرکدام دستور استاندارد تهیه کند. سپس گروهی از سرآشپزها این پنج برگر را آماده کردند و در یک تست طعم در سانفرانسیسکو، به ۱۰۱ نفر دادند تا آنها را از نظر طعم، بافت و جذابیت کلی ارزیابی کنند — در کنار یک بیگمک واقعی از مکدونالد.
دو تا از برگرهای BurgerAI از نظر طعم و میزان پسند کلی با بیگمک برابر شدند یا حتی بهتر بودند. شرکتکنندگان یکی از آنها را گوشتیتر، آبدارتر و غنیتر از برگر فستفودی توصیف کردند، و دیگری را بهخاطر طعم گوشتیتر و نتهای دودی آن ستودند.
کول در گفتوگو با Study Finds گفت:
«بیشتر سیستمهای هوش مصنوعی برای پیشبینی چیزی آموزش میبینند که از قبل وجود دارد. ما میخواستیم هوش مصنوعی چیزی را اختراع کند که باید در آینده وجود داشته باشد.» چه شد وقتی BurgerAI پایداری محیطزیستی را بر طعم ترجیح داد؟
وقتی پژوهشگران از BurgerAI خواستند بهجای طعم، روی پایداری محیطزیستی یا تغذیه تمرکز کند، تفاوتها بیشتر آشکار شد. یک برگر کاملاً قارچی، در مقایسه با بیگمک، اثرات زیستمحیطی بسیار کمتری داشت — از جمله در مصرف زمین، آب و انتشار گازهای گلخانهای — اما از نظر طعم و بافت امتیاز پایینتری گرفت و شرکتکنندگان آن را خاکیمزه و نرم توصیف کردند.
یک برگر مبتنی بر لوبیا هم از نظر تغذیهای بسیار بهتر از بیگمک عمل کرد و امتیازش در Healthy Eating Index تقریباً دو برابر شد؛ این شاخص فدرال نشان میدهد یک غذا تا چه حد با دستورالعملهای تغذیهای آمریکا همخوانی دارد. این برگر همچنین اثرات محیطزیستی کمتری داشت، اما شرکتکنندگان آن را از نظر طعم پایینتر ارزیابی کردند و آن را بیمزه، خشک و دانهدانه توصیف کردند.
برگر سوم که قارچ و گوشت را با هم ترکیب میکرد، میانگین متعادلی ایجاد کرد. این برگر در مقایسه با بیگمک، اثرات زیستمحیطی بسیار کمتری داشت، در حالی که از نظر طعم و پسند کلی، امتیازهایی مشابه با بیگمک گرفت. این نتیجه نشان میدهد که در این مورد، مدل توانسته بود پایداری را بدون قربانیکردن جذابیت برای مصرفکننده بهبود دهد. چرا پژوهشگران فکر میکنند BurgerAI فقط برای برگر نیست؟
پژوهشگران BurgerAI را بهصورت عمومی در سایت ai4burgers.com در دسترس قرار دادهاند، جایی که کاربران میتوانند دستورهای اختصاصی برگر تولید کنند و بر اساس هدفهایی مثل پایداری یا تغذیه آنها را تنظیم کنند. با وارد کردن اطلاعاتی مثل سن، قد، وزن و میزان فعالیت، کاربران همچنین میتوانند تخمین کالری و امتیازهای تغذیهای و پایداری دریافت کنند. در صفحهی سایت یک هشدار هم آمده که این مدل ممکن است اشتباه کند، از جمله اینکه بعضی مواد ضروری را جا بیندازد؛ بنابراین کاربران باید هر دستور تولیدشده را پیش از پخت با دقت بررسی کنند.
کول میگوید این پروژه فقط دربارهی یک بیگمک نیست:
«ما غذا را بهعنوان یک مدل برای چشمانداز بسیار بزرگتری میبینیم: هوش مصنوعی بهعنوان همکار در کشفهای علمی و مهندسی.»
تیم پژوهشی معتقد است همین رویکرد در آینده میتواند برای طراحی داروها، مواد پیشرفته و دیگر محصولات پیچیده هم به کار برود. او در پایان گفت:
«برگر فقط آغاز ماجراست.»
