Национальная кухня человечества создавалась путём экспериментов с учётом привычек, потребностей конкретной народности, этноса. В Индии, к примеру, практически все блюда с огромным количеством специй, народы Крайнего Севера – это в основном сырая кровь и всё на её основе, витамины и прочее получают только оттуда.
Но не только повара-гурманы могут открывать новые вкусовые сочетания теперь этим займётся искусственный интеллект. Новый инструмент сопоставления ингредиентов, разработанный Sony AI и Корейским университетом, использует данные молекулярной биологии, чтобы предсказать, как два ингредиента будут сочетаться вместе, и предложить новые рецепты.
Модель встраивания сочетаний, получившая название FlavorGraph, была обучена на миллионе рецептов и данных о химической структуре более чем 1500 ароматических молекул. Исследователи использовали фреймворк машинного обучения PyTorch, архитектуру CUDA и графический процессор NVIDIA TITAN для обучения и тестирования своего кулинарного искусственного интеллекта.
Ранее исследователи использовали молекулярную науку для объяснения классических сочетаний вкусов, таких как чеснок и имбирь, сыр и помидоры, или свинина и яблоко, и определили, что ингредиенты с общими доминирующими молекулами вкуса хорошо сочетаются. В базе данных FlavorGraph информация о молекулах вкуса была сгруппирована по таким профилям, как горький, фруктовый и сладкий.
Но другие пары ингредиентов имеют разный химический состав, что побудило команду также включить эти рецепты в базу данных, что даёт модели понимание того, как вкусы сочетались в прошлом.
«Результатом является сочетание вкусов, которые позволяют добиться лучших результатов, чем когда-либо прежде», - написали исследователь Корейского университета Донхён Пак и Фред Гиффорд, менеджер по стратегии и партнёрским отношениям в Sony. «Эти примеры можно использовать для прогнозирования взаимосвязи между молекулярными соединениями и продуктами питания, намекая на новые захватывающие методы рецептов и открывая новые перспективы для науки о продуктах питания в целом»
FlavorGraph, представленный в научных отчётах, показывает связи между профилями вкуса и основными химическими соединениями в определённых продуктах питания. Он основан на модели metapath2vec и превосходит другие базовые методы для кластеризации пищевых продуктов.
Исследователи надеются, что проект приведёт к открытию новых рецептов, более интересных комбинаций вкусов и потенциальных заменителей нездоровых или неустойчивых ингредиентов.
Модель встраивания сочетаний, получившая название FlavorGraph, была обучена на миллионе рецептов и данных о химической структуре более чем 1500 ароматических молекул. Исследователи использовали фреймворк машинного обучения PyTorch, архитектуру CUDA и графический процессор NVIDIA TITAN для обучения и тестирования своего кулинарного искусственного интеллекта.
«Результатом является сочетание вкусов, которые позволяют добиться лучших результатов, чем когда-либо прежде», - написали исследователь Корейского университета Донхён Пак и Фред Гиффорд, менеджер по стратегии и партнёрским отношениям в Sony. «Эти примеры можно использовать для прогнозирования взаимосвязи между молекулярными соединениями и продуктами питания, намекая на новые захватывающие методы рецептов и открывая новые перспективы для науки о продуктах питания в целом»
И начнётся война на уничтожение человечества.
