Здоровье

ИИ придумал миллион рецептов бургеров: полезный вариант оказался не самым вкусным

Учёные сравнили пять рецептов, созданных ИИ, с привычным бургером на дегустации 101 человека: вкус, состав и экологичность потребовали компромиссов.

Published

on

Искусственный интеллект способен быстро придумывать рецепты с разным балансом вкуса, питательной ценности и экологического следа, но выигрыш по одному параметру не гарантирует успеха по другим. Это показали исследователи Стэнфордского университета, которые создали множество вариантов бургеров и проверили пять из них на дегустации с участием 101 добровольца.

Команда обучила генеративную модель на 2216 рецептах, написанных людьми, и использовала данные о 146 ингредиентах. Затем система сгенерировала миллион вариантов, из которых отобрали рецепты с разными целями — вкус, питание и экологические показатели. Это эксперимент по разработке еды, а не клиническое испытание её влияния на здоровье.

Как проходила дегустация

Пять вариантов готовили по стандартизированным инструкциям и сравнивали с бургером Big Mac, который служил ориентиром. Добровольцы не знали, какой образец пробуют, и оценивали вкус, текстуру и общее впечатление по семибалльной шкале. Отдельно учёные рассчитали пищевые показатели и предполагаемое влияние ингредиентов на окружающую среду.

Некоторые рецепты, ориентированные на вкус, получили немного более высокие оценки вкуса, чем контрольный бургер. Однако разница была умеренной. То, что понравилось группе посетителей одного ресторана, не обязательно понравится другим людям с иными привычками и предпочтениями.

Где ИИ нашёл компромисс

Один грибной бургер получил расчётную оценку экологического воздействия около 0,06 против 0,93 у контрольного варианта, но добровольцам он заметно меньше понравился. Другой вариант с грибами и говядиной показал похожие вкусовые оценки, однако не улучшил экологический результат.

Рецепт, ориентированный на питание, получил индекс Healthy Eating Index около 63,12 против 33,71 у контрольного бургера. Его оценка включала более благоприятное соотношение овощей, цельных злаков и отдельных нутриентов, но вкус и текстура получили более низкие баллы. Это расчётный индекс качества состава, а не доказанное снижение риска болезни.

Что полезно обычному покупателю

Работа показывает, что программы могут помочь поварам искать неожиданные комбинации ингредиентов и быстрее тестировать альтернативы. Но алгоритм оптимизирует только те показатели, которые в него заложены; он не знает всех нюансов домашнего приготовления, цены, доступности или пищевой аллергии конкретного человека.

При выборе блюда разумно оценивать общий состав и размер порции, а не происхождение рецепта. Технология не превращает фастфуд в лечебное питание. Для дальнейших выводов потребуются более разнообразные дегустации и проверка того, как новые рецепты влияют на реальные привычки людей.

Автоматическая генерация блюд особенно интересна там, где разработчик хочет одновременно учитывать пищевые ограничения и предпочтения, но нынешний эксперимент не проверял безопасность персональных рекомендаций для людей с заболеваниями. Например, подходящий по усреднённому индексу рецепт может содержать ингредиент, который конкретному человеку нельзя из-за аллергии, болезни почек или лекарственных взаимодействий. Поэтому система подбора продуктов требует человеческой проверки. Отдельным вопросом остаётся стоимость: рецепт из редких ингредиентов может выглядеть оптимальным в цифровой модели и оказаться неудобным в обычной семье. Ценность исследования состоит в демонстрации метода поиска альтернатив, который можно испытать шире, а не в появлении одного универсального «идеального» бургера. Авторы продемонстрировали математический поиск решений, но не исследовали изменения веса или состояния здоровья после регулярного употребления этих блюд.

Читайте также: Другие материалы о здоровье и профилактике.

В тренде

Exit mobile version