Исследователи представили BurgerAI, генеративную систему для подбора рецептов бургеров с учётом вкуса, питательной ценности и экологического следа. Модель не просто комбинирует продукты по шаблону, а рассчитывает состав и массу ингредиентов так, чтобы получить съедобный компромисс между калориями, пользой и воздействием на окружающую среду. В тестах часть рецептов получила оценки дегустаторов на уровне Big Mac или выше.
Авторы работы исходили из простой проблемы: число возможных комбинаций ингредиентов для бургеров слишком велико для ручного подбора. По их оценке, речь идёт о 1043 вариантах. Поэтому вместо обычной языковой модели они использовали специализированную диффузионную систему, обученную на 2216 рецептах из базы Food.com. В датасете выделили 146 уникальных ингредиентов, после чего модель училась отдельно выбирать компоненты и отдельно рассчитывать их навески.
После обучения BurgerAI сгенерировала 1 млн рецептов и оценила их по нескольким метрикам. Для проверки исследователи взяли Big Mac как ориентир по вкусовой привлекательности и провели слепую дегустацию в ресторане Сан-Франциско. В ней участвовал 101 человек, которым подали пять бургеров, спроектированных системой. Два варианта по общему впечатлению, вкусу и текстуре набрали столько же или больше баллов, чем эталонный бургер.
Самый заметный разрыв получился по экологическим и питательным показателям. Наиболее «зелёный» рецепт оказался грибным: его интегральный показатель воздействия составил 0,06 против 0,93 у Big Mac, то есть более чем в 15 раз ниже. Самый питательный вариант был построен на фасоли и получил индекс здорового питания 63,12 против 33,71 у Big Mac, хотя по вкусу уступил мясному ориентиру. Отдельно авторы проверили, может ли система воспроизвести известный бургер без прямого обучения на нём: в среднем для совпадения с рецептурой Big Mac требовалось 7,3 млн случайных генераций.
Такие эксперименты выходят далеко за пределы фастфуда. Генеративные модели уже применяют для поиска новых молекул в фарме и материаловедении: к примеру, Google DeepMind развивает инструменты для прогноза структуры белков, а стартапы вроде Insilico Medicine используют ИИ для проектирования кандидатов в лекарства. Пищевой сегмент тоже быстро растёт. По оценке McKinsey, цифровые инструменты персонализированного питания становятся одним из самых быстрорастущих направлений foodtech, а мировой рынок альтернативных белков, для которого важны вкус и состав, BCG ранее оценивала в десятки миллиардов долларов к началу следующего десятилетия.
Для самих авторов BurgerAI служит скорее демонстратором подхода, чем сервисом для кухни. Если модель действительно переносима на другие задачи, её следующей проверкой станут не бургеры, а подбор новых материалов, химических соединений и биомолекул, где цена ошибки заметно выше, чем у неудачной булки с котлетой.