همبرگر دستپخت هوش مصنوعی با ارزش غذایی ۲ برابر و اثر تخریبی یک دهمی به محیط زیست

به گزارش خبرگزاری آنا؛ پروژه «BurgerAI» که پژوهشگران دانشگاه استنفورد به‌تازگی آن را معرفی کرده‌اند، بیش از آنکه درباره غذا باشد، تلاشی برای پاسخ به یک پرسش بزرگ‌تر است: آیا هوش مصنوعی می‌تواند به جای پیش‌بینی آنچه وجود دارد، چیزی را طراحی کند که هنوز وجود ندارد؟

در سال‌های اخیر، بیشتر ابزار‌های هوش مصنوعی مولد با تولید متن، تصویر، موسیقی یا ویدئو شناخته شده‌اند. وجه مشترک همه این سامانه‌ها آن است که از روی حجم بزرگی از داده‌های گذشته، محتمل‌ترین خروجی را تولید می‌کنند. پژوهشگران BurgerAI اما می‌گویند هدف آنها مسیر متفاوتی بوده است؛ آنها می‌خواستند مدلی بسازند که به جای بازتولید الگو‌های موجود، بتواند میان چند هدف متفاوت تعادل برقرار کند و به راه‌حلی تازه برسد.

هوش‌مصنوعی سریع‌تر از درک انسان در حال پیشرفت است

طراحی همبرگرهایی نوین

برای آزمودن این ایده، پژوهشگران سراغ همبرگر رفتند؛ غذایی که در ظاهر ساده به نظر می‌رسد، اما در عمل میلیون‌ها ترکیب مختلف از مواد اولیه، مقدار هر ماده و شیوه‌های مختلف تهیه را در خود جای می‌دهد. همین تنوع، همبرگر را به بستری مناسب برای آزمایش تبدیل کرد.

BurgerAI با بررسی ۲۲۱۶ دستور پخت، الگو‌های پنهان میان مواد اولیه را یاد گرفت؛ از جمله اینکه چه موادی معمولاً در کنار هم قرار می‌گیرند، سهم هر ماده در دستور چقدر است و انسان‌ها به چه ترکیب‌هایی علاقه بیشتری نشان می‌دهند. سپس مدل با استفاده از این دانش، یک میلیون دستور جدید تولید کرد؛ دستور‌هایی که بسیاری از آنها پیش از این وجود نداشتند.

هدف این پژوهش صرفاً خلق ترکیب‌های عجیب و متفاوت نبود. در واقع هر دستور بر اساس سه معیار اصلی ارزیابی شد: میزان خوش‌طعمی، ارزش غذایی و اثرات زیست‌محیطی. به بیان دیگر، مدل باید همزمان چند مسئله را حل می‌کرد؛ کاری که معمولاً برای انسان نیز ساده نیست.

نتیجه‌ای که باعث شگفتی پژوهشگران شد

در نهایت، بهترین دستور‌های منتخب وارد آشپزخانه شدند. چند همبرگر برگزیده با کمک آشپز‌های حرفه‌ای آماده و در یک آزمون کور در اختیار بیش از ۱۰۰ نفر قرار گرفت. نتیجه برای خود پژوهشگران نیز غافلگیرکننده بود.

یکی از همبرگر‌هایی که هوش‌مصنوعی طراحی کرده بود، از نظر طعم، بافت و رضایت کلی، عملکردی هم‌تراز با «بیگ‌مک» (همبرگر رستوران‌های زنجیره‌ای مک‌دونالد) داشت؛ در حالی که نسخه‌ای دیگر که بر پایه قارچ طراحی شده بود، توانست اثرات زیست‌محیطی خود را بیش از ۱۰ برابر کاهش دهد. مدل هوش‌مصنوعی همچنین همبرگری بر پایه لوبیا پیشنهاد داد که ارزش غذایی آن تقریباً دو برابر بیگ‌مک بود و در عین حال ردپای زیست‌محیطی بسیار کمتری بر جای می‌گذاشت.

شاید مهم‌تر از خود نتایج، روشی باشد که هوش‌مصنوعی برای رسیدن به آنها انتخاب کرده است. پژوهشگران می‌گویند هوش‌مصنوعی به جای آنکه تنها یک ماده اولیه را جایگزین گوشت کند، کل دستور غذا را به‌عنوان یک سیستم واحد بازطراحی کرده است. به همین دلیل، راه‌حل نهایی حاصل جایگزین کردن‌های ساده‌ نیست و مجموعه‌ای از تغییرات کوچک در ترکیب مواد بوده است.

اگر چنین رویکردی موفق باشد، کاربرد آن می‌تواند بسیار فراتر از پخت‌وپز باشد. طراحی دارو‌های جدید، ساخت مواد پیشرفته، توسعه پروتئین‌های مصنوعی یا حتی تولید محصولات صنعتی، همگی مسائلی هستند که در آن این مدل می‌تواند کمک‌کننده باشد. پژوهشگران معتقدند همان چارچوبی که امروز برای طراحی یک همبرگر به کار رفته است، می‌تواند در آینده برای حل چنین مسائل پیچیده‌ای نیز استفاده شود

طراحی، جایگزین پیش‌بینی و الگوبرداری می‌شود

همین موضوع، BurgerAI را از بسیاری از مدل‌های رایج هوش مصنوعی متمایز می‌کند. بیشتر سامانه‌های امروزی تلاش می‌کنند نزدیک‌ترین پاسخ را بر اساس داده‌های گذشته ارائه دهند، اما در این پژوهش، مدل باید میان اهدافی که گاهی با یکدیگر در تضاد هستند، تعادل برقرار می‌کرد؛ مثلاً غذایی طراحی کند که هم خوشمزه ، هم سالم و هم برای محیط‌زیست کم‌هزینه‌تر باشد.

به باور پژوهشگران، چنین رویکردی می‌تواند آغاز تغییری مهم در نقش هوش‌مصنوعی باشد؛ تغییری که در آن AI دیگر صرفاً ابزاری برای تحلیل یا پیش‌بینی نیست، بلکه به ابزاری برای طراحی تبدیل می‌شود. در این نگاه، هوش‌مصنوعی تنها پاسخ مناسب را پیدا نمی‌کند، بلکه راه‌حل‌هایی را پیشنهاد می‌دهد که پیش از این وجود نداشته‌اند.

به همین علت پژوهشگران بار‌ها تأکید کرده‌اند که BurgerAI صرفاً پروژه‌ای درباره همبرگر نیست. غذا فقط یک نمونه آزمایشی بوده است؛ حوزه‌ای که در آن می‌توان هم‌زمان معیار‌هایی مانند طعم، سلامت، هزینه و پایداری را اندازه‌گیری کرد و عملکرد مدل را سنجید.

تحولی فراتر از صنعت غذایی

اگر چنین رویکردی موفق باشد، کاربرد آن می‌تواند بسیار فراتر از پخت‌وپز باشد. طراحی دارو‌های جدید، ساخت مواد پیشرفته، توسعه پروتئین‌های مصنوعی یا حتی تولید محصولات صنعتی، همگی مسائلی هستند که در آن این مدل می‌تواند کمک‌کننده باشد. پژوهشگران معتقدند همان چارچوبی که امروز برای طراحی یک همبرگر به کار رفته است، می‌تواند در آینده برای حل چنین مسائل پیچیده‌ای نیز استفاده شود.

البته این پژوهش نیز محدودیت‌هایی دارد. مدل تنها از روی دستور‌های غذایی موجود آموزش دیده و بنابراین ممکن است سوگیری‌های فرهنگی یا منطقه‌ای همان داده‌ها را نیز به ارث ببرد. علاوه بر این، در طراحی دستور‌ها فقط مواد اولیه و مقدار آنها در نظر گرفته شده است و عواملی مانند شیوه پخت، فرآوری مواد غذایی یا تفاوت کیفیت مواد اولیه در مناطق مختلف در مدل لحاظ نشده‌اند. آزمون مزه نیز تنها روی تعداد محدودی همبرگر و بیش از ۱۰۰ داوطلب انجام شده و برای تعمیم نتایج به فرهنگ‌های غذایی دیگر، به مطالعات گسترده‌تری نیاز خواهد بود.