Un gruppo di ricercatori della Stanford University ha sviluppato BurgerAI, un sistema di intelligenza artificiale generativa progettato per creare nuove ricette di hamburger partendo da un insieme strutturato di ingredienti e ottimizzandole in funzione di più parametri, tra cui gusto, qualità nutrizionale, impatto ambientale e caratteristiche individuali dell’utente. Il progetto utilizza l’hamburger come ambiente sperimentale per studiare un problema più ampio: impiegare modelli generativi non soltanto per riprodurre configurazioni già esistenti, ma per individuare nuove soluzioni all’interno di spazi di progettazione estremamente ampi.
BurgerAI è basato su un approccio generativo a diffusione ed è stato addestrato utilizzando 2.216 ricette di hamburger provenienti dal database Food.com, dalle quali i ricercatori hanno identificato 146 ingredienti differenti appartenenti a categorie come proteine, verdure, erbe e spezie, cereali, salse, latticini, frutta secca e semi. Il modello apprende le relazioni statistiche tra ingredienti, quantità e combinazioni ricorrenti, costruendo così uno spazio all’interno del quale può generare nuove ricette da zero e valutarle secondo diversi obiettivi.
Uno dei test utilizzati per verificare la capacità del sistema è stato la ricostruzione del profilo del Big Mac di McDonald’s: BurgerAI è riuscito a convergere verso una configurazione simile senza ricevere direttamente la ricetta originale come riferimento esplicito. Il risultato è servito soprattutto a verificare che il modello avesse appreso sufficientemente bene la struttura delle combinazioni alimentari presenti nei dati da poter individuare autonomamente una soluzione vicina a un prodotto reale molto noto. Il passaggio successivo è stato utilizzare la stessa capacità generativa per creare ricette nuove, scegliendo configurazioni orientate rispettivamente al gusto, alla sostenibilità ambientale e alla qualità nutrizionale.
La verifica non si è fermata alla valutazione computazionale. Cinque hamburger progettati dal sistema sono stati preparati professionalmente e sottoposti a un test sensoriale in cieco in un ristorante di San Francisco, coinvolgendo oltre cento partecipanti e utilizzando un noto hamburger da fast food come riferimento. Le due ricette di BurgerAI sviluppate principalmente per massimizzare la gradevolezza hanno ottenuto risultati uguali o superiori al prodotto di confronto per apprezzamento complessivo, sapore e consistenza, mostrando che le combinazioni individuate matematicamente dal modello potevano tradursi in prodotti valutati positivamente anche dopo la preparazione reale.
Gli esperimenti dedicati alla sostenibilità hanno prodotto risultati differenti a seconda della composizione. Una ricetta basata sui funghi ha raggiunto un impatto ambientale complessivo inferiore di oltre un ordine di grandezza rispetto all’hamburger utilizzato come riferimento, mentre le formulazioni studiate per migliorare il profilo nutrizionale hanno portato alla realizzazione di un burger a base di fagioli con un punteggio nutrizionale quasi doppio. L’ottimizzazione prende in considerazione quindi obiettivi misurabili, permettendo di esplorare configurazioni che riducono l’impiego di risorse o modificano la composizione nutrizionale mantenendo sotto controllo anche le caratteristiche sensoriali del prodotto.
Il sistema può inoltre personalizzare le ricette utilizzando dati come età, sesso e livello di attività fisica, insieme alle preferenze relative a nutrizione e sostenibilità. Una versione pubblica del progetto è disponibile attraverso la piattaforma AI for Burgers, dove è possibile generare ricette e modificare il peso attribuito ai diversi criteri; gli stessi sviluppatori avvertono che le ricette rimangono contenuti generati automaticamente e possono quindi contenere errori o omissioni che devono essere controllati prima della preparazione.
L’aspetto centrale di BurgerAI riguarda proprio il metodo utilizzato per affrontare problemi con un numero enorme di configurazioni possibili. Ellen Kuhl, docente di ingegneria meccanica a Stanford e tra gli autori del progetto, stima che lo spazio teorico delle possibili ricette di hamburger possa raggiungere circa 10^43 combinazioni; una ricerca esaustiva sarebbe quindi impraticabile, mentre il modello generativo può apprendere la struttura dei dati disponibili e concentrare l’esplorazione sulle configurazioni compatibili con gli obiettivi richiesti.
Per i ricercatori, l’hamburger rappresenta infatti un sistema sperimentale relativamente semplice sul quale verificare tecniche destinate a problemi di progettazione molto più complessi. Gli stessi principi matematici alla base di BurgerAI possono essere applicati a spazi nei quali devono essere bilanciati contemporaneamente numerosi vincoli e proprietà, con possibili sviluppi nella progettazione di materiali, biomolecole, prodotti sostenibili e farmaci. Il progetto trasforma così la generazione di una ricetta in un caso di studio sull’uso dell’intelligenza artificiale come strumento di progettazione quantitativa, capace di cercare nuove soluzioni all’interno di insiemi di possibilità troppo grandi per essere esplorati attraverso il tradizionale procedimento per tentativi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)