هوش مصنوعی در آشپزخانه؛ آینده‌ خوراکی‌ها چگونه رقم می‌خورد؟

جمعیت جهان تا میانه قرن به حدود ۱۰ میلیارد نفر نزدیک می‌شود و فشار بر تولید، توزیع و مصرف غذا بیشتر خواهد شد. در همین زمان، تولید سنتی غذا، به‌ویژه دامداری صنعتی، یکی از عوامل مهم فشار بر محیط زیست، مصرف منابع و انتشار گازهای گلخانه‌ای است. به همین دلیل، شرکت‌های غذایی، پژوهشگران و نهادهای سلامت به دنبال راه‌هایی هستند که غذا را پایدارتر، سالم‌تر و کم‌هزینه‌تر تولید کنند.

در این میان، هوش مصنوعی به یکی از ابزارهای تازه صنعت غذا تبدیل شده است؛ نه به‌عنوان ناجی قطعی، بلکه به‌عنوان دستیاری که می‌تواند آزمون و خطا را کمتر کند، ترکیب مواد غذایی را بهتر تحلیل کند و حتی در پیشنهاد رژیم‌های شخصی‌سازی‌شده نقش داشته باشد.

فرمول غذاها چطور تغییر می‌کند؟

تولید یک محصول غذایی جدید در کارخانجات، فرایندی طولانی، پرهزینه و پر از آزمون و خطاست. در حالت عادی، تولیدکنندگان باید بارها ترکیب پروتئین‌ها، چربی‌ها و افزودنی‌ها را تغییر دهند تا به طعم، بافت و ظاهر دلخواه برسند؛ اما حالا هوش مصنوعی به عنوان یک دستیار قوی، حتی قبل از تولید یک نمونه‌ی فیزیکی در آزمایشگاه، می‌تواند تعامل مواد مختلف را پیش‌بینی کند.

این فناوری با تحلیل هزاران داده شیمیایی و غذایی، بهترین ترکیب را پیشنهاد می‌دهد و هزینه‌های گزاف آزمایشات مکرر را به حداقل می‌رساند. این کار می‌تواند بخشی از آزمون و خطا را کم کند و مسیر رسیدن به نمونه اولیه را کوتاه‌تر کند.

دستیار تغذیه، نه متخصص تغذیه

یکی از کاربردهای جذاب هوش مصنوعی، تحلیل مواد اولیه و پیشنهاد غذا یا رژیم شخصی‌سازی‌شده است. برخی مدل‌ها می‌توانند با دریافت فهرست مواد یک غذا، ارزش غذایی تقریبی آن را تخمین بزنند. اپلیکیشن‌های تغذیه هم در حال ترکیب داده‌های غذایی، عادت‌های کاربر، محدودیت‌های پزشکی و سلیقه شخصی هستند تا پیشنهادهای دقیق‌تری ارائه کنند.

برای مثال، پلتفرم‌هایی مانند «سامسونگ فود» (Samsung Food) تلاش می‌کنند با تشخیص مواد غذایی از طریق دوربین، فهرست مواد موجود را بسازند و بر اساس آن دستور پخت پیشنهاد کنند.

تشخیص غذاهای بیش‌فراوری‌شده

هوش مصنوعی فقط در آشپزخانه و کارخانه غذا کاربرد ندارد؛ در سلامت عمومی هم می‌تواند نقش داشته باشد. برخی الگوریتم‌ها، مثل «فودپروایکس» (FoodProX)، از روی اطلاعات تغذیه‌ای محصول تلاش می‌کنند سطح فراوری صنعتی غذا را تخمین بزنند.

این یعنی الگوریتم مستقیماً نمی‌گوید یک غذا «سالم» یا «ناسالم» است، بلکه می‌تواند نشان دهد احتمالاً تا چه اندازه فراوری‌شده است. چنین ابزارهایی اگر درست و شفاف طراحی شوند، می‌توانند به مصرف‌کننده، پژوهشگر و سیاست‌گذار کمک کنند انتخاب‌های غذایی را بهتر تحلیل کنند.

در سطح کلان، هوش مصنوعی می‌تواند با تحلیل تصاویر ماهواره‌ای و داده‌های اقتصادی، مناطقی را شناسایی کند که دسترسی کمتری به غذای سالم و تازه دارند. این اطلاعات می‌تواند برای طراحی سیاست‌های حمایتی، برنامه‌های سلامت عمومی و مداخله زودتر در سوءتغذیه مفید باشد؛ به‌ویژه برای گروه‌هایی مثل سالمندان، کودکان و خانواده‌های کم‌درآمد.

کشف مواد غذایی تازه

شرکت‌هایی مانند «برایت‌سید» (Brightseed) از هوش مصنوعی برای جست‌وجوی ترکیبات زیست‌فعال در گیاهان استفاده می‌کنند؛ یعنی ترکیباتی که ممکن است روی سلامت بدن اثرگذار باشند. چنین فناوری‌هایی می‌توانند سرعت کشف منابع غذایی تازه یا مواد مفید احتمالی را افزایش دهند.

اما این بخش هم باید با احتیاط دیده شود. شناسایی یک ترکیب مفید در داده‌ها یا آزمایش‌های اولیه به معنی آماده‌بودن آن برای مصرف عمومی نیست. برای تبدیل این کشفیات به غذا، مکمل یا محصول درمانی، هنوز به آزمایش‌های ایمنی، ارزیابی انسانی و نظارت قانونی نیاز است.

خطرات پنهان و محدودیت‌های هوش مصنوعی در تغذیه

با وجود تمام این پیشرفت‌ها، واگذاری سلامت شخصی به طور کامل به یک الگوریتم، خطرات خاص خود را دارد. سازمان جهانی بهداشت تأکید می‌کند که الگوریتم‌های مرتبط با سلامت نباید دارای «سوگیری الگوریتمی» (Algorithmic Bias)¹ باشند.

اگر داده‌های آموزشی یک ابزار تنوع کافی نداشته باشد، توصیه‌های آن ممکن است برای همه فرهنگ‌های غذایی، شرایط بدنی و گروه‌های جمعیتی قابل اعتماد نباشد. اگر یک کاربر با رژیم غذایی و فیزیولوژی متفاوت از این برنامه‌ها استفاده کند، ممکن است توصیه‌هایی دریافت کند که برای او نامناسب یا حتی مضر باشد. ازطرفی، هنوز استانداردهای دقیق و تأییدشده‌ای برای بسیاری از این برنامه‌ها وجود ندارد.

فناوری مبتنی بر هوش مصنوعی قرار نیست جایگزین پزشک یا متخصص تغذیه‌ شما شود، بلکه باید مانند یک دستیار هوشمند، در شناخت بهتر مواد غذایی و پرهیز از غذاهای فراوری‌شده کمک‌تان کند.

تصمیم‌گیرنده‌ی نهایی خودِ شما هستید!

هوش مصنوعی می‌تواند در شناخت مواد غذایی، کاهش آزمون و خطا، پیشنهاد دستور پخت و حتی شناسایی غذاهای بیش‌فراوری‌شده کمک کند؛ اما اگر پای بیماری، رژیم درمانی، دیابت، فشار خون، سوءتغذیه یا دارو در میان است، توصیه الگوریتم نباید جای پزشک یا متخصص تغذیه را بگیرد.

1. سوگیری الگوریتمی به وضعیتی گفته می‌شود که یک الگوریتم یا سیستم هوش مصنوعی به دلیل داده‌های ناعادلانه، ناقص یا طراحی نامناسب، نتایجی جانب‌دارانه و تبعیض‌آمیز تولید کند. این سوگیری می‌تواند باعث شود برخی افراد یا گروه‌ها نسبت به دیگران به‌ طور ناعادلانه مورد قضاوت یا ارزیابی قرار گیرند. ↩︎