Digitalizando la gastronomía

La modalidad actual de IA (basada en redes neuronales) implica emplear algoritmos que pueden analizar miles de recetas y datos existentes de sabor, para generar nuevas combinaciones favorables. La información contenida en internet (texto, imágenes, vídeos, audios y otros datos) se sitúa en 1,2 millones de terabytes (un 1 seguido de doce ceros) y sigue creciendo. Como idea, leyendo una página por segundo, sin parar, un humano necesitaría millones de años para completarlo.

La IA no lee de la misma forma que un humano. En los modelos más avanzados, los de aprendizaje automático y procesamiento del lenguaje natural, en lugar de pretender entender el significado de las palabras o las oraciones, como humanos, los algoritmos procesan el texto como una serie de datos numéricos. Los pasos son: tokenización, barbarismo que implica dividir el texto en tokens (fichas), que pueden ser palabras, oraciones o subpalabras, dependiendo del enfoque; vectorización: los tokens se convierten en vectores, que son listas de números. Una forma es por incrustación de palabras: a cada palabra se le asigna un vector de alta dimensión y las similares están más cerca en ese espacio vectorial. Tras esto, se transfieren al modelo de IA en secuencia, con la ayuda de redes neuronales recurrentes yf inalmente, la IA intenta identificar patrones de los datos, por ejemplo, deduciendo palabras para continuar la oración a partir de las palabras precedentes. Después de entrenarse, el modelo genera predicciones basadas en los datos 'leídos'. Por último, convierte los resultados numéricos a texto, con el proceso inverso al inicial, para que los humanos lo entiendan. En esencia, trata el texto, aunque no lo comprende como lo hacen los humanos, no tiene conciencia de la comprensión semántica, sino que identifica patrones y formula predicciones a partir de estos patrones. Evidentemente, la capacidad de lectura de la IA depende de muchos factores, entre otros la capacidad de los ordenadores disponibles.

La IA puede personalizar la experiencia gastronómica de los clientes, automatizar la cocina, ayudar de forma decisiva en la gestión y control de calidad. En agricultura y suministro de alimentos, ayuda desde la predicción de las condiciones climáticas, hasta la optimización de la cosecha o detectar plagas. Mejora la eficiencia y reducción de residuos; en las bebidas, desde la generación de nuevas, hasta control de fermentación y envejecimiento; en las dietas, ayuda a tomar decisiones saludables; en marketing y ventas, para predecir tendencias y llegar de forma efectiva; prevención de desperdicios, formación culinaria en técnicas y mejora de sabores prediciendo combinaciones aceptadas por los consumidores. Robots de servicio, biotecnología de los alimentos, seguridad alimentaria, simulación de cultivos o experiencias gastronómicas, adaptando la comida a las reacciones emocionales, configurando la gastronomía personalizada. Un universo de retos. Se ve venir.