Zszywki do spiżarni mogą zjełczeć pod wpływem tlenu. Daniel de la Hoz/Moment
Czy kiedykolwiek ugryzłeś orzech lub kawałek czekolady, spodziewając się gładkiego, bogatego smaku, ale napotkałeś nieoczekiwany i nieprzyjemny kredowy lub kwaśny smak? Ten smak to jełczenie w działaniu i wpływa na prawie każdy produkt w Twojej spiżarni. Teraz sztuczna inteligencja może pomóc naukowcom w dokładniejszym i skuteczniejszym rozwiązaniu tego problemu.
Jesteśmy grupą chemików, która bada sposoby przedłużania trwałości produktów spożywczych, w tym tych jełczałych. My niedawno opublikował badanie opisując zalety narzędzi AI, które pomagają dłużej zachować świeżość próbek oleju i tłuszczu. Ponieważ oleje i tłuszcze są powszechnymi składnikami wielu rodzajów żywności, w tym chipsów, czekolady i orzechów, wyniki badania mogą mieć szerokie zastosowanie, a nawet wpłynąć na inne obszary, w tym kosmetyki i farmaceutyki.
Jełczenie i przeciwutleniacze
Jedzenie staje się zjełczałe gdy jest przez jakiś czas wystawiony na działanie powietrza – proces zwany utlenianiem. W rzeczywistości wiele wspólnych składników, ale zwłaszcza lipidy, którymi są tłuszcze i oleje, reagują z tlenem. Obecność ciepła lub światła UV może przyspieszyć ten proces.
Utlenianie prowadzi do powstania mniejszych cząsteczek, takich jak ketony, aldehydy i Kwasy tłuszczowe nadające zjełczałej żywności charakterystyczną rangę, mocny i metaliczny zapach. Powtarzające się spożywanie zjełczałych potraw może zagrozić Twojemu zdrowiu.
Na szczęście zarówno przyroda, jak i przemysł spożywczy mają doskonałą tarczę przed jełczeniem – antyoksydanty. Żywność jełcze w procesie zwanym utlenianiem.
Przeciwutleniacze obejmują szeroką gamę naturalnych cząsteczek, takich jak witamina C, i cząsteczek syntetycznych, które mogą chronić żywność przed utlenianiem.
Chociaż są kilka sposobów działania przeciwutleniaczyogólnie mogą zneutralizować wiele procesów powodujących jełczenie i dłużej zachować smak i wartość odżywczą żywności. Najczęściej klienci nawet nie wiedzą, że spożywają dodane przeciwutleniacze, ponieważ producenci żywności zazwyczaj dodają je w małych ilościach podczas przygotowywania.
Ale nie można po prostu posypać żywności odrobiną witaminy C i oczekiwać efektu konserwującego. Naukowcy muszą dokonać starannego wyboru specyficzny zestaw przeciwutleniaczy i dokładnie obliczyć ilość każdego z nich.
Łączenie antyoksydantów nie zawsze wzmacnia ich działanie. W rzeczywistości zdarzają się przypadki, w których użycie niewłaściwych przeciwutleniaczy lub zmieszanie ich w niewłaściwych proporcjach może zmniejszyć ich działanie ochronne – nazywa się to antagonizm. Ustalenie, które kombinacje sprawdzają się w przypadku jakich rodzajów żywności, wymaga wielu eksperymentów, które są czasochłonne, wymagają wyspecjalizowanego personelu i zwiększają całkowity koszt żywności.
Zbadanie wszystkich możliwych kombinacji wymagałoby ogromnej ilości czasu i zasobów, dlatego badacze są skazani na kilka mieszanin, które zapewniają jedynie pewien poziom ochrony przed jełczeniem. Tutaj w grę wchodzi sztuczna inteligencja.
Zastosowanie dla AI
Prawdopodobnie widziałeś Narzędzia sztucznej inteligencji, takie jak ChatGPT w wiadomościach lub sam się nimi bawiłeś. Tego typu systemy mogą przyjmować duże zbiory danych i zidentyfikuj wzorce, a następnie wygeneruj dane wyjściowe, które mogą być przydatne dla użytkownika. Narzędzia AI zmieniły liczbę naukowców prowadzących badania.
Jako chemicy chcieliśmy nauczyć narzędzie AI, jak szukać nowych kombinacji przeciwutleniaczy. W tym celu wybraliśmy rodzaj sztucznej inteligencji, z którą można współpracować reprezentacje tekstowe, które są zapisanymi kodami opisującymi strukturę chemiczną każdego przeciwutleniacza. Najpierw przesłaliśmy naszej sztucznej inteligencji listę około miliona reakcji chemicznych i nauczyliśmy program kilku prostych pojęć chemicznych, na przykład identyfikacji ważnych cech cząsteczek.
Kiedy maszyna potrafiła już rozpoznawać ogólne wzorce chemiczne, na przykład reakcje między sobą określonych cząsteczek, udoskonaliliśmy ją, ucząc ją bardziej zaawansowanej chemii. Na tym etapie nasz zespół wykorzystał bazę danych zawierającą prawie 1,100 mieszanin opisanych wcześniej w literaturze badawczej.
W tym momencie sztuczna inteligencja mogła przewidzieć efekt połączenia dowolnego zestawu dwóch lub trzech przeciwutleniaczy w czasie krótszym niż sekunda. Jego przewidywania pokrywały się z efektem opisanym w literaturze w 90% przypadków.
Jednak te przewidywania nie do końca pokrywały się z eksperymentami przeprowadzonymi przez nasz zespół w laboratorium. W rzeczywistości odkryliśmy, że nasza sztuczna inteligencja była w stanie poprawnie przewidzieć tylko kilka eksperymentów utleniania, które przeprowadziliśmy z prawdziwym smalcem, co pokazuje złożoność przenoszenia wyników z komputera do laboratorium.
Udoskonalanie i ulepszanie
Na szczęście modele sztucznej inteligencji nie są narzędziami statycznymi z predefiniowanymi ścieżkami „tak” i „nie”. Oni są dynamiczni uczniowie, dzięki czemu nasz zespół badawczy może w dalszym ciągu zasilać model nowymi danymi, dopóki nie udoskonali on jego możliwości predykcyjnych i nie będzie w stanie dokładnie przewidzieć wpływu każdej kombinacji przeciwutleniaczy. Im więcej danych otrzymuje model, tym staje się dokładniejszy, podobnie jak rozwój człowieka poprzez uczenie się.
Odkryliśmy, że dodanie około 200 przykładów z laboratorium umożliwiło sztucznej inteligencji nauczenie się chemii wystarczającej do przewidzenia wyników eksperymentów przeprowadzonych przez nasz zespół, z jedynie niewielką różnicą między wartością przewidywaną a rzeczywistą.
Model taki jak nasz może być w stanie pomóc naukowcom w opracowaniu lepszych sposobów konserwowania żywności poprzez znalezienie najlepszych kombinacji przeciwutleniaczy dla konkretnej żywności, z którą pracują, co będzie przypominać posiadanie bardzo sprytnego asystenta.
W ramach projektu bada się obecnie skuteczniejsze sposoby uczenia modelu sztucznej inteligencji i poszukuje sposobów dalszego ulepszania jego możliwości predykcyjnych.
Carlosa D. Garcii, profesor chemii, Uniwersytet Clemson i Lucasa de Brito Ayresa, Doktorant z chemii, Uniwersytet Clemson
Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.
Powiązane książki:
Sól, tłuszcz, kwas, ciepło: opanowanie elementów dobrego gotowania
autorstwa Samina Nosrata i Wendy MacNaughton
Ta książka to kompleksowy przewodnik po gotowaniu, skupiający się na czterech elementach: soli, tłuszczu, kwasie i cieple oraz oferujący spostrzeżenia i techniki tworzenia pysznych i dobrze zbilansowanych posiłków.
Kliknij, aby uzyskać więcej informacji lub zamówić
Książka kucharska Skinnytaste: mało kalorii, dużo smaku
Giny Homolki
Ta książka kucharska oferuje zbiór zdrowych i pysznych przepisów, skupiających się na świeżych składnikach i odważnych smakach.
Kliknij, aby uzyskać więcej informacji lub zamówić
Naprawa żywności: jak uratować nasze zdrowie, naszą gospodarkę, nasze społeczności i naszą planetę — jeden kęs na raz
przez dr Marka Hymana
Ta książka bada powiązania między żywnością, zdrowiem i środowiskiem, oferując spostrzeżenia i strategie tworzenia zdrowszego i bardziej zrównoważonego systemu żywnościowego.
Kliknij, aby uzyskać więcej informacji lub zamówić
Książka kucharska Barefoot Contessa: Sekrety specjalnego sklepu spożywczego East Hampton dla prostej rozrywki
autorstwa Iny Garten
Ta książka kucharska oferuje zbiór klasycznych i eleganckich przepisów ukochanej Barefoot Contessa, skupiających się na świeżych składnikach i prostym przygotowaniu.
Kliknij, aby uzyskać więcej informacji lub zamówić
Jak wszystko ugotować: podstawy
przez Marka Bittmana
Ta książka kucharska oferuje obszerny przewodnik po podstawach gotowania, obejmujący wszystko, od umiejętności posługiwania się nożem po podstawowe techniki, i oferuje zbiór prostych i pysznych przepisów.
