Stel je voor dat je favoriete recept wordt aangepast zodat het precies dezelfde traditionele methodes en ingrediënten van een andere regionale eetculturen heeft. Denk bijvoorbeeld aan lasagne, maar dan alsof het uit de Japanse of Ethiopische keuken komt. En dat niet door het simpelweg combineren van wat ingrediënten, nee, het gaat dieper – namelijk een complete culturele herinterpretatie van wat lasagne überhaupt is.
Advertentie
Het is niet per se gemakkelijk of natuurlijk, maar een nieuw machine-learning-algoritme dat werd ontwikkeld door Franse, Amerikaanse, en Japanse onderzoekers, biedt een geautomatiseerde oplossing op basis van neurale netwerken voedseldata. Het resultaat, dat wordt beschreven in een paper dat deze maand werd gepubliceerd, is een systeem dat een recept kan omtoveren alsof het uit een andere keuken komt – sushi-lasagne of boerenkool-roti bijvoorbeeld – en het kan ook een recept ontleden om te kijken naar de onderliggende componenten van een keuken.Recepten zijn interessant als het om data gaat. Een recept is op zichzelf een algoritme en is een aspect van cultuur dat zeer zorgvuldig is gekwantificeerd. Of het nou in eetlepels, grammen of ingrediënten wordt beschreven. Het is daarom logisch om naar recepten te kijken met statistische analyse. Vooral in een tijd waar voedselculturen steeds verder met elkaar versmelten."Met de groeiende globalisering en economische ontwikkeling wordt het steeds moeilijker om de huidige keuken van een recept te vergelijken met de traditionele stijl omdat eetpatronen veranderen en samensmelten in veel Aziatische en Europese landen," legt het paper uit. "Er zijn weinig pogingen gedaan om algoritmes te ontwikkelen die de keuken van een recept transformeren in een andere stijl."Het eerste component van het systeem laadt een groot aantal recepten in. Die moeten vervolgens worden gebruikt om een neuraal netwerk te trainen om de kenmerken van de stijl te herkennen. Dit model kan vervolgens worden gebruikt om nieuwe ingrediëntenlijsten in te laden en te voorspellen om welke keuken het gaat.
Advertentie
Het volgende deel van het systeem neemt de recepten en toeen ze als een Newton-diagram (zoals hieronder), waarin met tweedimensionale coördinaten wordt weergegeven in welke keuken elk recept hoort.
Het derde onderdeel van het systeem neemt de ingrediënten en clustert deze met een word2vec-model. Dit is een manier om associaties tussen woorden te kwantificeren, of in dit geval, de ingrediënten van recepten. Soortgelijke woorden/ingrediënten worden samen weergeven met soortgelijke woorden/ingrediënten. Het resultaat biedt een diepe analyse van welke ingrediënten met elkaar overeenkomen. En welke ingrediënten inwisselbaar zijn. Op deze manier verzint het systeem alternatieve recepten.Het resultaat kun je hier beneden zien. De onderzoekers en een professionele chef hebben de recepten ook echt gemaakt, en ze zien er best wel lekker uit.
Goznder eten is het uiteindelijke doel. "Slechte eetgewoontes zijn een van de grootste problemen voor de volksgezondheid," schrijft het paper. "In de toekomst kunnen met deze resultaten gezonde gerechten worden gemaakt en worden aangepast aan de voedselvoorkeuren van mensen overal op Aarde."Dus, dankzij neurale netwerken eten we mogelijk allemaal gezond in de toekomst. En ook nog eens lekker.