发布日期：2025-05-26 浏览：70
在近期发表于 npj Science of Food 期刊的一篇前瞻性文章中，深入探讨了到2050年全球面临的巨大粮食需求，传统全球粮食系统创新在满足这些需求方面的局限性，以及 人工智能（AI） 在克服这些限制方面的巨大潜力。然而，她也同时强调，AI并非“万能药”，它无法完全取代人类在食品创新中的专业知识或感官评估。这篇文章为我们描绘了一幅AI赋能未来粮食系统的蓝图，但同时也提出了清醒的警示：对AI的过度乐观是不可取的，它更应该被视为加速和增强解决粮食系统挑战的伙伴，而不是彻底解决所有问题的方案。
现代医学的进步显著降低了全球死亡率，导致人口以前所未有的速度增长。据预测，到2050年，全球人口将接近100亿，届时对粮食的需求将比现在增加20%。然而，当前的粮食系统却面临着严峻的挑战。世界银行2023年的《世界粮食安全和营养状况》报告指出，全球有7.33亿人（占总人口的9.8%）正在遭受饥饿，每年有900万人死于与饥饿相关的疾病。更令人担忧的是，传统的粮食系统是不可持续且低效的。过度依赖畜牧业导致了全球变暖、森林砍伐以及淡水资源的过度消耗，使其成为生态和环境的噩梦。
这些触目惊心的数据凸显了全球粮食生产亟需一场范式转变，并为人工智能的介入奠定了基础。库尔教授的文章综合了现有知识，列举了传统粮食系统开发和创新的不足之处，并探讨了AI及其他前沿技术如何克服这些局限，以确保一个更健康、没有饥饿的明天。她明确指出，AI可以在八个关键领域产生显著影响：
预测和优化蛋白质结构
发现新颖配方
加速消费者测试
替代化学添加剂和防腐剂
预测质地和机械性能
增强风味特征
通过文本提示生成新配方
开发食品领域的基础模型
传统的食品创新是一个缓慢、迭代且复杂的过程，需要食品科学、烹饪艺术、消费者研究和工程等多个领域的投入。它本质上无法处理当今技术飞速发展所产生的海量经验数据。此外，创新过程中输入参数的微小变化可能会对最终产品产生意想不到的“蝴蝶效应”。即使最终确定，规模化和部署理论创新也面临额外的实际复杂性，这使得试错方法昂贵、耗时且效率低下。
AI为解决所有这些弊端提供了一个至关重要的工具。 生成式AI 可以利用庞大的数据集和大型语言模型来识别和选择成分、开发配方、设计质地并优化产品。值得注意的是，非生成式AI 已经广泛应用于传统的食品创新流程，用于模拟产品部署和微调现有变量，从而在不产生传统试错相关浪费的情况下实现最佳营养和可持续性结果。
文章举例说明了AI在促进成本和时间节约方面的能力，例如开发创新且可规模化的传统食品替代品，以及利用环境友好型成分合成各种动物性食品替代品。例如，像NotCo这样使用AI驱动的植物性牛奶和鸡肉配方，Brightseed发现有助于肠道健康的生物活性物质，以及Knorr利用AI进行植物性产品风味搭配等案例，都展现了AI的实际应用潜力。
尽管AI的潜力巨大，但库尔教授也清醒地指出了当前AI系统面临的挑战和采用障碍。目前可用的（开源）AI数据集在食品成分的营养成分方面很丰富。然而，预测风味、质地和流变性所需的数据集却非常稀缺。即使有，这些主观数据集通常也是专有的，无法被AI访问。今天的AI系统还缺乏完全理解食物中细致入微的社会、伦理和感官维度的能力，而这些维度深深植根于人类文化之中。当前的应用程序仍受限于专有和不完整的数据集，尤其是在风味和质地等属性方面。
令人鼓舞的是，这些局限性是暂时的，可以通过食品和数据科学家之间的 跨学科合作 和 开源数据共享 来克服。开发能够将多模态数据集成到统一架构中的基于Transformer的基础模型可以大大加快这一进程，最近以食谱为中心的“ChefFusion”模型就证明了这一点。
库尔教授强调，对AI的宣传不应过度，并且必须清楚地认识到它的局限性，例如缺乏透明度、计算能力不足以及现实世界数据的复杂性。她重申，尽管AI可以显著加速和改进食品创新，但人类的专业知识、文化理解和创造力仍然是不可或缺的。
文章总结道，AI为解决粮食系统挑战提供了一种成本效益高、省时、可扩展且创新的方法，但它的成功将取决于现实的期望、透明度以及强大而多样的数据集。总而言之，这篇前瞻性文章强调了AI在 民主化食品创新 方面的能力，使其更易于获取、更高效，并能更好地应对全球挑战。
粤公网安备44190002007368号
