600以上のベーキングレシピを分析し、機械学習を使用して新製品を開発しました

焼き菓子は、世界中のさまざまな料理の中で常に重要な位置を占めてきました。柔らかいパン、繊細なケーキ、サクサクのビスケットはどれも魅力的です。

ベーキングは調理技術であるだけでなく、芸術でもあります。小麦粉、卵、バター、砂糖などの原材料をさまざまな割合で混ぜ、一連の物理的および化学的な反応を経ることで、精巧な芸術作品のようなさまざまな風味と食感を持つスナックが生まれます。

[[381428]]

さまざまなデザートは、味覚と視覚から人々に幸福感を与えます。

これまで、ベーキングマスターたちは、エッグタルト、シュークリーム、ミルフィーユなど、数十種類の定番デザートを開発してきました。しかし、食通の味覚に新しい体験と刺激をもたらすために、彼らは今も常に新製品の研究開発を続けています。

パン作り愛好家である Google の AI エンジニアであるサラも、新たな可能性を模索してきました。彼女はこの趣味と仕事を組み合わせ、AI を使って新しいベーキングレシピを開発しています。

機械学習を使用して、わずか数分で 2 つの新製品を焼き、開発する

多くの人と同じように、Google Cloud の AI エンジニアであるサラさんも、流行病のために家にいることを余儀なくされ、キッチンで多くの時間を過ごしました。

[[381429]]

サラは仕事と趣味を組み合わせて、興味深いことを探求するのが好きです

サラさんはお菓子作りが好きですが、ほとんどの人がインターネットで既成のレシピを検索し、それを手順ごとに実行してお菓子作りをしていることに気づきました。このアプローチは確かに安全ですが、大きな制限があり、革新が困難です。しかし、ランダムに組み合わせると失敗し、材料と時間を無駄にする可能性があります。

したがって、ベーキングレシピの背後にある科学的原理を理解して、各材料と異なる割合によってもたらされるさまざまな効果を明確に理解し、固定されたレシピの制限から抜け出すことが重要です。

AI エンジニアであるサラは、このタスクは機械学習に最適だと考えました。 「既存のデータを使って機械学習モデルをトレーニングし、ルールを習得させてから、必要な新しい式を作成します。」

このアイデアに基づいて、サラはすぐに AI モデルを構築しました。 600 種類のベーキングレシピを学習した後、モデルは入力レシピの焼き上がりがパン、ケーキ、クッキーのいずれであるかを正確に判断できます。

与えられたレシピに対して、AIモデルは結果を正確に予測できる

次に、サラさんは、ベーキング材料の比率の秘密を習得した AI モデルに、ケーキとクッキーのミックスレシピを作成するように依頼し、それを「cakie」（ケーキ + クッキー）と名付けました。

AI モデルは期待どおりに機能し、サラが必要とするレシピを正確に生成しました。サラさんは独自の実験を行い、この新しいレシピの指示に従って焼いた「ケーキ」が期待通りの味でとてもおいしいことを発見しました。

[[381430]]

新しいデザート：ケーキのふわふわ感とクッキーのサクサク感を組み合わせたショートブレッドクッキー

その後、サラさんはAIモデルに「breakie」（パン＋クッキー）のレシピを作成するように依頼し、その結果にも満足しました。

[[381431]]

パンとビスケットの両方のように見える新しいタイプのスナック

AIパン職人：ペストリーの混合原理を熟知

サラはブログでこのモデルの構築プロセスを詳しく説明しています。AI を訓練してプロのパン職人にする方法を見てみましょう。

データセットの構成

まず、サラと彼女の同僚は、パン、ケーキ、クッキーなどを含む 600 以上のレシピをインターネットから収集してレシピ データセットを作成しました。そして、一般的に使用される中心となる原材料を抽出し、小麦粉、酵母、牛乳、水、塩、卵など合計16種類を抽出しました。

次に、これらのレシピのさまざまな材料の測定単位が標準化されました。たとえば、一部は「カップ」で測定され、一部は「スプーン」で測定されていました。著者は、これらすべてを「オンス」（1オンス≒28.35グラム）に変換しました。

各処方の原材料をユニット化する

モデルを構築し、レシピを学ぶ

彼らは、Google の AutoML Tables を使用して分類モデルを構築しました。

新しい表形式モデルを作成したら、csv、Google スプレッドシート、または BigQuery データベースから直接データをインポートできます。データがインポートされると、「トレーニング」タブで確認できます。

これらのデータを使用してモデルをトレーニングすると、モデルは各焼き菓子に対応するレシピの特性を習得し、より正確な予測を行うことができます。

モデルの解釈可能性の分析

分析を通じて、サラは AI モデルが予測を行った根拠をさらに理解しました。結果によると、AI モデルの場合、意思決定におけるベーキングレシピの各材料の重要性は次のようにランク付けされています。

モデルが予測を行う際に頼りにする重要な指標: クリーム、砂糖、酵母、卵

もちろん、現実にはさまざまなデザートのレシピは非常に複雑であり、上記の指標は固定されていません。例えば、サラさんはある「ケーキ」のレシピの予測結果を分析したところ、卵、バター、重曹がAI予測にとって重要な判断指標であることを発見しました。

モデルは判断結果を提供するだけでなく、意思決定の基礎も提供します。

実際、パン作りの分野では、プロが『科学的にパンの「なぜ」を理解する』や『パンのバイブル』など、パン作りの原理を紹介する本を昔から書いていますが、アマチュアにはそれを深く学ぶのに十分な時間や忍耐力がないかもしれません。

AI パン職人なら、この手間が省けます。科学的な原理を習得する必要はなく、AI に頼って自分の好みに合ったデザートを作ることもできます。素晴らしいと思いませんか?

新しい料理を開発する上で、AIは人間よりも信頼できるのでしょうか?

近年、従来の料理に飽きて、革新的な料理を求める人が増えています。しかし、現実には、注意しないと、革新的な料理は、人々が恐れる暗い料理に変わってしまいます。例えば、オレンジと野菜の炒め物、ピーマンと月餅の炒め物、バナナとスイカの炒め物などです...

AI がベーキングレシピの開発を学ぶ前から、すでにレシピの研究開発に携わっていました。人間のシェフよりも信頼性が高く、失敗を避けながら革新的になれるでしょうか?

2019年、英国のパイメーカー「ピグレット・パントリー」は、ビジネスローンプラットフォームのエズメ・ローンズと提携し、アルゴリズムに英国特有のパイレシピ数千種類（合計約100万文字）を学習させ、さらに数千種類の新しいパイレシピを考案するよう学習させた。

その後、人工的に実験的な選別と改良を重ね、5つの新しいパイのレシピが選ばれ、試食したお客さんからは「おいしい」という感想をいただきました。

[[381432]]

AIが開発したチキンカレーパイ

しかし、想像力と革新性が高すぎる AI は、必ず間違いを犯します。

これまで、AI は 30,000 件のレシピを学習した後でも、さまざまな食品の組み合わせを習得できず、美味しくないように見えるレシピを生成していました。

例えば、ブルーベリー＋ほうれん草＋フェタチーズ、ベーコン＋アボカド＋桃などの組み合わせ。

好奇心旺盛な食通は、その味は言葉では言い表せないと語った。

AI のレシピ開発スキルは安定していないようで、ランダムな組み合わせになってしまうこともあります。したがって、料理好きの人は、革新的な料理を作る作業を AI に任せる心構えが必要です。時間の節約にはなりますが、一定のリスクも伴います。