¿Puede la IA predecir qué tan bien sabrá un alimento?

¿Puede la inteligencia artificial predecir qué tan bien será recibido un alimento antes de que llegue a un panel sensorial? Investigadores del Food Intelligence Lab están poniendo a prueba esta posibilidad mediante modelos capaces de analizar ingredientes, información nutricional, imágenes y compuestos químicos para anticipar el desempeño sensorial de productos de origen vegetal. La propuesta busca reducir el número de formulaciones que deben ser sometidas a pruebas y orientar a los desarrolladores hacia las alternativas con mayor potencial desde las primeras etapas.

El sabor sigue siendo un desafío

La iniciativa responde a uno de los principales obstáculos para la expansión de los alimentos de origen vegetal: su aceptación sensorial. Durante IFT FIRST, Sohum Patnaik, ingeniero de aprendizaje automático del Food Intelligence Lab, explicó que el equipo trabaja con más de 21000 evaluaciones sensoriales de 215 productos pertenecientes a 24 categorías. Esta información permitió desarrollar un modelo capaz de identificar patrones y estimar cómo podrían posicionarse diferentes productos frente a consumidores.

Resultados que muestran potencial

Los primeros resultados muestran que la herramienta puede funcionar como un filtro para el desarrollo de productos. En el 33 % de las categorías evaluadas, el producto mejor valorado por los paneles sensoriales coincidió con la principal predicción del modelo. En otro 67 %, el producto ganador estuvo entre las tres primeras opciones identificadas por la IA. El objetivo no es reemplazar las evaluaciones humanas, sino reducir el número de candidatos que llegan a esta etapa y concentrar los recursos en las formulaciones más prometedoras.

De la predicción a la formulación

La tecnología también se ha aplicado para reducir las rondas de experimentación. En un estudio sobre yogur vegetal, un algoritmo de optimización bayesiana propuso distintas formulaciones considerando atributos como cremosidad, acidez, consistencia y uniformidad. Tras 10 rondas y 30 recetas, el sistema logró acercarse a menos del 1 % del objetivo establecido, mientras que un científico de alimentos que trabajó con el mismo presupuesto de 40 horas quedó a menos del 15 %. Los investigadores, no obstante, señalaron que serán necesarios más ensayos para determinar si estos resultados pueden generalizarse.

Por ahora, la IA se plantea como una herramienta complementaria al trabajo de los científicos de alimentos. Su capacidad para procesar grandes volúmenes de datos podría ayudar a acotar las opciones, orientar los siguientes experimentos y disminuir el número de pruebas necesarias para alcanzar una formulación adecuada. El desarrollo de mejores bases de datos y modelos compartidos será clave para ampliar su aplicación en la industria de alimentos de origen vegetal.

FUENTE: IFT