Ορισμένοι συνδυασμοί όπως το τζιν με το τόνικ, τα ζυμαρικά με τη σάλτσα ντομάτας, τα αβγά με το μπέικον μάς φαίνονται δεδομένοι. Πόσα χρόνια, όμως, διήρκεσε η αναζήτησή τους μέχρι να φτάσουμε σε αυτό το σημείο και τι γίνεται από εδώ και πέρα;
Θεωρείται-και είναι- απόλυτα φυσιολογικό οι μάγειρες και γενικά οι άνθρωποι της γεύσης να επιδίδονται σε διαρκείς πειραματισμούς προκειμένου να πετύχουν το απόλυτο γευστικό αποτέλεσμα. Η εξέλιξη της τεχνολογίας ωστόσο μπορεί να ενισχύσει αυτές τις προσπάθειες, και σαν από μηχανής θεός να επιταχύνει κάθε γαστρονομικό πειραματισμό οδηγώντας άμεσα στο επιθυμητό αποτέλεσμα. Πιο συγκεκριμένα, μπορεί να μοιάζει βγαλμένο από ταινία επιστημονικής φαντασίας αλλά κάνουμε λόγο για τεχνολογία τεχνητής νοημοσύνης που παρουσίασαν επιστήμονες του πανεπιστημίου της Κορέας. Η παρουσίαση πάντως, που τιτλοφορείται «KitcheNette: Προβλέποντας και Συστήνοντας Συνδυασμούς Τροφίμων με τη χρήση Σιαμαίου Νευρικού Δικτύου», αυτό θυμίζει.
«Πολλοί σεφ, γευσιγνώστες και ερευνητές που ασχολούνται με το φαγητό έχουν εστιάσει στη μελέτη των συνδυασμών των τροφών για πολλές δεκαετίες. Δεδομένου ότι οι συνδυασμοί βασίζονται στην εμπειρία των ειδικών, η διαδικασία είναι υποκειμενική και καθίσταται δύσκολο το να προσδιοριστεί. Δημιουργήσαμε λοιπόν το KitcheNette, το οποίο… προβλέπει το αποτέλεσμα συνδυασμών που δεν γίνονται συχνά ή πιθανόν να μην έχουν χρησιμοποιηθεί ποτέ σε συνταγές», έγραψαν στην παρουσίασή τους οι επιστήμονες. Το σύστημα βασίζεται στα λεγόμενα «Σιαμαία δίκτυα», που ουσιαστικά είναι δύο όμοια μοντέλα μηχανημάτων στα οποία όμως έχουν προστεθεί διαφορετικές βάσεις δεδομένων. Στο ένα μοντέλο οι επιστήμονες εισήγαγαν 356,451 γνωστούς συνδυασμούς υλικών από συνταγές και το άλλο μοντέλο τους βαθμολογούσε. Σε μία από τις δοκιμές, οι επιστήμονες χρησιμοποίησαν σαμπάνια, prosecco και αφρώδες κρασί και τα μηχανήματα βαθμολόγησαν κλασικούς και μη συνδυασμούς. Τα αποτελέσματα τους δικαίωσαν δεδομένου ότι συνδυασμοί όπως η σαμπάνια με το πορτοκάλι απέσπασαν υψηλή βαθμολογία και το prosecco με το κρεμμύδι χαμηλή. Το επόμενο βήμα, όπως επισημαίνουν, είναι να εφοδιάσουν τα μοντέλα με χημικές πληροφορίες που αφορούν το φαγητό, πιο λεπτομερείς εγκυκλοπαιδικές γνώσεις καθώς και ποικιλία από αυθεντικές συνταγές στο πλαίσιο μιας προσπάθειας δημιουργίας πιο «ευέλικτων» συνδυασμών φαγητού.
