Hi havia un senzill i ingenu jardiner que passava la vida sense més problemes que ocupar-se d’una tranquil·la propietat privada. Un dia, a causa de la defunció del propietari, deixa la casa i surt al món exterior. Sorprenentment, es converteix en una figura influent i admirada en cercles polítics i socials. Li demanen consell sobre aspectes complexos, fent-li preguntes com “creu que podem estimular el creixement mitjançant incentius temporals?”, a les que respon coses com “mentre no es tallin les arrels, tot està bé. I tot anirà bé al jardí.”.
És una de les meravelloses actuacions de Peter Sellers. El final d’aquesta pel·lícula, Being There, és prou obert perquè no quedi clar si el personatge és, o no, un geni. Potser sap molt de política i economia i respon amb metàfores de jardineria per fer-se entendre. O potser no en sap res i, simplement, diu frases que coneix.
La intel·ligència artificial (IA) és un geni, o no en sap res, quan opina d’aspectes tan humans com són els sabors del menjar i de la beguda?
La IA no té els nostres sentits físics i, per tant, no pot tenir una comprensió directa dels sabors. Tot el que sap, en conseqüència, ha de venir de persones de debò.
Alguns sentits humans són, fins a cert punt, reproduïbles per un ordinador. Així, un ordinador pot rebre imatges amb una simple càmera, traduir-la en peces més petites, i interpretar-les. En el cas de la imatge, tot i que cada persona vegi el color vermell d’una manera diferent, podem posar-nos d’acord en quin és aquest color. I li podem explicar a la IA que el color vermell correspon a l’espectre electromagnètic comprès entre dues freqüències determinades. Un ordinador també pot rebre sons, traduir-los en funcions matemàtiques, i interpretar-los. En el cas del so, tot i que tinguem gustos musicals diferents, qui més qui menys és capaç de reconèixer que hi ha diferents notes. Com en el cas del color, també li podem explicar a la IA quina és cada nota musical. En canvi, en el cas dels sabors i les olors, tot i que existeixen sensors electroquímics per identificar-los, ho tenim més difícil per explicar-li què és què.
L’evolució ens ha dotat de la capacitat d’identificar gustos per tal d’avaluar els nutrients i d’evitar les substàncies tòxiques o no digeribles. Així, les substàncies dolces, en ser una de les més bàsiques i fonamentals formes d’energia per al nostre metabolisme, ens provoquen acceptació i plaer. També ens provoca una sensació positiva el gust salat, per la necessitat d’ingerir sals minerals, i l’umami, per la necessitat d’ingerir proteïnes. Per contra, hi ha una aversió natural a la ingesta d’aliments amargants en ser-ho molts dels tòxics presents a la natura, i d’aliments molt àcids, per ser un senyal d’una possible fermentació no desitjada. Addicionalment, quan masteguem i paladegem els aliments, o quan bevem, s’alliberen substàncies volàtils que capta el nostre sistema olfactori. Es creu que podem identificar i discernir entre milers d’olors diferents. Tanmateix, som capaços d’identificar aspectes com la textura i la temperatura, i sensacions d’aliments picants, refrescants, que entumeixen, astringents o greixosos.
El cervell interpreta tot això conjuntament. I no només. A aquesta experiència hi afegeix expectatives, associacions emocionals, records i experiències passades. És evident que la IA no pot assaborir una escudella o una copa de vi com ho fem nosaltres.
Tot i això, la IA pot ser programada per analitzar i inferir informació sobre el sabor. Es pot utilitzar l’aprenentatge automàtic per a entrenar algorismes amb grans quantitats de dades sobre gustos i preferències de les persones. Aquestes dades poden provenir de ressenyes de restaurants, opinions de consumidors, dades sensorials, experiments de degustació, informació química, dades nutricionals, dades de vendes i altres fonts similars. Mitjançant l’anàlisi, pot identificar patrons i tendències comunes, descobrir correlacions i fins i tot predir les preferències de gustos individuals basades en característiques específiques. Per exemple, pot aprendre a detectar quins factors influeixen en les preferències de sabor, com la dolçor, l’amargor o la salinitat, i usar aquesta informació per fer recomanacions o predir com una persona reaccionarà davant d’un determinat sabor.
Un dels reptes és la verificació de la informació de les ressenyes. Sabem que no reflecteixen sempre la realitat. Per un costat, hi ha opinions positives de gent amiga del restaurant i, per altre, opinions negatives per aspectes totalment diferents dels del sabor dels plats. Els programes de IA filtren les dades, descartant els comportaments anòmals que puguin indicar la presència de ressenyes manipulades. Les tècniques d’anàlisi de sentiment els ajuden a identificar ressenyes extremes o contradictòries. També analitzen els comentaris per entendre el context i la coherència general, a banda de fer validacions creuades. Finalment, fan un monitoratge continu, generalment amb algun grau de supervisió humana.
Hi ha diferents plataformes de IA que hi estan treballant. Així, Innit planifica i programa receptes setmanals i mensuals tenint en compte les preferències dels usuaris i els seus hàbits culturals. Gastrograph és utilitzada per diferents empreses del sector alimentari per analitzar, predir i comprendre els perfils de sabor i les preferències culinàries dels consumidors. Giuseppe Platform, especialitzada en els aliments d’origen vegetal, es dirigeix a xefs i científics per explorar la investigació i portar nous productes basats en plantes al mercat. Tastewise, Vivanda… són algunes de les plataformes dirigides a empreses de begudes i alimentació.
En qualsevol cas, assaborir els aliments i les begudes és una experiència humana única i subjectiva que va més enllà de la capacitat de la IA. Malgrat que pot ser útil per a oferir informació i anàlisi relacionada amb els sabors, no pot replicar totalment la complexitat i la riquesa de l’experiència gustativa humana.