¿Puede la inteligencia artificial (IA) acelerar la próxima revolución alimentaria?Los avances impulsados por IA ofrecen la promesa de soluciones más inteligentes, ecológicas y deliciosas para alimentar a la creciente población mundial. En un artículo de perspectiva publicado recientemente en npj Science of Food, la profesora de Stanford Ellen Kuhl analiza los desafíos inminentes para satisfacer la demanda global de alimentos en 2050, señalando las limitaciones de las innovaciones tradicionales en el sistema alimentario. Destaca el potencial de la IA para abordar estas brechas, pero advierte que la IA no es una solución milagrosa, enfatizando que no puede reemplazar la experiencia humana ni la evaluación sensorial en la innovación alimentaria. En cambio, la IA debe ser vista como una compañera que acelera y potencia las soluciones, sin resolver completamente todos los desafíos del sistema alimentario. Kuhl ilustra la capacidad de la IA para reducir costos y tiempos de desarrollo facilitando la creación de alternativas alimentarias innovadoras y escalables, especialmente aquellas que utilizan ingredientes ecológicos y libres de animales. Subraya que compartir datos en código abierto y la colaboración interdisciplinaria son fundamentales para aprovechar al máximo el potencial de la IA para un futuro alimentario sostenible. Sin embargo, reconoce que los sistemas actuales de IA todavía carecen de la capacidad para captar completamente las dimensiones sociales, éticas y sensoriales que están profundamente arraigadas en la cultura alimentaria. Las limitaciones persisten debido a conjuntos de datos propietarios e incompletos, especialmente para atributos como sabor, textura y propiedades relacionadas. **Contexto** Los avances médicos han reducido las tasas de mortalidad, provocando un rápido crecimiento poblacional que tensa los sistemas de suministro de alimentos. Para 2050, se espera que la población mundial alcance los 10 mil millones, requiriendo un 20% más de alimentos que en la actualidad. Los sistemas alimentarios convencionales son insostenibles, ineficientes y responsables de graves daños ambientales, incluyendo contribuciones al calentamiento global, deforestación y uso excesivo de agua, mientras que casi el 10% de la población mundial aún sufre de hambre. Estos desafíos subrayan la necesidad de un cambio de paradigma en la producción e innovación alimentaria. El artículo de Kuhl sintetiza el conocimiento actual para resaltar las desventajas de la innovación alimentaria tradicional y explora cómo la IA y otras tecnologías emergentes pueden ayudar a superarlas. Identifica ocho áreas en las que la IA puede hacer contribuciones significativas: predecir y optimizar estructuras de proteínas, descubrir formulaciones innovadoras de ingredientes, acelerar las pruebas con consumidores, reemplazar aditivos y conservantes químicos, predecir textura y propiedades mecánicas, mejorar perfiles de sabor, generar formulaciones a partir de instrucciones de texto y desarrollar modelos fundamentales para la alimentación. **Por qué se necesita IA** La innovación alimentaria tradicional es lenta, iterativa y compleja, requiriendo la participación de diversos campos como la ciencia de los alimentos, artes culinarias, investigación de consumidores e ingeniería. Este proceso tiene dificultades para mantenerse al ritmo de la gran cantidad de datos empíricos disponibles hoy en día. Variaciones pequeñas en los parámetros del proceso pueden afectar los resultados de manera impredecible, y escalar innovaciones implica dificultades adicionales, haciendo que los métodos convencionales sean costosos, lentos e ineficientes. La IA ofrece una solución vital al aprovechar enormes conjuntos de datos multimodales y modelos de lenguaje avanzados para identificar ingredientes, desarrollar formulaciones, diseñar texturas y optimizar productos de manera eficiente. La IA no generativa ya se emplea para simular el despliegue de productos y ajustar variables, ayudando a lograr objetivos nutricionales y de sostenibilidad sin excesivo material de ensayo y error.

Sin embargo, las limitaciones provienen de conjuntos de datos incompletos o propietarios, especialmente para cualidades subjetivas como sabor y textura. **Desafíos y obstáculos** Aunque los datos de perfiles nutricionales son ampliamente accesibles, los conjuntos relacionados con sabor, textura y reología necesarios para las predicciones de IA son escasos y muchas veces propietarios. Superar estas barreras requiere colaboración interdisciplinaria y una compartición abierta de resultados. Modelos de base basados en trasformadores que integren datos multimodales —como el reciente modelo ‘ChefFusion’ enfocado en recetas— podrían acelerar el progreso. El artículo advierte contra la sobrevaloración de las capacidades de la IA, citando problemas como la falta de transparencia, limitaciones en la potencia computacional y la complejidad de los datos del mundo real. La creatividad humana, la comprensión cultural y la experiencia siguen siendo indispensables en la innovación alimentaria junto con la IA. **Conclusiones y perspectivas futuras** Kuhl señala ocho oportunidades específicas en las que la IA puede transformar la innovación alimentaria: 1. Predecir y optimizar estructuras de proteínas para replicar productos animales 2. Descubrir formulaciones innovadoras de ingredientes 3. Acelerar y predecir preferencias del consumidor durante las pruebas 4. Reemplazar aditivos y conservantes químicos con opciones más saludables 5. Modelar automáticamente la textura y las propiedades mecánicas 6. Mejorar perfiles de sabor mediante modelos generativos 7. Generar nuevas formulaciones a partir de instrucciones en lenguaje natural 8. Desarrollar modelos fundamentales que integren diversas fuentes de datos para una rápida adaptabilidad Ejemplos citados incluyen la leche y pollo a base de plantas impulsados por IA de NotCo, el descubrimiento de bioactivos para la salud intestinal por Brightseed, y la coordinación de sabores asistida por IA para productos vegetales de Knorr. Para realizar todo el potencial de la IA, son fundamentales una colaboración extensa entre científicos de alimentos y científicos de datos, junto con el intercambio en código abierto. Kuhl concluye que la IA ofrece un enfoque escalable, rentable en tiempo y costo, y capaz de democratizar la innovación, haciéndola más accesible, eficiente y capaz de responder a las necesidades globales. En última instancia, la IA debe adoptarse de manera realista como una herramienta poderosa que complemente la creatividad humana y contribuya a construir un futuro más saludable y sin hambre.