Kan kunstig intelligens (AI) fremskynde neste matrevolusjon?AI-drevne gjennombrudd lover smartere, grønnere og mer velsmakende løsninger for å mette verdens voksende befolkning. I en nylig perspektiv-artikkel publisert i npj Science of Food diskuterer Stanford-professor Ellen Kuhl de truende utfordringene med å møte de globale matkravene i 2050, og peker på manglene ved tradisjonelle innovasjoner i matsystemet. Hun fremhever AI sin potensiale til å håndtere disse svakhetene, men advarer om at AI ikke er en mirakelkur, og understreker at det ikke kan erstatte menneskelig ekspertise eller sansetesting i matinnovasjon. I stedet bør AI sees på som en partner som akselererer og forbedrer løsninger uten å løse alle utfordringene i matsystemet fullt ut. Kuhl illustrerer hvordan AI kan redusere kostnader og utviklingstid ved å legge til rette for å lage innovative og skalerbare matalternativer, spesielt de som benytter miljøvennlige, dyrefri ingredienser. Hun understreker at åpen datadeling og tverrfaglig samarbeid er avgjørende for å utnytte AI fullt ut i en bærekraftig matsfære. Hun erkjenner samtidig at dagens AI-systemer mangler evnen til å fullt ut fange de komplekse sosiale, etiske og sensoriske dimensjonene som er dypt forankret i matkulturen. Begrensningene skyldes fortsatt proprietære og ufullstendige datasett—spesielt for smak, tekstur og relaterte egenskaper. **Bakgrunn** Medisinske fremskritt har redusert dødeligheten, noe som har ført til en stadig raskere befolkningsvekst som belaster matsystemene. Innen 2050 forventes verdens befolkning å nærme seg 10 milliarder, og vil kreve 20 % mer mat enn i dag. Konvensjonelle matsystemer er ikke bærekraftige, ineffektive, og er ansvarlige for alvorlig miljøskade—inkludert bidrag til global oppvarming, avskoging og overforbruk av vann—mens nesten 10 % av verdens befolkning fortsatt lider av sult. Disse utfordringene understreker behovet for et paradigmeskifte innen matproduksjon og innovasjon. Kuhls artikkel oppsummerer nåværende kunnskap for å belyse ulempene ved tradisjonell matinnovasjon og utforsker hvordan AI og andre nye teknologier kan bidra til å overvinne disse. Hun identifiserer åtte områder hvor AI kan gjøre betydelige bidrag: forutsigelse og optimalisering av proteinkonfigurasjoner, oppdagelse av nye ingrediensformuleringer, akselerasjon av forbrukertesting, erstatning av kjemiske tilsetningsstoffer og konserveringsmidler, prediksjon av tekstur og mekaniske egenskaper, forbedring av smakskomponenter, generering av formuleringer ut fra tekstlige prompts, og utvikling av grunnlagsmodeller for mat. **Hvorfor AI er nødvendig** Tradisjonell matinnovasjon er langsom, iterativ og kompleks, og krever innspill fra ulike felt som matvitenskap, kulinariske kunst, forbrukerforskning og ingeniørvitenskap. Denne prosessen har problemer med å følge med den store mengden empiriske data som er tilgjengelig i dag. Små variasjoner i prosessparametere kan uforutsigbart påvirke resultatet, og skalering av innovasjoner innebærer ytterligere kompleksitet, noe som gjør tradisjonelle metoder kostbare, tidkrevende og lite effektive. AI tilbyr en viktig løsning ved å bruke enorme multimodale datasett og store språkmodeller til å identifisere ingredienser, utvikle formuleringer, skape teksturer og optimalisere produkter på en effektiv måte. Ikke-generative AI brukes allerede til å simulere produktutrulling og finjustere variabler, for å oppnå optimale ernærings- og bærekraftsmål uten unødvendig prøving og feiling.

Men begrensninger oppstår på grunn av ufullstendige eller proprietære datasett, særlig når det gjelder subjektive egenskaper som smak og tekstur. **Utfordringer og barrierer** Selv om omfattende næringsprofildata er offentlig tilgjengelige, er datasett knyttet til smak, tekstur og rheologi—som er nødvendige for AI-Forutsigelser—mangler ofte, og er ofte proprietære. Å overvinne disse barrierene krever tverrfaglig samarbeid og åpen deling av resultater. Transformer-baserte grunnlagsmodeller som integrerer multimodale data—eksempelvis den nylige oppfinnelsen ‘ChefFusion’ som fokuserer på oppskrifter—kan bidra til å fremskynde utviklingen. Artikkelen advarer mot å overdrive AI sine evner, og peker på gjenstående problemer som manglende åpenhet, begrenset datakraft og den komplekse naturen til sanntidsdata. Kreativitet, kulturforståelse og ekspertise hos mennesker forblir uunnværlige i matinnovasjon, selv med AI. **Konklusjoner og fremtidsutsikter** Kuhl peker på åtte konkrete muligheter der AI kan forvandle matinnovasjon: 1. Forutsi og optimalisere proteinkonfigurasjoner for å etterligne dyreprodukter 2. Oppdage nye ingrediensformuleringer 3. Akselerere og forutsi forbrukerpreferanser under testing 4. Erstatte kjemiske tilsetningsstoffer og konserveringsmidler med sunnere alternativer 5. Automatisk modellere tekstur og mekaniske egenskaper 6. Forbedre smakskomponenter via generative modeller 7. Generere nye formuleringer utløst av naturlige språkprompter 8. Utvikle grunnlagsmodeller som integrerer ulike datakilder for rask tilpasning Eksempler inkluderer NotCo’s AI-drevne plantebaserte melk og kylling, Brightseeds oppdagelse av bioaktive stoffer som fremmer tarmhelse, og Knorrs AI-assisterte smakskombinasjoner for plantebaserte produkter. For å realisere AI sin fulle potensiale, er bredt samarbeid mellom matforskere og dataforskere, samt åpen deling av data, helt avgjørende. Kuhl konkluderer med at AI tilbyr en skalerbar, kostnads- og tidseffektiv tilnærming til matsystemets utfordringer, og kan demokratisere innovasjon—gjøre den mer tilgjengelig, effektiv og tilpasset globale behov. Til slutt bør AI omfavneds med en realistisk forståelse av det som et kraftig verktøy som kan styrke menneskelig kreativitet i arbeidet med å bygge en sunnere, sultfri framtid.