Ali umetna inteligenca (UI) lahko pospeši naslednjo revolucijo v prehrani?Napredek, podprt s UI, obeta pametnejše, bolj zelene in bolj okusne rešitve za prehrano vse večje svetovne populacije. V nedavnem članku o perspektivi, objavljenem v npj Science of Food, profesorica Ellen Kuhl s Stanforda opisuje prihajajoče izzive pri zadovoljevanju globalnih prehranskih potreb do leta 2050, pri čemer opozarja na pomanjkljivosti tradicionalnih inovacij v prehranskem sistemu. Poudarja potencial UI, da nasloni na te vrzeli, vendar opozarja, da UI ni čudežno zdravilo, temveč orodje, ki lahko pospeši in izboljša rešitve, vendar ne more nadomestiti človeške strokovnosti ali senzorične presoje pri inovacijah v prehrani. Namesto tega bi morali UI razumeti kot partnerja, ki pospešuje razvoj in izboljšuje rešitve, a ne reši vseh vprašanj prehranskega sistema. Kuhl prikazuje, kako lahko UI zmanjša stroške in čas razvoja z olajšanjem ustvarjanja inovativnih in razširljivih prehranskih alternativ, še posebej tistih, ki uporabljajo okolju prijazne, živali ne zahtevajoče sestavine. Poudarja, da je odprtokodno deljenje podatkov in interdisciplinarno sodelovanje ključnega pomena za izkoriščanje polnega potenciala UI za trajnostno prehransko prihodnost. Hkrati pa priznava, da trenutni sistemi UI še niso sposobni v celoti zajeti kompleksnih socialnih, etičnih in senzoričnih dimenzij, globoko vgrajenih v kuluro hrane. Oviranja so še vedno prisotna zaradi lastnih in nepopolnih podatkovnih zbirk — zlasti za okuse, teksture in sorodne lastnosti. **Ozadje** Medicinski napredek je znižal smrtnostne stopnje, kar je povzročilo hitro rast prebivalstva, ki obremenjuje prehranske sisteme. Do leta 2050 naj bi se svetovna populacija približala 10 milijardam, kar bo zahtevalo 20 % več hrane kot danes. Tradiocionalni prehranski sistemi so nesprejemljivi, neučinkoviti in povzročajo resne okoljske težave, vključno z doprinosom k globalnem segrevanju, krčenju gozdov in prekomernim porabo vode, medtem ko je skoraj 10 % svetovnega prebivalstva še vedno lačno. Ti izzivi poudarjajo potrebo po preobratu v načinu proizvodnje in inovacijah v prehrani. Članek Kuhl povzema obstoječe znanje, da osvetli pomanjkljivosti tradicionalnih inovacij ter preuči, kako lahko UI in druge nove tehnologije pomagajo pri premagovanju teh težav. Opredeljuje osmih področij, kjer lahko UI prispeva: napovedovanje in optimizacija struktur proteinov, odkrivanje novih formulacij sestavin, pospeševanje testiranja na potrošnikih, zamenjava kemikalij in konzervansov, napovedovanje teksture in mehanskih lastnosti, izboljševanje profilov okusa, ustvarjanje formulacij iz besedilnih navodil ter razvoj osnovnih modelov za prehrano. **Zakaj je UI potrebna** Tradicionalne inovacije v prehrani so počasne, iterativne in zahtevne, saj vključujejo strokovnjake iz različnih področij, kot so prehranska znanost, kulinarika, raziskave potrošnikov in inženiring. Ta proces se težko hitro prilagaja obsežnim empiričnim podatkom, ki so danes na voljo. Majhne spremembe v postopkovnih parametrih lahko nenadoma vplivajo na rezultate, razširitev inovacij pa vključuje dodatne zapletenosti, kar narekuje višje stroške, daljši čas in manjšo učinkovitost. UI ponuja pomembno rešitev z uporabo ogromnih multimodalnih podatkovnih zbirk in velikih jezikovnih modelov za identifikacijo sestavin, razvoj formulacij, oblikovanje tekstur in optimizacijo izdelkov na učinkovit način. Ne-generativna UI je že v uporabi za simulacijo uvajanja produktov in fino prilagajanje spremenljivk, kar pomaga doseči optimalne prehranske in trajnostne cilje brez nepotrebnega eksperimentiranja in odpadkov.

Oviranja pa so še vedno prisotna zaradi nepopolnih ali lastniških zbirk podatkov, predvsem za subjektivne lastnosti, kot so okus in tekstura. **Izzivi in ovire** Čeprav so podatki o hranilnih vrednostih javno dostopni, so zbirke podatkov, povezane z okusom, teksturo in reologijo, redke in pogosto lastniške. Premagovanje teh ovir zahteva interdisciplinarno sodelovanje in odprto deljenje rezultatov. Modeli temelječi na transformatorjih, ki vključujejo multimodalne podatke — na primer nedavni model ‘ChefFusion’ za recepte — bi lahko pospešili napredek. Članek opozarja, da se UI ne sme preveč precenjivati, saj še vedno obstajajo izzivi, kot so pomanjkljiva transparentnost, omejena računalniška moč in kompleksnost resničnih podatkov. Človeška ustvarjalnost, kulturno razumevanje in strokovnost ostajajo nepogrešljivi pri inovacijah v prehrani poleg UI. **Zaključki in prihodnjost** Kuhl predstavi osem specifičnih priložnosti, kjer lahko UI spremeni inovacije v prehrani: 1. Napovedovanje in optimizacija struktur proteinov za posnemanje živalskih izdelkov 2. Odkrivanje novih formulacij sestavin 3. Pospeševanje in napovedovanje potrošniških preferenc med testiranji 4. Zamenjava kemikalij in konzervansov z bolj zdravimi možnostmi 5. Samodejno modeliranje teksture in mehanskih lastnosti 6. Izboljševanje profilov okusa z generativnimi modeli 7. Ustvarjanje novih formulacij iz naravnega jezika 8. Razvoj osnovnih modelov, ki združujejo raznolike podatke za hitro prilagodljivost Med predstavljenimi primeri so AI-podprto rastlinsko mleko in piščanec podjetja NotCo, odkritje bioaktivov za zdravje črevesja podjetja Brightseed ter AI-podprano ujemanje okusov podjetja Knorr za rastlinske hrane. Za popolno izkoriščanje potenciala UI je ključno obsežno sodelovanje med strokovnjaki za prehrano in podatkovno znanost ter odprtokorno deljenje. Kuhl zaključuje, da UI ponuja skalabilen, stroškovno učinkovit in časovno učinkovit pristop k težavam prehranskega sistema, s čimer lahko demokratizira inovacije—postane bolj dostopna, učinkovita in odzivna na globalne potrebe. Na koncu naj bi se UI sprejeli realno kot močno orodje, ki krepi človeško spretnost, in s tem prispeval k zdravi, lakote prosto prihodnosti.