في حال لم تتناول وجبة الغداء بعد، فأنصحك بأن تتناولها أولًا ومن ثم تعود لقراءة المقال، لأنني اليوم سأقدم لكم مقالًا شهيًا، يمزج بين الذكاء الاصطناعي، وتعلم الآلة، والطعام، فلا تستغرب إذا أخبرتك أن الذكاء الاصطناعي وصل مجال الطعام ووصفات الطبخ.

جميعنا نذكر عندما ضربت جائحة كورونا العالم، كيف وجدنا أنفسنا بين لحظة وأخرى في المنازل طوال الوقت، ومن بين الأفكار التي كنا يوميًا نقوم بها هي الطبخ، فلا شيء أفضل من وجبة شهية بعد جهد طويل، ولكن يمكنني القول إننا جربنا كل الوصفات تقريبًا وربما تساءلت بين الحين والآخر عن وجود روبوت أو تطبيق يولد لك وصفة طعام جديدة لتجربها، سأتحدث في مقالي هذا عما وصل إليه الذكاء الاصطناعي في وصفات الطعام.

نماذج ذكاء اصطناعي تولد وصفات جديدة:

خطرت هذه الفكرة في الواقع لسارة روبنسن (من فريق Google cloud)، فجمعت بيانات من وصفات الطعام الموجودة حاليًا، ومن ثم بنت نموذج تعلم آلة دربتّه على هذه الوصفات، كان أول ما نجح به هو تصنيف الوصفات حسب نوعها ومن ثم تمكّن من الوصول لوصفة جديدة كليًا جمعت ما بين البسكويت (Cookies) والكعك (Cake) ليصبح لدينا وصفة ل Cakie.

كانت ال Cakie وصفة ناجحة فعلاً، ومذاقها شهيًا، وطورت سارة النموذج بعدها ليعطي وصفات أخرى، تجمع بين نوعي طعام معروفين، على سبيل المثال brookie والتي جمعت بين الخبز وال Cookies مرة أخرى. لا أعلم هل النموذج يحب الكوكيز لهذه الدرجة؟ أم هي شهيّة فعلاً؟

تحدثت في مقال سابق عن الشبكات التوالدية، فهي المسؤولة في الواقع عن إعطاء الذكاء الاصطناعي القدرة على توليد صور، أو لوحات فنية، أو رسومات، أو -في موضوعنا هذا- وصفات طعام، وإلى جانب الشبكات التوالدية يوجد ما يعرف بشبكات RNN (Recurrent Neural Networks) والتي تتعامل مع البيانات النصية والسلاسل الزمنية.

تمكننا الشبكات السابقة الذكر من بناء نموذج يحلل وصفات الطعام المختلفة ويتعلم منها، ومن ثم يولد وصفات جديدة يمكن تجربتها، كما يمكن استخدام GANs (الشبكات التوالدية التعاكسية) وتحديدا ما يسمى ب TableGAN للقيام بنفس المهمة.

ضع قليلا من المكونات وإليك وصفة، ولكن ماذا عن مذاق المكونات؟

يمكننا جمع عدة مكونات مع بعضها ومن ثم تجربتها كوصفة جديدة، سواء جمعتها بنفسك أو درّبت نموذج ذكاء اصطناعي على هذه المهمة، ولكن لابد من الأخذ بعين الاعتبار مذاق هذه المكونات، من الحلو للحامض وغيرها من النكهات التي تعطي للوصفة مذاقها الشهي.

فما نلاحظه في هذه النقطة هو الطريقة التي نبني بها وصفاتنا، حيث تلعب الخبرة هنا عاملًا مهمًا من خلال معرفة مذاق المكونات المختلفة ورائحتها، فمن الممكن ألا تتناسب بعض المكونات مع بعضها، وإذا لم تدرك هذه المعلومات أثناء بناء النموذج ستغدو جميعها مبهمة له.

ستصل عندها لنموذج قادر على تحليل الوصفات، وتقديم وصفة جديدة، لكن دون معرفة إذا ما كانت المكونات تتناسق مع بعضها بعضًا أو إذا كانت مذاقها متلائمًا. لاحظ العديد من الأشخاص ذلك عندما طوروا نماذجهم الخاصّة، ووصل بعضهم لحل هذه المشكلة.

أحد الحلول المقترحة كانت إضافة خصائص إضافية للمكونات مثل نسبة الدهون، أو نسبة السكر، أو المذاق المر، أو الحلو، أو غيرها، إضافة لتحديد خصائص أخرى كالقوام الطري، والمقرمش وما إلى ذلك، ومن ثم -بعد إجراء هذه التعديلات على البيانات- يصبح لدينا عينات تدريب تتضمن كلًا من الوصفات وخصائص مكوناتها جميعًا.

يُدرّب بعدها النموذج على تحديد فيما إذا كانت الوصفة مناسبة بناءً على الخصائص التي ذكرتها سابقًا، وتتم العملية ببساطة بتوليد وصفات، ومن ثم التحقق منها للوصول إلى وصفة ملائمة يمكن تجربتها والحكم عليها من خلال مذاقها الفعلي، نجح البعض فعلاً في الحصول على أطباق جيدة باستخدام هذه الطريقة.

نستنتج إذاً أنه يمكن وباستخدام الذكاء الاصطناعي القيام بما نريد، وباستخدام البيانات الصحيحة نستطيع أن نبني نموذجًا قادراً على التفكير مثلنا وإنجاز مهام لم نعتقد سابقًا أنه يمكن إنجازها بواسطته، ومن الممكن أن نستكشف أنواع جديدة من الوجبات من إبداع الذكاء الاصطناعي، وربما سيتوفق الذكاء الاصطناعي على جوردن رمزي يومًا ما!