هل سبق لك أن قضمت جوزًا أو قطعة من الشوكولاتة، متوقعًا مذاقًا سلسًا وغنيًا، ثم واجهت نكهة طباشيرية أو حامضة غير متوقعة وغير سارة؟ هذا الطعم هو النتانة في العمل، ويؤثر إلى حد كبير على كل منتج في مخزن المؤن الخاص بك. والآن يمكن للذكاء الاصطناعي أن يساعد العلماء على معالجة هذه المشكلة بشكل أكثر دقة وكفاءة.
نحن مجموعة من الكيميائيين الذين يدرسون طرق إطالة عمر المنتجات الغذائية، بما في ذلك تلك التي تفسد. لقد نشرنا مؤخرًا دراسة تصف مزايا أدوات الذكاء الاصطناعي للمساعدة في الحفاظ على عينات الزيت والدهون طازجة لفترة أطول. ونظرًا لأن الزيوت والدهون مكونات شائعة في العديد من أنواع الأطعمة، بما في ذلك رقائق البطاطس والشوكولاتة والمكسرات، فيمكن تطبيق نتائج الدراسة على نطاق واسع، بل وتؤثر حتى على مجالات أخرى، بما في ذلك مستحضرات التجميل والمستحضرات الصيدلانية.
النتانة ومضادات الأكسدة
يفسد الطعام عندما يتعرض للهواء لفترة من الوقت – وهي عملية تسمى الأكسدة. في الواقع، العديد من المكونات الشائعة، وخاصة الدهون، وهي الدهون والزيوت، تتفاعل مع الأكسجين. يمكن أن يؤدي وجود الحرارة أو الأشعة فوق البنفسجية إلى تسريع العملية.
تؤدي الأكسدة إلى تكوين جزيئات أصغر مثل الكيتونات والألدهيدات والأحماض الدهنية التي تعطي الأطعمة الفاسدة رتبة مميزة ورائحة معدنية قوية. إن تناول الأطعمة الفاسدة بشكل متكرر يمكن أن يهدد صحتك.
ولحسن الحظ، تتمتع كل من الطبيعة وصناعة الأغذية بدرع ممتاز ضد النتانة – مضادات الأكسدة.
تشمل مضادات الأكسدة مجموعة واسعة من الجزيئات الطبيعية، مثل فيتامين C، والجزيئات الاصطناعية القادرة على حماية طعامك من الأكسدة.
على الرغم من وجود عدة طرق تعمل بها مضادات الأكسدة، إلا أنها عمومًا يمكنها تحييد العديد من العمليات التي تسبب النتانة والحفاظ على النكهات والقيمة الغذائية لطعامك لفترة أطول. في أغلب الأحيان، لا يعرف العملاء حتى أنهم يستهلكون مضادات الأكسدة المضافة، حيث يضيفها مصنعو المواد الغذائية عادةً بكميات صغيرة أثناء التحضير.
ولكن لا يمكنك فقط رش بعض فيتامين C على طعامك وتتوقع أن ترى تأثيرًا حافظة. يجب على الباحثين أن يختاروا بعناية مجموعة محددة من مضادات الأكسدة وأن يحسبوا كمية كل منها بدقة.
إن الجمع بين مضادات الأكسدة لا يؤدي دائمًا إلى تعزيز تأثيرها. في الواقع، هناك حالات يمكن أن يؤدي فيها استخدام مضادات الأكسدة الخاطئة، أو خلطها بنسب خاطئة، إلى تقليل تأثيرها الوقائي – وهذا ما يسمى التضاد. يتطلب اكتشاف المجموعات المناسبة لأي نوع من أنواع الطعام العديد من التجارب، التي تستغرق وقتًا طويلاً وتتطلب موظفين متخصصين وتزيد من التكلفة الإجمالية للطعام.
إن استكشاف جميع التركيبات الممكنة سيتطلب قدرًا هائلاً من الوقت والموارد، لذا فإن الباحثين عالقون في عدد قليل من الخلطات التي توفر مستوى معينًا فقط من الحماية ضد النتانة. وهنا يأتي دور الذكاء الاصطناعي.
استخدام للذكاء الاصطناعي
من المحتمل أنك شاهدت أدوات الذكاء الاصطناعي مثل ChatGPT في الأخبار أو لعبت بها بنفسك. يمكن لهذه الأنواع من الأنظمة استيعاب مجموعات كبيرة من البيانات وتحديد الأنماط، ثم إنشاء مخرجات قد تكون مفيدة للمستخدم.
ككيميائيين، أردنا تعليم أداة الذكاء الاصطناعي كيفية البحث عن مجموعات جديدة من مضادات الأكسدة. ولهذا السبب، اخترنا نوعًا من الذكاء الاصطناعي قادرًا على العمل مع التمثيلات النصية، وهي عبارة عن رموز مكتوبة تصف التركيب الكيميائي لكل مضاد للأكسدة. أولاً، قمنا بتغذية الذكاء الاصطناعي الخاص بنا بقائمة تضم حوالي مليون تفاعل كيميائي وقمنا بتعليم البرنامج بعض المفاهيم الكيميائية البسيطة، مثل كيفية تحديد السمات المهمة للجزيئات.
بمجرد أن تتمكن الآلة من التعرف على الأنماط الكيميائية العامة، مثل كيفية تفاعل جزيئات معينة مع بعضها البعض، قمنا بضبطها عن طريق تعليمها بعض الكيمياء الأكثر تقدمًا. في هذه الخطوة، استخدم فريقنا قاعدة بيانات تضم ما يقرب من 1100 خليط تم وصفها مسبقًا في الأدبيات البحثية.
في هذه المرحلة، يمكن للذكاء الاصطناعي التنبؤ بتأثير الجمع بين أي مجموعة من اثنين أو ثلاثة من مضادات الأكسدة في أقل من ثانية. يتوافق توقعها مع التأثير الموصوف في الأدبيات في 90٪ من الحالات.
لكن هذه التوقعات لم تتوافق تمامًا مع التجارب التي أجراها فريقنا في المختبر. في الواقع، وجدنا أن الذكاء الاصطناعي الخاص بنا كان قادرًا على التنبؤ بشكل صحيح فقط بعدد قليل من تجارب الأكسدة التي أجريناها باستخدام شحم الخنزير الحقيقي، مما يوضح تعقيدات نقل النتائج من الكمبيوتر إلى المختبر.
صقل وتعزيز
لحسن الحظ، نماذج الذكاء الاصطناعي ليست أدوات ثابتة ذات مسارات محددة مسبقًا بنعم أو لا. إنهم متعلمون ديناميكيون، لذلك يمكن لفريق البحث لدينا الاستمرار في تغذية النموذج بالبيانات الجديدة حتى يزيد من قدراته التنبؤية ويمكنه التنبؤ بدقة بتأثير كل مجموعة من مضادات الأكسدة. كلما زاد عدد البيانات التي يحصل عليها النموذج، أصبح أكثر دقة، تمامًا مثل الطريقة التي ينمو بها البشر من خلال التعلم.
لقد وجدنا أن إضافة حوالي 200 مثال من المختبر مكّن الذكاء الاصطناعي من تعلم ما يكفي من الكيمياء للتنبؤ بنتائج التجارب التي أجراها فريقنا، مع وجود اختلاف طفيف فقط بين القيمة المتوقعة والقيمة الحقيقية.
قد يكون نموذج مثل نموذجنا قادرًا على مساعدة العلماء على تطوير طرق أفضل للحفاظ على الطعام من خلال التوصل إلى أفضل مجموعات مضادات الأكسدة لأطعمة محددة يعملون معها، مثل الحصول على مساعد ذكي جدًا.
يستكشف المشروع الآن طرقًا أكثر فعالية لتدريب نموذج الذكاء الاصطناعي ويبحث عن طرق لتحسين قدراته التنبؤية.
تم إعادة نشر هذه المقالة من The Conversation، وهو موقع إخباري مستقل غير ربحي مخصص لمشاركة أفكار الخبراء الأكاديميين. تحتوي المحادثة على مجموعة متنوعة من النشرات الإخبارية المجانية الرائعة.
كتب بواسطة: كارلوس د. جارسيا، جامعة كليمسون ولوكاس دي بريتو أيريس، جامعة كليمسون.
اقرأ أكثر:
تم تمويل هذا المشروع بمنحة من برنامج المنح التنافسية التابع لوزارة الزراعة بولاية كارولينا الجنوبية.
لا يعمل Lucas de Brito Ayres لدى أي شركة أو مؤسسة أو يستشيرها أو يمتلك أسهمًا فيها أو يتلقى تمويلًا منها قد تستفيد من هذه المقالة، ولم يكشف عن أي انتماءات ذات صلة بعد تعيينه الأكاديمي.