L’intelligenza artificiale è entrata anche in cucina. Non impugna coltelli e non governa i fornelli, ma può analizzare migliaia di ricette, confrontare gli ingredienti e suggerire accostamenti che difficilmente verrebbero in mente. È uno degli impieghi del food pairing, la ricerca di affinità tra alimenti sulla base delle loro caratteristiche aromatiche.
L’idea è affascinante: se due ingredienti possiedono alcune molecole odorose in comune, potrebbero avere una certa predisposizione a stare insieme. Il programma individua queste vicinanze molto più rapidamente di una persona e può far emergere combinazioni inconsuete. Da qui, però, a ottenere un buon piatto il passaggio non è automatico.
Che cosa vede l’algoritmo
Quando mangiamo, ciò che chiamiamo sapore dipende in larga parte dall’olfatto. Le sostanze aromatiche raggiungono il naso mentre mastichiamo, per via retronasale, e contribuiscono a costruire la percezione complessiva dell’alimento. Per questo, quando siamo raffreddati, crediamo di non sentire più i gusti; in realtà a venir meno sono gli aromi, mentre dolce, salato, acido, amaro e umami restano perfettamente percepibili. Pomodoro, fragola, cacao, caffè, formaggi e spezie contengono numerosi composti volatili: mettendo a confronto questi profili, un programma può rilevare elementi comuni e disegnare una rete di possibili affinità.
Non significa che l’intelligenza artificiale inventi dal nulla. Lavora sui dati che riceve: composizione degli alimenti, ricette esistenti, frequenza con cui certi ingredienti compaiono insieme e, nei sistemi più complessi, preferenze espresse dagli utenti. In base a queste informazioni formula una previsione. Può suggerire, per esempio, che un ingrediente apparentemente lontano da un altro meriti una prova perché condivide parte del suo profilo aromatico oppure perché compare in preparazioni simili.
È un aiuto alla ricerca, soprattutto quando consente di uscire dagli abbinamenti abituali. Ma resta un’indicazione, non un giudizio sul risultato.
Aromi e ingredienti possono essere descritti attraverso le loro componenti, ma il loro possibile accostamento non determina da solo la riuscita di un piatto. Foto Daria Yakovleva / Pixabay.
L’affinità molecolare non basta
Due ingredienti possono avere alcune molecole aromatiche in comune e, proprio per questo, un programma può considerarli compatibili. Ma da qui a dire che insieme daranno vita a un buon piatto c’è una certa distanza. Il profumo è soltanto una parte dell’esperienza. Contano l’acidità, la dolcezza, il grasso, la consistenza, la temperatura e soprattutto le proporzioni. Cioccolato e formaggio erborinato possono avere affinità aromatiche, ma basta scegliere il cioccolato sbagliato o eccedere con il formaggio perché l’abbinamento perda equilibrio. L’algoritmo individua dunque una possibilità; non può assaggiare il risultato.
Il programma non assaggia
Qui emerge il limite più evidente. Un algoritmo può ordinare informazioni e riconoscere ricorrenze, ma non prova piacere, fastidio o sazietà. Non avverte una salsa troppo densa, una nota affumicata insistente, una crosta piacevolmente friabile o un’acidità che, dopo alcuni bocconi, diventa stancante.
Può conoscere la composizione di una fragola, ma non quella precisa fragola: più o meno matura, acquosa, dolce o profumata. Lo stesso vale per un pomodoro, un formaggio o un vino, prodotti che cambiano con la varietà, l’origine, la stagione, la lavorazione e la conservazione. I dati descrivono una materia prima in termini generali; chi cucina lavora invece con un prodotto reale, che può comportarsi diversamente da quanto previsto.
Anche la cottura modifica profondamente il quadro. Una cipolla cruda, una cipolla stufata e una cipolla arrostita non hanno lo stesso gusto. Il calore fa nascere nuovi aromi, ne attenua alcuni e ne intensifica altri. Se il sistema non dispone di informazioni abbastanza dettagliate sulla tecnica impiegata, il suggerimento rischia di fermarsi al nome dell’ingrediente.
L’algoritmo può suggerire un abbinamento; la verifica finale passa ancora attraverso l’assaggio. Foto geralt / Pixabay.
I dati non sono neutrali
C’è poi un limite meno visibile. Le proposte dipendono dalla qualità e dall’ampiezza delle informazioni utilizzate per costruire il sistema. Se il programma è stato addestrato soprattutto su ricette occidentali, tenderà a riconoscere e riprodurre con maggiore facilità quella logica gastronomica. Ingredienti poco documentati, cucine locali e preparazioni tramandate oralmente rischiano di essere rappresentati male o di non comparire affatto.
Anche la teoria secondo cui gli alimenti con molecole aromatiche comuni starebbero bene insieme non vale in modo uniforme. Uno studio pubblicato su Scientific Reports, basato sull’analisi di oltre 56 mila ricette, ha rilevato questa tendenza in alcune cucine occidentali. In quelle dell’Asia orientale è emerso invece un comportamento quasi opposto: gli ingredienti accostati condividono generalmente meno molecole aromatiche. Talvolta, quindi, l’equilibrio nasce dalla somiglianza; altre volte proprio dal contrasto.
Un programma può inoltre imparare ciò che ricorre più spesso e scambiarlo per ciò che funziona meglio. Ma la frequenza di un abbinamento racconta anche disponibilità degli ingredienti, storia, religione, commercio e abitudini familiari. Non è una classifica oggettiva della bontà.
Il gusto ha anche una memoria
Mangiare non è una semplice reazione chimica, ma un fatto culturale. Ci fa impressione, anche se oggi meno di un tempo, l’idea di mangiare insetti, mentre per altre culture i formaggi che amiamo, specie se erborinati come il Gorgonzola o lo Stilton, sono poco più che latte putrefatto. Un profumo può essere rassicurante per qualcuno e sgradevole per un altro. Una consistenza viscosa, farinosa o gelatinosa viene accolta in modo molto diverso a seconda della cultura di appartenenza. Persino un abbinamento tecnicamente equilibrato può apparire estraneo se contraddice ciò che siamo abituati a riconoscere come cibo.
L’intelligenza artificiale può ricavare preferenze da valutazioni e comportamenti precedenti, ma fatica a comprendere fino in fondo la memoria che accompagna un sapore. Non sa che una determinata preparazione ricorda l’infanzia o che un profumo, pur gradevole, viene associato a un medicinale. Sono elementi difficili da trasformare in dati e hanno un peso concreto nel giudizio.
Uno strumento per formulare ipotesi
I limiti non rendono inutile il food pairing digitale. Al contrario, aiutano a collocarlo nel posto giusto. L’intelligenza artificiale può ampliare il numero delle possibilità, individuare relazioni nascoste e suggerire una direzione a chi sta progettando una ricetta. Può essere utile anche per valorizzare un ingrediente disponibile o immaginare alternative quando ne manca un altro.
Non può però stabilire da sola se il piatto sia riuscito. Dopo il suggerimento vengono le prove, le correzioni e l’assaggio. Occorre decidere le dosi, scegliere una tecnica, costruire le consistenze e verificare che l’insieme rimanga piacevole dal primo all’ultimo boccone.
Il programma dispone di molte più informazioni di quante una persona possa ricordare, ma non possiede esperienza sensoriale. Può indicare che due ingredienti hanno qualcosa in comune. Tocca ancora a chi cucina capire se abbiano davvero qualcosa da dirsi.
Fonti consultate
Y.-Y. Ahn, S. E. Ahnert, J. P. Bagrow, A.-L. Barabási, Flavor network and the principles of food pairing, «Scientific Reports», 2011.
Park et al., FlavorGraph: a large-scale food-chemical graph for generating food representations and recommending food pairings, «Scientific Reports», 2021.
Jain, N. K. Rakhi, G. Bagler, Analysis of Food Pairing in Regional Cuisines of India, «PLOS ONE», 2015.
Leggi anche il nostro articolo Intelligenza artificiale nel mondo del vino
Immagine di apertura: il food pairing digitale individua possibili affinità tra gli ingredienti, ma la riuscita del piatto deve essere verificata attraverso la preparazione e l’assaggio. Immagine elaborata con intelligenza artificiale per CityLightsNews.
Di questo Autore
