食材の組み合わせから「味」を理解　KAIKAKU AIが論文「Epicure」を発表

一流シェフが持つ味付けや食感のバランス感覚は、言葉で説明するのが難しい暗黙知の世界とされてきました。

フードロボティクスを手がけるスタートアップのKAIKAKU AIは、その職人技をデータ化しようとしています。同社は4月2日、arXivで論文「Epicure」を公開し、フードAIにおける「ChatGPTモーメント」の到来を宣言しました。

レシピの組み合わせだけで辛さの順序まで特定

AIはどうやって味を理解するのか。答えはシンプルで、世界中のレシピそのものを人間の味覚データとして読み解くというアプローチです。

研究チームはまず、食材の共起関係などを記録したFlavorGraphの300次元埋め込みデータをベースに採用しました。LLMを活用したデータ整備パイプラインを構築し、表記揺れなどのある6653種類の食材データを、1032種類の正規化された食材へと整理しました。

驚くべきは、成分分析データや味覚ラベルを直接与えていない点です。モデルは食材同士の共起パターンを学習しただけで、甘味、酸味、塩味、苦味、うま味という基本5味を自律的に識別しました。

さらに、トウガラシ類を辛さの強弱順に並び替えたり、地域ごとの料理ジャンルを正確に分類したりすることにも成功しました。論文では、味覚や食感、地理的特徴、加工度、食文化など、少なくとも15の独立した次元を抽出できたと報告されています。

調理ロボットの「頭脳」へ

KAIKAKU AIは、この技術がメニュー開発、新規レシピの創出、フレーバーペアリングという3つの領域で即戦力になると位置づけています。

特定の食材が仕入れられない場合でも、アルゴリズムが風味や食感を保てる代替食材を提案できるようになります。

同社はさらに、このAIモデルを自社開発のロボットアームと組み合わせる方針です。商業厨房向けの「自律型フードインフラ」としてパッケージ化し、単なるデータ分析にとどまらず実際の調理現場への導入を目指しています。

なぜ重要か

この研究の優れた点は、高価なセンサーで化学構造を測るのではなく、人類が長い歴史の中で試行錯誤してきた「レシピ」そのものを嗜好性のログとして扱った点にあります。料理の組み合わせを数学的に解釈することで、職人の勘をアルゴリズムに落とし込む足がかりを作りました。

外食産業にとっては、調理ロボットが単に決まった動きを繰り返すだけの機械から、味のロジックを理解するシステムへと進化する可能性を示しています。原料の高騰や欠品が起きても、味のバランスを崩さずに配合を自動調整できる未来が見えてきます。

ただし、これを「ChatGPTモーメント」と呼ぶのはやや大げさにも映ります。食材の共起関係だけでは、微細な香気成分の化学変化や、個人の好みのブレまでは再現しきれません。学術的な実証から油煙の立ち込める実際の厨房での実用化まで、越えるべきハードルはまだ少なくありません。