115/09/16
計畫處
把2,216份漢堡食譜交給AI，它最後會學會什麼？
2026年刊登於《npj Science of Food》的一項研究，就用這些食譜做了一次實驗。
研究團隊整理2,216份由人類設計的漢堡食譜，涵蓋146種食材與使用份量，讓AI學習人們平常怎麼搭配一個漢堡，再根據這些規律產生新的配方。
研究人員也利用4份公開的仿製食譜，整理出一份大麥克參考配方，而這份配方並不在AI的訓練資料中。結果模型在大量生成食譜後，仍找到了一組在食材與份量上相當接近的搭配。
接著，研究團隊再從AI生成的配方中，分別以「美味」、「永續」與「營養」為方向進行篩選，最後選出5款AI漢堡，由專業廚師實際料理，再找來101位參與者進行盲測，與大麥克比較整體喜好、味道與口感。
結果顯示，兩款以「美味」為方向篩選出的AI漢堡，表現至少和大麥克相當，其中部分評分甚至更高。
另外兩種方向，則呈現出不同的取捨。
其中一款以菇類為主的「永續」漢堡，環境影響明顯較低，但整體喜好、味道與口感評分也較低；另一款以豆類為主的「營養」漢堡，營養評分接近大麥克的兩倍，但試吃評價同樣較低。
美味、永續、營養，要同時兼顧並不容易。
🤖 AI沒有味覺，怎麼設計食譜？
AI其實不知道牛肉有多香，也不知道起司融化後是什麼口感。
對它來說，食材是一組組可以分析的資料。
研究使用的模型會從大量食譜中學習哪些食材經常一起出現、各自通常使用多少，以及不同食材之間的搭配規律，再依照學到的資料分布產生新的配方。
這裡有一個生成式AI很重要的概念：
它不是把看過的食譜直接複製出來，而是從資料中學到規律，再產生新的組合。
就像AI看過很多漢堡後，可能學到牛肉常和起司、洋蔥搭配，某些醬料通常只需要一定份量。當這些規律慢慢被模型學起來，它就能重新排列食材與份量，產生訓練資料裡原本沒有的配方。
研究團隊使用的是擴散模型（diffusion model），和我們比較熟悉的ChatGPT不太一樣。
ChatGPT主要根據前面的文字預測接下來可能出現的內容；這項研究則讓模型學習「有哪些食材、各放多少」的資料分布，再生成新的漢堡配方。
但能生成很多食譜，只完成了一半。
因為當AI一下產生幾十萬、甚至100萬種配方，下一個問題就是：要從裡面挑哪一個？
這時就會用到另一個概念——最佳化（optimization）。
簡單來說，就是先決定「這次最在意什麼」，再利用相對應的指標替大量候選配方評分與篩選。
想找「美味」的漢堡，就朝美味相關的條件尋找；想提高「永續」表現，就比較環境影響；想找「營養」配方，則依營養指標篩選。
研究中甚至會從100萬個AI生成的配方裡，找出比較符合特定條件的候選食譜。
所以這項技術真正有意思的地方，不只是「AI也會寫食譜」。
它其實把食品研發拆成了兩件事：
先用生成式AI探索大量可能的配方，再透過最佳化找出值得進一步嘗試的方向。
未來開發新食品時，食品研發人員不一定要把成千上萬種組合一個個做出來試，而是可以先利用AI縮小範圍，再交給廚師實際料理、試吃與調整。
AI負責從大量可能性中找方向，人類則負責決定最後端上桌的味道。 😋
使用工具:chatgpt、Google Gemini
資料整理:南投縣政府計畫處
