导读

面对2050年近百亿人口的粮食需求，当前食品体系在效率与可持续性上面临严峻挑战。传统食品开发方法依赖反复试错，过程缓慢且成本高昂，难以支撑大规模创新。本文探讨了人工智能如何通过加速发现、优化配方和预测消费者偏好，成为变革全球食品系统的关键力量。文章系统梳理了AI在食品科学中的应用现状、所需数据类型、面临的挑战以及未来潜力，旨在为构建更具韧性、健康且可持续的食品未来提供新思路。


研究背景

全球食品系统正面临效率低下与环境压力的双重困境。动物农业作为主要组成部分，是温室气体排放、森林砍伐和水资源消耗的重要来源，却未能高效满足全球营养需求。为应对气候变化与粮食安全挑战，向植物基等可持续食品转型已成为明确趋势，欧洲多家零售商已设定明确的销售转型目标。然而，传统食品创新流程涉及配方开发、质地工程、感官评估等多个迭代环节，耗时费力，难以满足转型的紧迫性。这促使我们思考：人工智能能否成为食品生态系统范式转变的催化剂？尽管AI的潜力与争议并存，但其在自动化生产、优化资源利用、预测损耗及推动个性化营养等方面的应用已显示出巨大价值。在食品创新领域，AI能够助力发现新型蛋白质来源、优化产品感官属性、预测消费者偏好，并创造出模仿动物产品营养与感官特征的创新产品。


研究亮点

  • 系统阐述了AI在食品开发全周期中的应用潜力，涵盖从原料选择、配方开发、质地工程到产品优化的各个环节，为传统试错方法提供了高效替代方案。
  • 清晰区分了非生成式AI与生成式AI在食品领域的应用场景，包括优化、发现、预测和创造，并展望了生成式AI在创造全新配方与风味方面的前景。
  • 详细剖析了定义食品产品所需的多模态数据类型，包括成分、营养、味觉、风味、感官与物理质地、流变学等，为构建食品AI模型奠定了数据基础。
  • 结合多个成功案例，展示了AI在发现生物活性成分、创造植物基配方、优化风味、加速消费者测试等方面的实际应用与成效。
  • 前瞻性地提出了构建食品领域基础模型的设想，旨在整合多模态数据，实现从逆向设计到个性化推荐等一系列下游任务，加速食品创新民主化。


方法与关键结果

本文采用综述与展望相结合的方法，系统分析了AI赋能食品创新的路径。研究指出，传统食品开发是一个包含目标定义、原料选择、配方开发、质地工程和产品优化的循环过程，而AI可以在每个环节介入，高效筛选巨大的多模态参数空间。AI技术可分为非生成式（优化、发现、预测）和生成式（创造）两类。例如，人工神经网络可用于关联配方与产品属性，解决从配方预测属性或根据目标属性逆向发现配方的正反问题。成功案例表明，AI平台已能通过分析动物产品的分子结构，发现并组合植物基成分来模仿其质地与风味，开发出如植物奶、植物鸡肉等产品。此外，生成对抗网络和变分自编码器等生成式模型，能够从现有数据或自然语言提示中创造全新配方，极大加速了风味开发。研究也识别了当前局限，如缺乏关联配方与质地、风味的充足数据，AI尚无法完全替代人类在文化、感官等维度的专业判断，但其作为合作伙伴，已能显著减少试验次数、缩短研发周期。


研究结论

人工智能为变革当前食品体系提供了成本效益高、可扩展且创新的途径。它不仅能加速动物产品替代进程，还能利用环保成分合成任何期望的食品，从而革命性地改变我们的消费种类与生产方式。这种进步将显著增强食品系统韧性、提升粮食安全并减少温室气体排放，最终惠及人类与地球健康。AI的成功应用关键在于开源共享成果，并利用其分析复杂数据、设计解决方案的能力，为可持续食品未来民主化食品科学、发现与创新创造新机遇。尽管AI无法完全取代人类专业知识与文化理解，但通过人机协同，我们能够以传统方法难以企及的速度和精度，更快、更经济、更高效地构建更健康、更可持续的食品未来。


图文赏析


图1 传统食品开发。创造新食品耗时、昂贵且低效。它涉及逐步改进的迭代循环：食品科学家开发新产品，工程师探测其质地和流变学，厨师准备样品，消费者研究人员调查品尝小组的口味和风味。


图2 成分是食品的功能性构建模块。配料表总结了产品中的所有成分，包括整食块、食品提取物、天然物质、调味品、烘焙和烹饪助剂、分级食品物质、非食品物质、强化剂和制造调味品。示例提供了植物基牛奶产品的配料表。


图3 营养是食品的功能属性。营养标签包含有关宏量营养素（包括总脂肪、饱和脂肪和反式脂肪、碳水化合物、膳食纤维和糖以及蛋白质）和微量营养素（包括维生素和矿物质）的信息。示例提供了植物基牛奶产品的营养信息。


图4 味觉是食品的一种感官属性。人类可以区分五种基本味道：甜、酸、咸、苦和鲜味。


图5 风味是食品的一种多感官属性。它源于舌头感知的味道、鼻子感知的气味、眼睛感知的视觉吸引力、口感和触觉感知的质地以及其他感官输入（如痛觉感受器感知的辛辣感）在大脑中的综合处理。


图6 关联配方与质地。豆腐的质地与其含水量直接相关，含水量从低于76%到高于90%不等，从而产生从特硬、硬、中等、软到丝滑五种质地等级（从左到右）。


原文链接

Kuhl E. AI for food: accelerating and democratizing discovery and innovation. NPJ Sci Food. 2025;9(1):82. Published 2025 May 22.


内容中包含的图片若涉及版权问题，请及时与我们联系删除