카이카쿠 AI의 식재료 분석 모델 에피큐어의 데이터 처리 방식

주장카이카쿠 AI 연구진은 인공지능이 식재료 관계를 학습할 때 요리법 데이터와 화학 분자 데이터를 분리해야 한다고 강조합니다. 기존 모델은 두 관점을 혼용하여 결과의 정확도가 낮아지는 한계를 보였습니다.

팩트에피큐어 모델은 세 가지 버전으로 구성됩니다. 요리법만 학습한 쿡 모델, 화학 분자 데이터베이스를 학습한 켐 모델, 두 데이터를 결합한 코어 모델이 이에 해당합니다.

팩트닭고기를 입력하면 쿡 모델은 마늘과 양파 등 요리법상 자주 등장하는 재료를 제시합니다. 켐 모델은 소고기나 돼지고기처럼 화학적 풍미 프로필이 유사한 재료를 결과값으로 도출합니다.

팩트켐 모델은 학습 데이터에 직접 포함되지 않은 맛이나 영양 성분도 분류합니다. 화학적 관계가 요리 개념을 이해하는 지름길 역할을 수행하기 때문입니다.

팩트에피큐어 모델은 7개 언어로 된 414만 개의 요리법을 학습했습니다. 클로드와 제미나이 임베딩을 사용하여 약 20만 개의 원시 데이터를 1,790개의 표준 식재료로 정제했습니다.

교차검증학습 데이터의 분포는 불균형합니다. 전체 데이터의 절반은 동아시아 요리이며, 라틴 아메리카나 남아시아 요리의 비중은 한 자릿수에 불과하여 지역별 정확도 차이가 발생할 가능성이 있습니다.

팩트사용자는 모델의 작동 방식을 조정할 수 있습니다. 특정 식재료를 입력한 뒤 방향을 설정하면 요리법 중심의 결과에서 화학적 유사성 중심의 결과로 출력을 이동시킵니다.

팩트카이카쿠 AI는 2023년 런던에서 설립된 로봇 식당 운영 스타트업입니다. 이들은 2024년 프리시드 라운드에서 약 180만 달러의 투자를 유치했습니다.

주장에피큐어 모델은 식당의 메뉴 개발과 공급망 부족 시 대체 재료 추천, 새로운 지역 진출 시 현지화 전략에 유용합니다. 기계가 읽을 수 있는 식재료 지도를 통해 주방 운영의 효율성을 높입니다.

교차검증모델의 가중치와 데이터셋은 허깅페이스에 공개되어 검증이 가능합니다. 다만 논문에 제시된 예시는 연구진이 선별한 것이며, 언어 모델의 문화적 편향성이 정제 과정에 개입할 위험이 존재합니다.

주장식재료의 화학적 특성과 요리법을 분리하여 학습하는 방식은 향후 인공지능 기반의 식음료 산업 혁신을 가속할 전망입니다. 데이터의 정밀한 처리가 주방의 생산성을 결정짓는 핵심 요소가 됩니다.

출처해당 내용은 더 디코더(The Decoder)의 보도 내용을 교차 검증했습니다. (https://the-decoder.com/ask-ai-what-goes-with-chicken-and-the-answer-depends-on-whether-it-learned-from-recipes-or-molecules/)