نشر فريق من الكيميائيين دراسة رائدة في مجلة الكيمياء الزراعية والغذائية، سلطت الضوء على الإمكانات الرائعة للذكاء الاصطناعي (AI) في الحفاظ على نضارة المنتجات الغذائية التي تحتوي على الزيوت والدهون.
تحدث المشكلة المزعجة المتمثلة في فساد الطعام عندما يتعرض للهواء لفترة طويلة، وهي عملية تعرف بالأكسدة.
يخبرنا هذا التقرير الذي شاركته phys.org أن التدهور شائع بشكل خاص في الدهون، والتي تشمل الدهون والزيوت. يمكن للحرارة والأشعة فوق البنفسجية تسريع هذه العملية، وتشكيل الكيتونات والألدهيدات والأحماض الدهنية، مما يعطي الأطعمة الفاسدة رائحة كريهة لا لبس فيها.
في حين أن الأكسدة تهدد جودة الغذاء، وفي بعض الحالات، صحة المستهلك، فإن الطبيعة وصناعة الأغذية لديها دفاع قوي ضد مضادات الأكسدة. وهي تأتي في أشكال مختلفة، بما في ذلك الجزيئات الطبيعية مثل فيتامين C والجزيئات الاصطناعية التي تحمي طعامك من الآثار الضارة للأكسدة.
التحدي يكمن في اختيار التركيبة الصحيحة من مضادات الأكسدة وحساب كمياتها الدقيقة. وهذه العملية ليست واضحة على الإطلاق؛ يمكن أن تؤدي إضافة مضادات الأكسدة بشكل عشوائي إلى انخفاض التأثيرات الوقائية أو الخصومة.
يتطلب العثورعلى التركيبات الصحيحة لأنواع معينة من الطعام إجراء العديد من التجارب والموظفين المتخصصين وزيادة تكاليف الإنتاج، مما يجعل المهمة شاقة.
خطوات الذكاء الاصطناعي
هذا هو المكان الذي يدخل فيه الذكاء الاصطناعي إلى المشهد. مثل ChatGPT، يمكن لأنظمة الذكاء الاصطناعي معالجة مجموعات كبيرة من البيانات، وتحديد الأنماط، وتوليد رؤى قيمة شرع فريق البحث في تعليم أداة الذكاء الاصطناعي كيفية اكتشاف مجموعات جديدة من مضادات الأكسدة التي من شأنها مكافحة نتانة الطعام بشكل فعال.
لقد اختاروا نموذجًا للذكاء الاصطناعي قادرًا على العمل مع الردود النصية، التي تصف التركيب الكيميائي لكل مضاد للأكسدة.
ومع استيعاب الذكاء الاصطناعي للأنماط الكيميائية العامة، تم تحسينه بشكل أكبر باستخدام قاعدة بيانات تضم أكثر من 1100 خليط من مضادات الأكسدة الموصوفة في الأدبيات البحثية.
ولتدريب الذكاء الاصطناعي، زوده العلماء في البداية بقاعدة بيانات تضم ما يقرب من مليون تفاعل كيميائي، وقاموا بتعليمه مفاهيم الكيمياء الأساسية مثل التفاعلات الجزيئية.
وسرعان ما أصبح الذكاء الاصطناعي بارعًا في التنبؤ بنتائج الجمع بين اثنين أو ثلاثة من مضادات الأكسدة، بما يتوافق مع الأوصاف الواردة في الأدبيات الطبية بنسبة 90% من الوقت.
ومع ذلك، فإن التجارب المعملية في العالم الحقيقي لم تتوافق دائمًا مع تنبؤات الذكاء الاصطناعي، مما يؤكد مدى تعقيد نقل النتائج من جهاز كمبيوتر إلى المختبر.
تحسين نموذج الذكاء الاصطناعي
نماذج الذكاء الاصطناعي ليست ثابتة؛ إنهم متعلمون ديناميكيون. واصل فريق البحث تزويد النموذج ببيانات جديدة، مما أدى إلى شحذ قدراته التنبؤية تدريجيًا.
إن إضافة حوالي 200 مثال من تجاربهم المعملية مكّن الذكاء الاصطناعي من التنبؤ بدقة بتأثيرات مجموعات مضادات الأكسدة مع الحد الأدنى من الانحراف عن النتائج الفعلية.
إن الآثار المترتبة على هذا النهج المدعوم بالذكاء الاصطناعي هائلة. ويمكن أن يساعد العلماء في تطوير طرق أكثر فعالية للحفاظ على الطعام من خلال تحديد أفضل مجموعات مضادات الأكسدة لمنتجات غذائية معينة، تمامًا مثل وجود مساعد لامع في المختبر.
via:- phys
