Nietjes in de voorraadkast kunnen ranzig worden als ze worden blootgesteld aan zuurstof. Daniel de la Hoz/Moment
Heb je ooit in een noot of een stuk chocolade gebeten, waarbij je een zachte, rijke smaak verwachtte, om vervolgens een onverwachte en onaangename kalkachtige of zure smaak tegen te komen? Die smaak is ranzigheid in actie en heeft invloed op vrijwel elk product in je voorraadkast. Nu kunstmatige intelligentie kunnen wetenschappers helpen dit probleem preciezer en efficiënter aan te pakken.
Wij zijn een groep scheikundigen die onderzoek doen naar manieren om de levensduur van voedselproducten te verlengen, inclusief producten die ranzig worden. Wij onlangs publiceerde een studie waarin de voordelen worden beschreven van AI-tools om olie- en vetmonsters langer vers te houden. Omdat oliën en vetten veel voorkomende componenten zijn in veel soorten voedsel, waaronder chips, chocolade en noten, zouden de uitkomsten van het onderzoek breed kunnen worden toegepast en zelfs van invloed kunnen zijn op andere gebieden, waaronder cosmetica en farmaceutische producten.
Ranzigheid en antioxidanten
Het eten wordt ranzig wanneer het een tijdje aan de lucht wordt blootgesteld – een proces dat oxidatie wordt genoemd. In feite zijn er veel voorkomende ingrediënten, maar vooral lipiden, dit zijn vetten en oliën, reageren met zuurstof. De aanwezigheid van warmte of UV-licht kan het proces versnellen.
Oxidatie leidt tot de vorming van kleinere moleculen zoals ketonen, aldehyden en vetzuren die ranzig voedsel een karakteristieke, sterke en metaalachtige geur geven. Herhaaldelijk ranzig voedsel consumeren kan uw gezondheid bedreigen.
Gelukkig beschikken zowel de natuur als de voedingsindustrie over een uitstekend schild tegen ranzigheid: antioxidanten. Voedsel wordt ranzig door een proces dat oxidatie wordt genoemd.
Antioxidanten omvatten een breed scala aan natuurlijke moleculen, zoals vitamine C, en synthetische moleculen die uw voedsel tegen oxidatie kunnen beschermen.
Hoewel er zijn een paar manieren waarop antioxidanten werkenOver het algemeen kunnen ze veel van de processen neutraliseren die ranzigheid veroorzaken en de smaak en voedingswaarde van uw voedsel langer behouden. Meestal weten klanten niet eens dat ze toegevoegde antioxidanten consumeren, omdat voedselproducenten deze tijdens de bereiding doorgaans in kleine hoeveelheden toevoegen.
Maar je kunt niet zomaar wat vitamine C over je eten strooien en een conserverend effect verwachten. Onderzoekers moeten zorgvuldig kiezen een specifieke set antioxidanten en bereken nauwkeurig het bedrag van elk.
Het combineren van antioxidanten versterkt niet altijd hun werking. Er zijn zelfs gevallen waarin het gebruik van de verkeerde antioxidanten, of het mengen ervan in de verkeerde verhoudingen, hun beschermende effect kan verminderen – dat heet antagonisme. Om erachter te komen welke combinaties werken voor welke soorten voedsel zijn veel experimenten nodig, die tijdrovend zijn, gespecialiseerd personeel vereisen en de totale kosten van het voedsel verhogen.
Het onderzoeken van alle mogelijke combinaties zou een enorme hoeveelheid tijd en middelen vereisen, dus zitten onderzoekers vast met een paar mengsels die slechts een zekere mate van bescherming bieden tegen ranzigheid. Hier komt AI in het spel.
Een gebruik voor AI
Je hebt het vast wel eens gezien AI-tools zoals ChatGPT in het nieuws of speelde er zelf mee. Dit soort systemen kunnen dat wel grote hoeveelheden gegevens opnemen en patronen identificeren, en vervolgens een uitvoer genereren die nuttig kan zijn voor de gebruiker. AI-hulpmiddelen hebben de hoeveelheid wetenschappers die onderzoek doen veranderd.
Als scheikundigen wilden we een AI-tool leren hoe te zoeken naar nieuwe combinaties van antioxidanten. Hiervoor hebben we een type AI geselecteerd waarmee we kunnen werken tekstuele representaties, dit zijn geschreven codes die de chemische structuur van elke antioxidant beschrijven. Eerst hebben we onze AI een lijst van ongeveer een miljoen chemische reacties gegeven en het programma enkele eenvoudige scheikundige concepten geleerd, zoals hoe je belangrijke kenmerken van moleculen kunt identificeren.
Toen de machine eenmaal algemene chemische patronen kon herkennen, zoals hoe bepaalde moleculen met elkaar reageren, hebben we hem verfijnd door hem wat meer geavanceerde scheikunde te leren. Voor deze stap gebruikte ons team een database van bijna 1,100 mengsels die eerder in de onderzoeksliteratuur zijn beschreven.
Op dit punt kon de AI het effect voorspellen van het combineren van een set van twee of drie antioxidanten in minder dan een seconde. De voorspelling kwam 90% van de tijd overeen met het effect dat in de literatuur wordt beschreven.
Maar deze voorspellingen kwamen niet helemaal overeen met de experimenten die ons team in het laboratorium uitvoerde. We ontdekten zelfs dat onze AI slechts een paar van de oxidatie-experimenten die we met echt reuzel hebben uitgevoerd correct kon voorspellen, wat de complexiteit aantoont van het overbrengen van resultaten van een computer naar het laboratorium.
Verfijnen en verbeteren
Gelukkig zijn AI-modellen geen statische hulpmiddelen met vooraf gedefinieerde ja- en nee-paden. Zij zijn dynamische leerlingen, zodat ons onderzoeksteam het model met nieuwe gegevens kan blijven voeden totdat het zijn voorspellende mogelijkheden aanscherpt en het effect van elke combinatie van antioxidanten nauwkeurig kan voorspellen. Hoe meer gegevens het model krijgt, hoe nauwkeuriger het wordt, net zoals mensen groeien door te leren.
We ontdekten dat het toevoegen van ongeveer 200 voorbeelden uit het laboratorium de AI in staat stelde voldoende chemie te leren om de uitkomsten van de experimenten die door ons team werden uitgevoerd te voorspellen, met slechts een klein verschil tussen de voorspelde en de werkelijke waarde.
Een model als het onze zou wetenschappers kunnen helpen betere manieren te ontwikkelen om voedsel te conserveren door de beste antioxidantcombinaties te bedenken voor de specifieke voedingsmiddelen waarmee ze werken, alsof ze een heel slimme assistent hebben.
Het project onderzoekt nu effectievere manieren om het AI-model te trainen en zoekt naar manieren om de voorspellende mogelijkheden ervan verder te verbeteren.
Carlos D. Garcia, hoogleraar scheikunde, Clemson University en Lucas de Brito Ayres, Promovendus in de Scheikunde, Clemson University
Dit artikel is opnieuw gepubliceerd vanaf The Conversation onder een Creative Commons-licentie. Lees de originele artikel.
Related Books:
Zout, vet, zuur, hitte: de elementen van goed koken beheersen
door Samin Nosrat en Wendy MacNaughton
Dit boek biedt een uitgebreide gids voor koken, gericht op de vier elementen zout, vet, zuur en hitte en biedt inzichten en technieken voor het maken van heerlijke en uitgebalanceerde maaltijden.
Klik voor meer info of om te bestellen
Het Skinnytaste kookboek: weinig calorieën, veel smaak
door Gina Homolka
Dit kookboek biedt een verzameling gezonde en heerlijke recepten, gericht op verse ingrediënten en gedurfde smaken.
Klik voor meer info of om te bestellen
Food Fix: hoe we onze gezondheid, onze economie, onze gemeenschappen en onze planeet kunnen redden - hap voor hap
door dr. Mark Hyman
Dit boek verkent de verbanden tussen voedsel, gezondheid en het milieu en biedt inzichten en strategieën voor het creëren van een gezonder en duurzamer voedselsysteem.
Klik voor meer info of om te bestellen
The Barefoot Contessa Cookbook: geheimen uit de East Hampton Specialty Food Store voor eenvoudig vermaak
van Ina Garten
Dit kookboek biedt een verzameling klassieke en elegante recepten van de geliefde Barefoot Contessa, gericht op verse ingrediënten en eenvoudige bereiding.
Klik voor meer info of om te bestellen
Alles koken: de basis
door Mark Bittman
Dit kookboek biedt een uitgebreide gids voor de basisprincipes van koken, met alles van mesvaardigheden tot basistechnieken en biedt een verzameling eenvoudige en heerlijke recepten.
