McCormick &Company, en pionjär inom smak- och livsmedelsinnovation, och mitt team på IBM Research har skapat ett nytt AI -system för att hjälpa produktutvecklare att mer effektivt och effektivt skapa nya smakupplevelser. Det här året, vi kommer att fira en milstolpe i vårt pågående samarbete som har varit fyra år på gång:Våra första AI-aktiverade detaljhandelsprodukter kommer att finnas på livsmedelshyllor.

McCormick &Company hörde om tidigt arbete på IBM med AI för att para ihop smaker och skapa recept. De tog kontakt med IBM Research för att utforska AI:s potential i sin miljö som ledande inom anpassad smak och utveckling av livsmedelsprodukter. Du kanske känner till McCormick &Company som namnet på etiketten på några av dina favoritkryddor och smakprodukter. Faktiskt, McCormick &Company har två segment. Konsumentsegmentet har varumärken globalt med en detaljhandelsportfölj som inkluderar kryddor och örter, receptblandningar, extrakt, kryddor, marinader, aktier och mer. Segmentet Flavor Solutions har en portfölj bestående av smakämnen, märkesvaror för livsmedelsprodukter, kryddor, beläggningssystem och ingredienser för livsmedelsproducenter, matleverantörer och restauranger runt om i världen. Vårt arbete omfattar båda segmenten.

Att skapa smakupplevelser är en utmanande domän. Vetenskapen om hur människor upplever smak är inte väl förstådd. Det är en kombination av minst tre sinnen:lukt, smak och utseende. Tanken att tungan kan kartläggas i fyra smakområden (sur, ljuv, salt och bitter) har debunkats. Det är bara inte så enkelt. De flesta forskare håller med om att det finns minst en smak till (umami) och att provsmakning sker på fler ställen än bara tungan. Varje smakreceptor, varhelst det förekommer, kan upptäcka alla fem smaker. Det finns också en genetisk komponent involverad som hjälper till att förklara varför vissa människor upplever koriander som en härlig ört, medan andra upplever det som obehagligt.

Att designa nya smakupplevelser är en konst och vetenskap som kräver många år för att bli skicklig. Det finns tusentals tillgängliga ingredienser. Produktutvecklaren måste inte bara bestämma vilken kombination av ingredienser som ska användas utan också förhållandet mellan mängder som behövs för att uppfylla specifika mål och en mängd andra krav. Även den minsta förändringen i mängden av en ingrediens kan göra eller bryta en smak. Produktutvecklare får expertis under många års praktiska experiment, iterativt skapa kandidatformler, tillverkningsprover, kör en mängd olika laboratorie- och konsumenttester på proverna, och lära av resultaten. Det är en tid och resurskrävande process.

Ändå är hastigheten avgörande. En betydande del av produktutvecklingsarbetet inom Flavor Solution -segmentet svarar på konkurrenskraftiga önskemål; att vara först med att svara med en innovativ produkt/smak är en övertygande konkurrensfördel.

Att designa nya smakupplevelser hos McCormick passar bra för AI -teknik på grund av problemets art och den mängd tillgängliga data som samlats under decennier av verksamhet, inklusive data om historiska smakformler, råvarukomponenter, experimentella resultat, konsumenttestresultat, framgång på marknaden och mer. Bygga på tidigare IBM -forskningserfarenhet med AI för att koppla ihop smaker, samt vår egen IBM Research AI för produktsammansättning, vi skapade ett system som använder nya och avancerade algoritmer för maskininlärning för att sålla igenom hundratusentals formler och tusentals råvaror, hjälper till att identifiera mönster och nya kombinationer som passar specifika designmål.

Vårt system innehåller algoritmer som kan lära sig och förutsäga:

• Möjliga alternativa råvarukomplement och substitut för en formel
• Lämpliga förhållanden för råvaror baserade på användningsmönster
• Mänskligt svar
• Nyhet med systemgenererade smakformler mätt med en härledd distansfunktion (desto större är avståndet mellan en smakformel och dess närmaste grannar, ju nyare smakformeln beräknas vara)

En viktig del för att bygga ett AI -system som är ett viktigt verktyg i det dagliga arbetsflödet för produktutvecklare är att stödja olika grader av nyhet. En storlek passar inte alla. I vissa scenarier, målet är att optimera en smakformel genom att finjustera den till perfektion. Till exempel, det finns en mängd smaknyanser från olika vaniljbönor från många delar av världen. Vilken är den bästa kombinationen av vanilj för att leverera önskad smakupplevelse?

I andra scenarier, målet är att utveckla en helt ny smakupplevelse. Här, variationen eller avståndet mellan ingredienser (t.ex. vanilj vs jordgubbe) är sannolikt mer signifikant än valet inom någon ingrediensfamilj (t.ex. vanilj). Vårt system lär sig och använder en distansmodell för att föreslå önskade smakformler.

Eftersom vårt AI -system är datadrivet, insikten som den ger utvecklas i takt med att data ändras. Produktutvecklare har ett överväldigande antal kombinationer och andel ingredienser att välja mellan. De kan ha några go-to-lösningar för vissa komponentsmaksutmaningar. Till exempel, på grund av den tidskänsliga karaktären av deras arbete kan de använda sin favorit "bacon" standby när som helst formeln kräver en bacon smak komponent. Att ha en AI -lärling som snabbt kan utforska fler alternativ på ett smart sätt hjälper dem att undvika att använda vanliga standbys när bevis tyder på att bättre alternativ kan finnas.

Vårt team är mycket glada över att produkter från vår fyraåriga gemensamma insats med McCormick kommer att finnas tillgängliga för detaljhandeln med deras nya ONE-produktfamilj som lanseras i mitten av 2019. Vårt AI -system hjälpte ONE produktutvecklare att hitta lösningar på smakutmaningar som de annars inte var medvetna om, påskynda tiden till värde samtidigt som man uppnår höga betyg med konsumenttestare.

Baserat på de lovande resultaten hittills, McCormick planerar att lansera AI -systemet globalt till verksamhet i mer än 20 laboratorier i 14 länder som omfattar över 500 produkt- och smakutvecklare och deras supportpersonal. Under tiden, vårt pågående forskningssamarbete med McCormick kommer att fortsätta att hantera fler dimensioner av produktutveckling och utnyttja tidigare outnyttjade datakällor.

Detta är bara början på vad som är möjligt för IBM Research AI för produktsammansättning. Den underliggande tekniken kan generaliseras till andra produkter som kosmetika, dofter, tvättmedel, lim, smörjmedel och byggmaterial.

AI blir en praktisk verklighet på ett växande antal domäner, berör allt fler dimensioner av våra liv. Sedan tidernas gryning, människor har strävat efter att skapa nya och läckra smakupplevelser. Beviset på hur genomgripande AI-verktyg har blivit kan vara så nära som AI-aktiverade kryddor i din nästa måltid.

Denna berättelse publiceras på nytt med tillstånd av IBM Research. Läs den ursprungliga historien här.