В конце 2023 года компания Coca-Cola представила лимитированный напиток Y3000 – «колу из будущего», вкус и дизайн которого полностью придумал алгоритм. Искусственный интеллект (ИИ) проанализировал миллионы потребительских предпочтений и вместе с командой разработчиков создал новый вкус: одни дегустаторы почувствовали нотки жевательной резинки, другие – оттенки ягод, карамели и ванили. Параллельно в России производитель лимонадов Lapochka выпустил экспериментальную партию напитка, рецепт которого также сгенерирован нейросетью. С помощью ChatGPT был подобран состав – вода с соком дыни, клубники, лимона, лемонграсса и лайма – отражающий философию «натурального лимонада», а Midjourney создал этикетку с футуристичным «робояблоком» на ярко-зеленом фоне. Нейросети пришли в кулинарию: разработчики уверены, что искусственный интеллект поможет сэкономить на дегустациях и ускорит создание новых рецептов. Причем влияние технологий не ограничивается придумыванием вкусов – алгоритмы все чаще предлагают персональные диеты и берут под контроль целые пищевые фабрики.
Применение генеративного ИИ в разработке новых продуктов питания стремительно расширяется. Мировые корпорации уже доверяют алгоритмам поиск неожиданных сочетаний ингредиентов и создание вкусовых новинок. Помимо упомянутой «нейроколы» Y3000 от Coca-Cola, концерн Mondelez (производитель печенья Oreo) отчитался, что с 2019 года использует нейросети при разработке продуктов, и к 2024-му ИИ помог придумать более 70 новых вкусов. В их числе – обновленный рецепт культового печенья Chips Ahoy!, выпускаемого с 1963 года. Алгоритмы позволяют компании быстрее создавать рецептуры с учетом стоимости ингредиентов, экологии, вкуса, аромата и внешнего вида продукта, хотя без участия человека пока не обходится – финальное слово остается за дегустаторами.
Российские производители тоже начинают эксперименты с генеративным дизайном вкуса. Пример Lapochka показал, что даже небольшие локальные бренды могут привлекать ИИ-инструменты для разработки новых продуктов. В отечественном напитке были с нуля сгенерированы и рецептура, и маркетинговое оформление, демонстрируя потенциал подобных коллабораций человека и нейросети. Еще один подход – вовлечение самих потребителей в процесс творчества. Например, Coca-Cola установила в США умные вендинговые автоматы, позволяющие покупателям смешивать базовый напиток с разными сиропами, после чего алгоритмы анализируют самые популярные комбинации и на их основе предлагают новый вкус газировки. Такая аналитика предпочтений в режиме реального времени эффективнее традиционных опросов, поскольку основана на реальном поведении покупателей, а не на декларациях.
Отдельное направление – использование ИИ для подбора и сочетания ингредиентов на основе больших данных. Так, компания McCormick совместно с IBM разработала систему, которая обучена на массивах рецептов, данных о сырье и отзывах потребителей. Алгоритм подсказывает разработчикам приправ и соусов нестандартные комбинации специй, экономя месяцы испытаний. По данным IBM, внедрение такой AI-платформы для вкуса позволило ускорить выведение новых приправ на рынок и повысить оценки новинок у фокус-групп. Подобные цифровые «шеф-повара» превращают искусство создания рецептов в задачу, решаемую методом перебора вариантов и прогнозирования успеха на основе данных.
Конечно, полностью автоматизированного творчества во вкусе пока нет – нейросети могут «галлюцинировать» странные рецепты. Известен случай, когда алгоритм Google посоветовал добавить клей в пиццу для лучшего прилипания сыра, ошибочно восприняв шутку из интернета за руководство к действию. Поэтому компании комбинируют мощь ИИ с экспертным контролем людей, используя технологии как генератор идей, а не единоличного повара. Тем не менее, тренд очевиден: разработка новых вкусов становится цифровой компетенцией, и конкурентоспособность пищевых брендов все больше зависит от умения работать с данными и нейросетями в R&D.
Другой важный вектор – персонализированное питание, то есть подбор рациона под индивидуальные особенности человека с помощью ИИ. Современные биотехнологические и цифровые компании стремятся сделать питание таким же адресным, как контекстная реклама: на основе генетики, образа жизни и даже микробиома кишечника. Уже сегодня существуют сервисы, которые по анализу слюны и крови выдают персональные рекомендации, какие продукты полезны или вредны конкретно вам. В 2020 году израильские ученые из Института Вейцмана показали, что реакция уровня глюкозы в крови на один и тот же продукт у разных людей может различаться в разы – например, одному человеку банан резко повышает сахар, а другому нет. Такие открытия подтвердили: универсальные диеты менее эффективны, нужен индивидуальный подход.
Благодаря этому, появилось множество стартапов, предлагающих диету по алгоритму. Например, британско-американский проект ZOE, основанный учеными из Гарварда и Оксфорда, просит пользователя носить пару недель датчики глюкозы и сдать биопробы, после чего ИИ-аналитика присваивает различным продуктам «оценки здоровья» и формирует персональное меню. Приложение прямо говорит: этот продукт даст вам 85 баллов из 100, а этот – лишь 20, поэтому включайте в рацион первое и избегайте второго. Другой известный пример – американская компания DayTwo, которая делает ставку на анализ кишечного микробиома. Алгоритмы DayTwo учатся на тысячах проб микрофлоры и данных о питании, чтобы предсказать, как именно та или иная еда повлияет на уровень сахара и метаболизм пользователя. Рекомендации постоянно обновляются по мере поступления новых данных о клиенте, адаптируясь к изменениям его состояния.
Персональными диетами интересуются и крупнейшие пищевые корпорации. Так, швейцарский гигант Nestlé начал эксперимент в Японии: 100 тысячам покупателей раздали наборы для сбора ДНК и анализа рациона, пытаясь на основе этих данных разработать алгоритм рекомендаций по питанию. Руководство Nestlé заявляло, что будущее индустрии – за продуктами, которые одновременно являются и едой, и лекарством. Результатом пилотного проекта должны были стать персональные советы: какие диеты и обогащенные добавками продукты из линейки Nestlé подходят человеку, исходя из его генетического профиля и привычек. Хотя такой подход еще только развивается, ряд экспертов отмечают его огромный потенциал для оздоровления общества – от снижения ожирения до профилактики диабета. Одновременно звучат и предостережения: когда ИИ решает, что вам есть, важно не перейти грань между заботой о здоровье и навязчивым контролем. Персонализированное питание становится частью новой гастрономии, в которой данные о человеке ценнее усредненных рекомендаций.
Третья составляющая «цифрового вкуса» – это умные пищевые фабрики, где искусственный интеллект оптимизирует процессы от поля до прилавка. Пищевая промышленность вошла в число приоритетных отраслей для внедрения ИИ в России, и уже сегодня нейросети применяются на всех этапах – от планирования производства до доставки готовой продукции. Алгоритмы помогают прогнозировать спрос, следить за качеством сырья, контролировать санитарные нормы и ускорять выпуск продуктов. По сути, формируется новая модель производства еды – более гибкая, эффективная и прозрачная.
На крупных агропредприятиях ИИ берет на себя задачи, ранее зависевшие от человеческого глаза и опыта. Так, на сахарных заводах группы «Русагро» внедрена система компьютерного зрения «ВИСКОНТ.Свекла» от российской компании Малленом Системс. Она сканирует поступающую с полей сахарную свеклу и автоматически определяет процент грязи, ботвы и повреждений. Если партия некачественная, алгоритм отправляет ее сразу на переработку, а не на хранение, предотвращая порчу сырья. Точность такой сортировки превышает 90%, тогда как человек ошибается гораздо чаще (точность ручной приемки около 60–70%). Искусственный интеллект снизил риски ошибок при приемке и сэкономил заводам миллионы рублей за счет предотвращения потерь урожая.
Нейросети также начали следить за работой людей и оборудования на пищевых фабриках. Например, на птицефабриках группы «Черкизово» и ряде других предприятий установлена система видеоаналитики Morigan.Lean (разработка компании «Матллер»). Камеры фиксируют каждое действие работников на конвейере, а алгоритм оценивает их эффективность и соблюдение технологических операций. По данным предприятий, после внедрения такой «умной» системы производительность труда выросла на 15–50% – сотрудники стали реже допускать простои и ошибки при фасовке и упаковке продукции. Кроме того, система автоматически контролирует соблюдение санитарных норм: например, ИИ следит, чтобы рабочие не нарушали регламент гигиены. Группа «Дамате» (крупнейший производитель индейки) первой в России передала контроль за мытьем рук сотрудников искусственному интеллекту. Если камера и алгоритм обнаружат, что кто-то недостаточно тщательно продезинфицировал руки, турникет на входе в цех просто не откроется. В итоге человеческий фактор сведён к минимуму, а качество и безопасность продукции повышаются.
Искусственный интеллект участвует и в более тонких процессах – например, контролирует вкусовые характеристики напитков. Пивоваренный гигант AB InBev (бренды Budweiser, Stella Artois и др.) внедрил ML-систему SenseAI для мониторинга брожения пива. Датчики собирают информацию на всех этапах варки – от уровня CO₂ до времени брожения – и ИИ прогнозирует, каким получится вкус и аромат готового напитка. Если предиктивная модель показывает отклонение от эталона, пивовары могут скорректировать процесс еще до финала варки. После алгоритма качество все равно проверяют люди, но в AB InBev уверены, что со временем нейросеть научится оценивать вкус не хуже профессиональных дегустаторов. Другой пример – корпорация Mars использует компьютерное зрение для контроля внешнего вида шоколадных конфет M&M’s: камера отбраковывает изделия с дефектами глазури, обеспечивая стабильный стандарт качества на конвейере. Также Mars с помощью ИИ решила проблему переполнения упаковок кормов для животных – алгоритм точно дозирует сухой корм, экономя компании сырье и деньги.
Цифровизация производства еды идет и по линии логистики и управления цепочками поставок. Крупнейшие мировые производители – от Coca-Cola до Nestlé – внедряют AI-платформы для автоматизации закупок сырья и выбора поставщиков. Скажем, алгоритмы компании Keelvar позволяют проанализировать тысячи заявок от контрагентов и смоделировать риски, помогая отделам снабжения принимать оптимальные решения. В сфере хранения продуктов ИИ способен контролировать условия в реальном времени: Unilever в Китае ввела приложение, где покупатель сканирует мороженое и проверяет, при правильной ли температуре оно хранилось на всем пути от фабрики до магазина. Такие решения не только повышают эффективность, но и укрепляют доверие потребителей, которые получают гарантии свежести и безопасности питания.
По мнению Алексея Николаевича Чернякова, кандидата философских наук, доцента кафедры информационных технологий Факультета информационных технологий и анализа больших данных Финансового университета при Правительстве Российской Федерации, интеграция искусственного интеллекта в пищевую индустрию ведет к формированию новой гастрономической парадигмы. Алгоритмы связывают воедино анализ больших данных и творчество, позволяя компаниям создавать «цифровой вкус» – продукты и сервисы, максимально отвечающие потребностям и предпочтениям покупателей. Генеративные модели ускоряют инновации, персональные диеты делают питание частью высокотехнологичного здравоохранения, а умные фабрики повышают устойчивость и эффективность производства. В итоге искусственный интеллект не просто оптимизирует отдельные процессы, а меняет сам подход к еде – от идеи и рецептуры до тарелки на вашем столе.