Данные о физических свойствах продуктов питания, от которых зависят их качество, безопасность и вкус, разбросаны по тысячам научных публикаций за десятилетия. Пищевым инженерам бывает трудно быстро найти и собрать нужные цифры. Исследователи из Пенсильванского университета (США) предложили решать эту проблему с помощью искусственного интеллекта (ИИ), который действует под контролем специалистов. Работа опубликована в Journal of Food Engineering (выход выпуска запланирован на март 2027 года).

Учёные создали систему AgentXtract. В ней несколько ИИ-агентов - программ, которые самостоятельно выполняют поручённые им шаги, - вместе разбирают научные статьи. Важно, что в пищевой инженерии ценные экспериментальные данные часто скрыты не в тексте, а в таблицах, на графиках и в формулах. Агенты с разными "навыками" извлекают числа из разных форматов, проверяют, приводят к единому виду и заносят в базу данных.

Чтобы проверить систему, исследователи протестировали 10 больших языковых моделей (это алгоритмы, лежащие в основе современных чат-ботов) от OpenAI, Google и Anthropic. Они сравнивали точность, скорость и стоимость работы, а эталоном служили данные, вручную проверенные экспертами. По словам руководителя работы Сюй Чжоу, раньше на такой сбор у опытного аспиранта или постдока уходило полгода и больше. Теперь же более 4000 записей экспериментальных данных удалось собрать и упорядочить всего за 30 минут.

Неожиданным результатом стал новый взгляд на уже собранные данные. Исследователи обнаружили ранее не описанную математическую связь между двумя диэлектрическими характеристиками - они показывают, как продукт взаимодействует с электромагнитной энергией, например с микроволнами. Речь идёт о диэлектрической проницаемости и тангенсе угла диэлектрических потерь (это величины, которые описывают, как материал реагирует на электрическое поле). Эта связь проявилась более чем для 100 разных продуктов. Авторы подчёркивают: они наблюдали статистическую закономерность в собранных данных, а не доказали причинно-следственный механизм.

Кроме того, учёные подключили базу к системе вопросов и ответов на основе ИИ по схеме RAG (retrieval-augmented generation - "генерация с привлечением поиска"). В такой схеме модель сначала ищет нужные сведения в базе, а затем формулирует ответ. Проверка показала, что с опорой на проверенные человеком данные система точнее отвечает на научные вопросы и приводит ссылки. Например, на вопрос о диэлектрических свойствах картофеля на определённой частоте она может быстро найти записи и объяснить, как эти свойства влияют на нагрев в микроволновой печи.

В работе участвовали также учёные из Вашингтонского университета и Университета штата Вашингтон. Авторы отмечают: предложенный подход может пригодиться не только в пищевой науке, но и в других областях, где важно опираться на проверенные экспериментальные данные.

Источник: Tech Xplore