Comment l’intelligence artificielle inaugure une nouvelle ère de la nourriture hyper-personnalisée ?

artificial_intelligence_food_beverage_gastrograph_flavor_science_May2018

L’intelligence artificielle aide à développer des saveurs adaptées précisément à votre âge, votre ethnicité et votre sexe. Pensez à la bière et aux collations aussi uniques que vos empreintes digitales, et un avenir où votre nourriture en sait plus sur vous.

«Mon point de vue est que presque tous les produits alimentaires et boissons sur le marché aujourd’hui sont horribles », dit Jason Cohen, avec une conviction féroce. « Il n’y a littéralement aucun produit conçu pour moi. »

Cohen est le fondateur et PDG d’Analytic Flavour Systems, une start-up new-yorkaise dont le but est d’inaugurer une nouvelle ère de la nourriture hyper-personnalisée.

Oui, l’industrie de la transformation des aliments a réussi à faire de la nourriture pour satisfaire les masses. Le célèbre journaliste du New York Times, Michael Moss, a expliqué comment les entreprises de snacks ont appris à nous séduire en ajustant les proportions de sel, de sucre et de graisse à un taux de «bonheur» que la plupart des êtres humains trouvent irrésistible. Mais l’argument de Cohen est que les modèles existants de conception d’arôme fonctionnent seulement dans les courses larges et brutes. Et il pense que son outil d’intelligence artificielle (IA) est la porte d’entrée dans un nouveau paysage où les entreprises de nourriture et de boissons en savent plus sur nous que jamais auparavant, avec des offres de produits qui répondent aux faims plus individualisées.

Dans sa quête pour fabriquer de la nourriture qui en sait plus sur vous, le principal outil de collecte de données d’Analytic Flavor Systems est son application pour smartphone, Gastrograph. La caractéristique centrale de l’application est une roue à vingt-quatre rayons, où chaque ruban représente une catégorie discrète d’expérience sensorielle, comme «charnue», «amère» ou «en bouche». Les dégustateurs cartographient les contours de la perception des saveurs en traçant les rayons correspondant aux qualités qu’ils détectent, désignant l’intensité de chacun sur une échelle de un à cinq.Les dégustateurs sont ensuite invités à attribuer une note de préférence au produit, sur une échelle de un à sept.

gastrograph_artificial_intelligence_food.jpg
Une analyse de la saveur d’une bière artisanale, 120 minutes IPA Dogfish Head, cartographié en utilisant l’application Gastrograph. Chacun des 24 rayons de la roue correspond à un arôme spécifique, classé de 1 à 5 en intensité. La plupart des catégories se décomposent en sous-menus pour une analyse encore plus fine.

 

L’application Gastrograph rassemble également des données sur la personne qui fait la dégustation: informations démographiques, statut socioéconomique, expérience passée avec le produit, habitudes tabagiques, etc., ainsi que des informations sur l’environnement ambiant telles que la température, la pression barométrique et le niveau sonore.

«Nous allumons littéralement tous les capteurs de l’appareil», explique M. Cohen, y compris le microphone, le posemètre et le GPS. « Nous collectons même des données de champs magnétiques, ce qui n’est pas prédictif de quoi que ce soit, mais un jour … »»

Qui sait ce que les données pourraient révéler sur l’influence de la magnétosphère sur notre capacité à détecter la salinité ?

Tout cela est une tentative de casser le plus privé de ce royaume: le monde intime de la saveur. Les goûts qui nous fascinent et nous repoussent, après tout, sont très individuels, façonnés par la biologie, la culture et l’histoire personnelle. Mais la puissance du Gastrograph réside dans sa capacité à modéliser et à prédire les préférences en matière de saveurs de tranches de plus en plus étroites du public consommateur, donnant aux entreprises agroalimentaires les informations dont elles ont besoin pour développer des produits optimisés pour des sensibilités de plus en plus spécifiques. Cohen rêve d’un jour où nous aurons chacun notre propre Dorito.

Un algorithme n’a pas de papilles gustatives; un réseau de neurones n’obtient jamais les fringales. Alors, un cerveau de robot peut-il vraiment nous dire ce que nous voulons manger? La question est de savoir si l’intelligence artificielle sera en mesure d’exceller dans le travail sensuel et créatif de dégustation et de développement de nouveaux aliments – et ce que nous gagnerons ou perdrons en inventant des aliments.

🍟🍔🌭

Comment devrait-on faire goûter les aliments ? Cette question a contrarié les fabricants depuis les premiers jours des aliments fabriqués en usine, lorsque le traitement industriel a créé de nouveaux défis – et de nouvelles possibilités – pour la saveur. La capacité sans précédent à manipuler les ingrédients bruts a soulevé deux énigmes connexes, les deux encore en tête de l’industrie aujourd’hui. Le premier a à voir avec la cohérence. Pas de grain de blé, pas de fève de cacao, est identique – mais chaque Oreo qui dégringole de la ligne de production doit être, autant que possible, indiscernable de l’autre. Comment la variété de la nature peut-elle être banalisée et uniformisée, avec une expérience sensorielle garantie ? Deuxièmement, il y a le problème du délice. Qu’est-ce qui fait qu’un biscuit à la crème est préférable à un autre biscuit à la crème ? Comment le plaisir peut-il être mesuré ?

maxresdefault-1
Jason Cohen, fondateur et PDG de Analytic Flavour Systems, une start-up qui vise à inaugurer une nouvelle ère de nourriture hyper-personnalisée

Vers le milieu du vingtième siècle, les scientifiques de l’alimentation, les chimistes, les économistes, les chercheurs en consommation et les psychologues expérimentaux ont forgé une nouvelle discipline pour aborder ces questions: la science sensorielle. Si vous êtes comme la plupart des gens, vous n’avez probablement jamais entendu parler de la science sensorielle. Mais ses méthodes façonnent fondamentalement tout ce que vous mangez. C’est ce qui calcule le crunch idéal d’un Pringle, et détermine le cheesiness optimal pour un cracker Ritz.

Les réalisations de la science sensorielle dépendent du travail d’un groupe exclusif d’êtres humains hautement spécialisés: le panel sensoriel formé. Les dégustateurs sensoriels apprennent à goûter et à sentir de manière analytique. Ils apprennent à décrire leurs expériences en utilisant des vocabulaires normalisés de goût, d’arôme, de texture et de sensation en bouche. On leur enseigne à mettre de côté leurs préférences personnelles et à ne rapporter que ce qu’ils perçoivent. Au fil des ans, les nez électroniques, les languettes électroniques et d’autres dispositifs de détection ont menacé de remplacer les dégustateurs humains par des équivalents de machines automatisés, mais pour l’instant, le panel de dégustation demeure le principal instrument de la science sensorielle. Aujourd’hui, les panneaux sensoriels fonctionnent au sein de grandes entreprises agroalimentaires; dans les laboratoires de recherche universitaires, gouvernementaux et militaires; et à un réseau international d’évaluation sensorielle et de sociétés de conseil.

Christopher Findlay est le président et le fondateur de Compusense, l’une des plus grandes sociétés de conseil en analyse sensorielle au monde, avec une liste de clients qui comprend plusieurs des meilleures marques d’aliments, de boissons et de saveurs. «Nous avons un groupe de 30 panélistes», m’a-t-il dit – pas des employés à temps plein, mais des résidents locaux de Guelph, en Ontario, choisis pour des projets précis (comme une récente étude frite de six semaines) et rémunérés . « Ils sont payés », dit Findlay, « mais ce n’est pas tout à propos de l’argent. Ils font gaiement l’engagement. Ils viennent ici au milieu des tempêtes de neige.  »

Chaque individu est formé à l’aide de la méthode de calibrage par rétroaction de Compusense, qui, selon Findlay, permet aux dégustateurs d’obtenir une précision exceptionnelle dans la description de leurs expériences gustatives. Cette approche vise une sorte d’objectivité, les participants devant répondre de manière  cohérente au même échantillon. En fin de compte, les panels de saveurs produisent des informations fiables et reproductibles sur les saveurs subjectives, permettant aux entreprises de déterminer comment leur seltzer de pamplemousse se compare avec d’autres sélecteurs de pamplemousse, par exemple, ou de déterminer si un changement d’ingrédient altère sensiblement son goût.

Bien sûr, il y a le problème désordonné du comportement du consommateur – «un animal différent», dit Findlay. Comparés à des dégustateurs qualifiés, les consommateurs ordinaires réagissent de manière non systématique et incohérente lorsqu’ils sont interrogés sur ce qu’ils goûtent et s’ils l’apprécient. Comprendre les désirs des consommateurs et utiliser ces connaissances pour prévoir les tendances constitue une grande partie de ce que font les sociétés d’évaluation sensorielle. Pourtant, beaucoup de prévisions se résument à l’intuition – ce qui peut expliquer pourquoi le développement de nouveaux produits dans l’industrie des aliments et des boissons est généralement reconnu comme un bain de sang. L’affirmation selon laquelle quatre-vingt-dix pour cent des nouveaux produits alimentaires se brisent et brûlent en l’espace d’une année fait beaucoup de bruit; ce chiffre est probablement surestimé. Mais peu importe les chiffres, le lancement d’un nouvel aliment ou d’une nouvelle boisson sur le marché hautement concurrentiel est une entreprise périlleuse, coûteuse et risquée. Qu’il suffise de dire, les entreprises de nourriture et de boissons ont faim pour des moyens plus fiables de prévoir l’avenir de la saveur.

C’est là que Cohen croit que la science sensorielle n’a pas réussi à atteindre ses objectifs et où Analytic Flavour Systems en voit l’opportunité. S’il a raison, cela pourrait signifier un réalignement fondamental dans le domaine de la science de la saveur, un changement par rapport aux déclarations monolithiques transmises par les groupes de dégustation. Cela signifierait, au contraire, embrasser le chaos apparent de l’opinion populaire, et trouver de nouvelles façons de cartographier des modèles complexes longtemps rejetés par l’industrie comme du bruit.

GastroFinal1-1-e1526063900490
Les rendements d’échelle tant vantés qui ont permis au système de production alimentaire industriel d’atteindre sa productivité et son bon marché ont également coupé le lien que les gens veulent ressentir avec les choses qu’ils mangent. [CREDIT] : Alex Fine
Cohen tire une diapositive sur son ordinateur portable pour montrer l’image d’un panneau de dégustation. Il montre cinq personnes assises autour d’une table avec des gobelets en plastique de ce qui ressemble à de la bière devant eux; ils écrivent leurs notes sur des feuilles de papier, en souriant et en bavardant entre eux. Il peut à peine cacher son dédain.

« Ce n’est évidemment pas un moyen scientifique de développer des produits », dit-il. De plus, « chacun de ces individus est blanc. Ils vont développer des produits pour un lancement national ou international, et ils ne peuvent littéralement pas percevoir ce que les autres groupes démographiques du monde entier perçoivent lorsqu’ils goûtent ces produits.”

Les méthodes conventionnelles d’évaluation sensorielle, selon Cohen, sont fondamentalement erronées. En traitant les dégustateurs formés sur des panneaux comme des instruments neutres, qui sont censés mettre de côté leurs préférences personnelles et parvenir à un consensus sur les questions de goût, la science sensorielle nie les différences claires entre les gens. Lorsque les dégustateurs d’un panel sont «calibrés» pour utiliser un langage normalisé pour décrire leurs expériences, «vous jetez littéralement des données sur les variations de perception dans le marché sous-jacent plus large», dit Cohen. (Les experts sont en désaccord avec cette caractérisation de la science sensorielle.)

En d’autres termes, Cohen accuse la science sensorielle traditionnelle d’atteindre une fausse objectivité. Son bœuf à la science sensorielle date de ses études de premier cycle à Penn State, où il fut l’un des fondateurs de l’Institut du thé, un groupe d’étudiants consacré à l’appréciation et à l’étude du thé. Un thé obsessionnel, Cohen était déterminé à trouver un moyen de déterminer si un thé vert rare était réellement ce qu’il prétendait être, ou de calculer les changements dans le goût d’un pu-erh à mesure qu’il vieillit. Un cours de base en science sensorielle semblait ne donner que des réponses insatisfaisantes.

Puis il a découvert la science des données. En 2010, Cohen a commencé ses études supérieures avec le professeur John Yen au Collège des sciences et technologies de l’information de Penn State, où il a construit une intelligence artificielle  qui a enregistré des informations sur le thé et des notes de dégustation. Le but était un programme qui pourrait vous dire le genre de thé que vous buviez.

« Nous avons atteint des performances surhumaines sur certaines choses en 2012 », quand le système a devancé la capacité de ses pairs à localiser le lieu d’origine d’un thé. C’était la base de l’AI Gastrograph. Il a quitté l’école d’études supérieures avant de terminer son diplôme afin de protéger sa propriété intellectuelle et se consacre à temps plein à Analytic Flavor Systems à partir de 2013. Deux membres de l’Institut du thé, Ryan Ahn et Aislynn van Clief, l’ont rapidement rejoint , et sert maintenant de directeur de la recherche et directeur de de l’entreprise. Avec un scientifique de données, ils forment le noyau de la petite équipe d’Analytic Flavor Systems.

L’outil cherche des modèles démographiques dans les endroits mêmes où le consensus s’effondre. Le pouvoir supérieur de l’apprentissage automatique, explique Cohen, est qu’il peut décrire des modèles dans ce que les méthodes sensorielles traditionnelles ont rejeté comme bruit. Plus encore, dit Cohen, il est possible de localiser des facteurs de préférence imprévus dans l’information que la science sensorielle rejette. «Nous considérons la saveur comme un espace de Hilbert d’une dimension infinie», dit-il, se référant au concept mathématique d’un système algébrique complexe avec un nombre infini de variables. Ce qu’il veut dire, c’est que les possibilités sensorielles pour savoir comment une saveur peut être expérimentée sont illimitées. La science sensorielle contraint les données qu’elle recueille, par exemple, en limitant les dégustateurs aux vocabulaires standard, mais un A.I. n’a pas besoin de respecter ces limites. L’idée est que Gastrograph réalise une «performance surhumaine» précisément en ruminant sur les choses que nous enregistrons mais que nous ne remarquons pas.

L’IA peut élever le spectre de la technologie: un avenir post-singularité avec des robots au commande. Bien sûr, les technologies fondées sur l’IA sont déjà répandues, ce qui façonne nombre de nos interactions avec le monde numérique. Essentiellement, l’IA décrit tout système qui utilise l’apprentissage automatique – algorithmes computationnels, y compris les réseaux neuronaux et le traitement du langage naturel – pour analyser la signification des agrégations de données, trouver des modèles, faire des prédictions et, surtout, afficher la capacité d’auto-amélioration. Qu’il s’agisse de filtrer les pourriels, d’identifier de nouveaux médicaments potentiels ou de recommander le prochain spectacle à surveiller, les systèmes basés sur l’IA diminuent leur taux d’erreur avec le temps. Ils s’améliorent en nous donnant ce que nous semblons vouloir.

Pour faire tout cela, cependant, l’IA a besoin de quelque chose de nous en retour: nos données.

🥛☕🍵

Vous pouvez télécharger une version publique gratuite de l’application Gastrograph pour votre téléphone.

Les données sont la pierre angulaire de l’IA, ou peut-être plus comme son système endocrinien – c’est comme ça que le système grandit, mûrit, se développe, se remplit et construit ses muscles. Si nous voulons contribuer à l’avènement d’une nouvelle ère de nourriture personnalisée, alors céder des informations personnelles est probablement un mal nécessaire.

gastrograph-screenshots.jpg
Les dégustateurs cartographient les contours de la perception de la saveur en traçant les rayons correspondant aux qualités qu’ils détectent, en désignant l’intensité de chacun sur une échelle de un à cinq. Ici, la qualité « florale » d’un thé a été marquée au niveau 5, et « humide » au niveau 4

Bien sûr, le Gastrograph n’est pas un moteur de référence, mais le terminal d’entrée pour un vaste système de collecte de données. Les données aident l’IA a affiner son modèle et aidera les entreprises alimentaires à concevoir des produits. À l’heure actuelle, Analytic Flavour Systems ne compte pas sur des amateurs malheureux comme moi pour peupler sa base de données. Seule une petite partie de la base de données de saveurs de l’entreprise passe par la version publique de l’application, soit quelques centaines de critiques par mois, selon les estimations de Cohen. Les principaux utilisateurs sont des panels sensoriels formés et des développeurs de produits dans les entreprises agroalimentaires, qui ont fourni plus de 200 000 avis pour la base de données principale de R & D. Ils ont également accès à une base de données d’environ un million d’avis de consommateurs, qu’ils utilisent principalement pour valider les prévisions de préférences des consommateurs.

Si les données sont la pierre angulaire de l’IA, c’est aussi sa plus grande responsabilité.

Les fabricants d’aliments et de boissons sont protecteurs. « C’est un peu controversé », admet Cohen. « Nous sommes assez maman sur le sujet. Évidemment, nous ne ferions jamais de prédiction pour deux concurrents sur les produits de chacun, mais les données de tout le monde vont dans le sens de l’amélioration du système.  »

Pris dans leur ensemble, les données recueillies par Gastrograph révèlent des modèles à grande échelle et des préférences émergentes. Par exemple, l’affection croissante des consommateurs américains pour l’amertume a récemment commencé à pointer vers l’aigre. La preuve de ceci peut être vue à travers le marché: les buveurs de bière artisanaux faisant la pièce pour des lambics à côté de leurs IPAs; Mangeurs de yogourt grec vérifiant le skyr islandais; et dans la popularité croissante des choses aromatisées au pamplemousse, une saveur qui combine parfaitement amer et aigre.

Le point, cependant, n’est pas le suivi macrocosmique des tendances, mais la personnalisation microcosmique: modéliser de manière prédictive les perceptions et les préférences de groupes démographiques de plus en plus étroits.

« Vous pouvez entrer dans un profil de saveur pour ce café au lait », dit Cohen, montrant mon verre à moitié terminé, « et le système crachera une optimisation – que changer pour le rendre encore meilleur. »

Il n’y a pas d’idéal platonique pour un latte, bien sûr. Il n’y a que votre latte idéal: celui qui est optimisé pour être délicieux au palais. Le Gastrograph ne se contenterait pas de suggérer un seltzer aromatisé au pamplemousse, par exemple, mais de modifier ses dimensions florales, fruitées, amères et acidulées pour captiver l’envie des millenials du Nord-Est, ou des Allemandes de plus de quarante ans.

Le système Gastrograph ne peut pas encore livrer ce niveau de précision. Théoriquement, cependant, plus les données de dégustation recueillies sont nombreuses, meilleurs sont les modèles et les prédictions. Une grande question pour l’entreprise est de savoir d’où proviendront ces données.

L’industrie alimentaire s’oriente depuis longtemps vers des produits plus spécialisés. Howard Moskowitz, l’un des pionniers de la science sensorielle, l’a souligné dans son travail pour Prego dans les années 1980. Comme l’a démontré sa recherche auprès des consommateurs, il n’existe pas de sauce spaghetti parfaite; il y a différentes sauces à spaghetti pour différentes personnes. La clé du succès de Prego n’était pas d’améliorer sa sauce tomate classique, mais de reconnaître qu’il y avait un groupe dont la préférence pour une sauce de style chunkier n’était pas servie par le marché.

Mais là où Moskowitz a divisé les Américains en trois groupes – ceux qui veulent que leur sauce soit plate, ceux qui la veulent épicée, et ceux qui ont faim de quelque chose de gros – Cohen imagine une mouture beaucoup plus fine. L’analyse assistée par intelligence artificielle peut révéler la carte variée des préférences. « Il y a beaucoup de marchés inexploités », dit-il, « beaucoup d’espace blanc partout ».

La vision n’est pas de simplement répondre à des tranches mal desservies de gourmands difficiles. « Cela signifiera de meilleurs produits pour tout le monde », me dit Ryan Ahn, directeur de la recherche et du développement de l’entreprise. S’il admet que la technologie n’est pas encore là, il m’assure que

«des produits personnalisés sont à l’horizon. Et nous espérons être le cerveau derrière les produits personnalisés.»

🥞🥐🍞

En comparaison avec les voitures autonomes ou Amazon Alexa, les incursions d’AI dans le secteur alimentaire ont été notablement moins annoncées. Beaucoup d’entreprises utilisent L’IA transformant la grande image de la production alimentaire: les fermes, les parcs d’engraissement, les usines et d’autres systèmes à grande échelle qui fabriquent et distribuent ce que nous mangeons et buvons. Analytic Flavor Systems veut appliquer le pouvoir de l’apprentissage automatique à l’aspect le plus intime et personnel de la nourriture: la saveur. Jusqu’à présent, cependant, le Gastrograph a été principalement utilisé pour le contrôle de la qualité dans l’industrie de la bière artisanale, en tant qu’outil permettant de suivre et de surveiller la consistance de la saveur d’un lot à l’autre. Plus récemment, la technologie a aidé les entreprises à peaufiner les profils de saveur d’une douzaine de produits nouveaux et à venir, y compris des bières artisanales, des eaux aromatisées, des chocolats et des collations salées.

En fin de compte, ce que Analytic Flavor Systems vend n’est pas un aliment ou une boisson: c’est une image descriptive de l’expérience, une image prédictive du désir et une vision d’un système alimentaire fragmenté en niches de consommateurs fortement attachés. Si le futur est, comme le disent ses fondateurs, dans des aliments optimisés pour nos appétits les plus personnels, le succès de l’entreprise dépendra en fin de compte de la capacité du Gastrograph à dire aux entreprises agroalimentaires ce que vous allez adorer.

Mais alors que Cohen affirme que son entreprise perturbe les fondements de la science sensorielle, les experts dans le domaine contestent sa caractérisation de la discipline.

Ana María Ulloa, PhD, une anthropologue qui étudie les scientifiques sensoriels au travail, n’est pas d’accord avec Cohen que les scientifiques sensoriels considèrent les panels de dégustation comme des instruments neutres. «Précisément, leur pratique avec des panels de dégustation révèle toutes les petites nuisances qui accompagnent l’évaluation des aliments», explique-t-elle, et leurs techniques expérimentales captent de manière productive ces incertitudes et les différences entre les dégustateurs. John Hayes, Ph.D., professeur de science alimentaire à Penn State, qui a déjà eu Cohen comme étudiant, déplore sa compréhension superficielle du domaine. Hayes dit que les scientifiques sensoriels ont longtemps été confrontés aux problèmes qu’Antictic Flavor Systems prétend résoudre, et ont développé et testé un ensemble sophistiqué et évolutif d’instruments méthodologiques et statistiques pour améliorer la qualité, la fiabilité et la fonctionnalité des données qu’ils collectent, y compris méthodes qui combinent des évaluations descriptives avec des évaluations de préférence.

En d’autres termes, toutes les capacités d’apprentissage automatique du monde ne donneront pas de meilleurs résultats si les données utilisées pour former et développer l’algorithme sont erronées ou défectueuses. Et pour toutes les affirmations de Cohen que son A.I. opère en dehors des limites de la science sensorielle, les données doivent encore entrer dans le système en catégories, qui imposent leurs propres contraintes. Les critiques de l’approche de Cohen affirment qu’un système de collecte de données aveugle ne signifie pas que des groupes de personnes ne seront pas exclus de ses modèles, et que peut-être la technologie serait mieux appliquée à l’amélioration de la qualité des données sensorielles recueillies, plutôt que d’augmenter la quantité.

 

Artificial_intelligence_food_gastrograph_May2018
En fin de compte, ce que Analytic Flavor Systems vend n’est pas un aliment ou une boisson: c’est une image prédictive du désir.

Il reste à voir si le Gastrograph peut tenir ses promesses. En attendant, certains acteurs majeurs du monde de l’investissement parient sur eux. La société a attiré des investissements de Techstars et ZX Ventures, le fonds mondial d’innovation d’AB InBev. Analytic Flavor Systems est actuellement en train de financer une recherche de 2 millions de dollars.

Il vaut donc la peine de réfléchir aux fins auxquelles cette puissante technologie doit être déployée. Une vision utopique de la nourriture hyper-personnalisée est-elle tout ce qu’elle est censée être ?

Pour les bailleurs de fonds de l’entreprise, la personnalisation de la saveur pourrait être une mine d’or potentielle. Eamonn Carey, directeur général de Techstars Connection, un programme d’accélération qui a été un des premiers partisans d’Analytic Flavour Systems, appelle la personnalisation le «Saint Graal» pour les entreprises agroalimentaires. Tout comme les publicités ciblées sur Instagram ou Facebook observent notre comportement en ligne pour servir toujours plus précisément ce que nous voulons, il prédit que les entreprises alimentaires vont un jour assortir leurs produits à nos appétits, et utiliser la saveur pour sécuriser leur place dans nos cuisines, et nos coeurs.

« Ils peuvent ensuite vendre directement au consommateur », raconte Carey, « désintermédiant les cafés et les bodegas. Ils peuvent me vendre la barre de chocolat parfaite, peut-être comme un service d’abonnement. « 

Il y a donc quelque chose d’indéniablement séduisant dans un système alimentaire industriel plus personnalisé, qui pourrait prendre en compte les différences culturelles et démographiques et qui semble répondre aux souhaits individuels. Mais il y a des défis logistiques évidents ici, des défis qu’aucune des personnes avec qui j’ai parlé chez Analytic Flavor Systems ou ses bailleurs de fonds n’a réussi à expliquer de manière convaincante.

De plus, faire de cette vision une réalité exigera de nous quelque chose: nos données, que nous y contribuions directement ou indirectement. Cohen hésite quand je lui demande à ce sujet, mais il est indéniable que nous sommes au milieu d’une explosion d’informations sur les aliments. Que ce soit les capteurs silencieux de notre réfrigérateur intelligent, nos commandes à Amazon Alexa ou Siri, ou les photos Instagram de nos dîners, il y a plus d’informations sur la nourriture que nous mangeons, et ce que nous en pensons, que jamais auparavant. Analytic Flavor Systems est un bénéficiaire de toutes ces données. Des groupes de recherche comme IC FOODS à UC Davis – qui compte Analytic Flavour Systems comme partenaire – tentent de construire un «internet of foods», un ensemble standard de langages de données qui peuvent exploiter le maelström et le transformer en calculable, exploitable connaissance. Des outils tels que le Gastrograph, prédit Matthew Lange, le directeur d’IC ​​FOODS, « deviendront probablement partie du moteur qui conduit cette collection plus ambiante d’expériences sensorielles de nourriture à grande échelle. »

Une meilleure nourriture pour plus de données: sommes-nous prêts à faire cet échange? Tous ceux qui parle des vertus de la nourriture personnalisée se sont aussi assurés de créer une alimentation personnalisée – des aliments adaptés à nos besoins métaboliques particuliers ou à nos sensibilités allergènes. Pas seulement un meilleur goût. Qui profitera des avantages des aliments sur mesure et qui n’aura plus qu’à manger des croustilles indifférenciées, des dîners télévisés non spécifiques ?

Dans l’avenir axé sur le Gastrograph que l’Analytic Flavour Systems envisage, nous allons chacun boire nos propres boisson séparés pour être au maximum délicieux à nos palais individuels, irréconciliables. C’est donc un bon moment pour se demander: est-ce qu’un marché de variétés proliférantes ciblant nos faims privées, à nos besoins biologiques intimes, est vraiment celui qui nous sert le mieux ?

Source : https://newfoodeconomy.org/artificial-intelligence-personalized-food-beverage/?mc_cid=73c81b7420&mc_eid=c7900b08a7

La part du gâteau c’est quoi ?

Un service qui te facilite tes repas entre amis!

Le but ?
– Gagner du temps ( 5 minutes au lieu de 2h)
– Bien Manger
– Eviter les problèmes d’argent entre amis

Comment ?

1)Tu choisis parmi nos recettes
2)Nous créons des listes de courses pour un montant équitable pour chaque invité,avec les bonnes quantités
3)Chacun reçoit sa liste par SMS et sait quoi acheter en magasin!

Combien ce truc de ouf ?

C’est GRATUIT
http://www.lapartdugateau.fr

 

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s