L'IA peut-elle déterminer les saveurs qui fonctionnent le mieux dans un pays ou une ethnie donné ?

Cette question demande comment identifier les combinaisons de saveurs les plus appréciées ou typiquement culturelles dans un pays ou une cuisine ethnique donné. Elle souligne que, bien que des méthodes basées sur les données existent pour analyser les tendances culinaires, elles fournissent des estimations plutôt que des vérités absolues sur ce qui pourrait être universellement 'meilleur' pour le palais d'une population.

Background

Les systèmes alimentaires actuels basés sur l'IA analysent de vastes ensembles de données de recettes, d'associations d'ingrédients et de livres de cuisine pour déduire les tendances régionales en matière de saveurs au sein de pays ou de cuisines ethniques spécifiques. Ces systèmes emploient généralement des statistiques de co-occurrence et la théorie des associations alimentaires (comme le principe selon lequel les ingrédients partageant des composés volatils s'associent bien) pour générer des combinaisons probables. Cependant, de tels modèles ne peuvent pas déterminer des associations « idéales » définitives, car les préférences gustatives sont façonnées par le goût individuel, le contexte culturel et le jugement subjectif. De plus, ces méthodes manquent d'évaluations directes des consommateurs ou d'évaluations sensorielles pour valider l'acceptation au niveau de la population. À la place, leurs résultats sont des approximations probabilistes de schémas d'associations courants ou culturellement acceptés. Par exemple, un tel modèle pourrait mettre en avant la tomate-basilic ou le soja-gingembre comme typiques des cuisines italienne ou est-asiatique, respectivement, mais ne peut pas confirmer qu'elles sont optimales pour tous les individus. Des sources comme le MIT Technology Review soulignent les limites de ces approches pour rendre des verdicts culinaires à l'échelle de la population.