Este algoritmo adapta receitas típicas para outras tradições culinárias

E se sua receita favorita fosse modificada para se adequar às técnicas e ingredientes tradicionais de diferentes culturas? Não sacou? Vamos lá: imagine, por exemplo, uma receita de lasanha, ok, mas feita com ingredientes tradicionalmente japoneses ou etíopes. Não estou falando de "fusão" entre duas cozinhas, mas de algo mais profundo: uma releitura do conceito da própria lasanha criada a partir das tradições culinárias de outro país.

Parece viagem pré-larica, mas é isso que está acontecendo. Um novo algoritmo de aprendizagem automática desenvolvido por uma equipe de pesquisadores franceses, americanos e japoneses usa redes neurais e um enorme banco de dados sobre comida para transformar isso em realidade. O resultado, descrito em artigo publicado nesse mês no repositório eletrônico arXiv, é um sistema capaz tanto de adaptar uma receita para um estilo de alimentação completamente diferente — uma lasanha de sushi, por exemplo — quanto de identificar todos os componentes estilísticos de uma receita.

Quando o assunto é a análise de dados, receitas são objeto de pesquisa curioso. Uma receita (que já é, por si só, um algoritmo) é um objeto extremamente quantificado, seja em termos de colheres, gramas ou na proporção entre ingredientes. Isso explica o impulso de analisar receitas do ponto de vista estatístico, em especial nessa época de mistura e hibridização gastronômica.

"A globalização e o desenvolvimento econômico dificultam a identificação do perfil dietético de determinadas receitas, posto que os hábitos alimentares estão mudando e convergindo em muitos países da Ásia, Europa e de todo o mundo", explica o artigo. "Em relação ao supracitado desafio, até onde sabemos, poucos se interessaram em desenvolver um algoritmo capaz de adaptar o estilo alimentar de uma determinada receita a outros padrões dietéticos."

O primeiro componente do sistema tem como função reunir grande variedade de receitas e usá-las para treinar uma rede neural a reconhecer determinadas características que representam a culinária de certo país. Esse modelo pode então analisar listas de ingredientes e concluir em qual culinária regional elas se encaixariam.

A próxima parte do sistema cria um diagrama (exposto abaixo) para representar as sobreposições de estilo de cada receita, retratando essas convergências como coordenadas bidimensionais.

A terceira parte do sistema classifica os ingredientes por meio de um modelo conhecido como word2vec. Muito utilizado em análises de texto, esse modelo analisa as relações entre palavras, ou, nesse caso, entre ingredientes de uma receita. É quase simples: palavras ou ingredientes semelhantes são representados como associações semelhantes de palavras ou ingredientes. O resultado é uma análise profunda da semelhança entre ingredientes e, assim,de quais ingredientes podem ser substituídos por outros. É dessa forma, portanto, que o sistema cria versões alternativas de receitas tradicionais.

O resultado de uma dessas releituras pode ser visto abaixo. A equipe de pesquisadores, que inclui um chef de cozinha, fez questão de cozinhar a receita final. Mesmo tendo os hábitos alimentares de um gambá, o resultado me pareceu muito interessante.

Segundo os pesquisadores, o objetivo desse algoritmo é fazer com que as pessoas se alimentem melhor. "Hábitos alimentares pouco saudáveis são uma questão de saúde pública, e devem ser encarados como tal", diz o artigo. "Considerando que pesquisas anteriores já apontaram o que torna uma receita saudável, acreditamos que é necessário investir no desenvolvimento de sistemas capazes de adaptar receitas saudáveis para qualquer estilo dietético. Dessa forma, uma dieta comprovadamente saudável poderia ser adaptada às preferências de qualquer usuário."

Graças às redes neurais, talvez no futuro minha dieta de gambá possa ser transformada em algo aproximadamente saudável.