AIは、レシピと風味成分のデータから食材の組み合わせの候補を大量に出せます。その中から選んで物語のある一皿に仕上げる役割はシェフが担う、という分担が示されています。風味成分の共有では、おいしい組み合わせを予測できなかったとする分析があります。
しかし、「AIは過去のデータを組み合わせているだけで、創造性はない」という疑問が残ります。
料理の創造性は組み合わせと意味づけに分かれる
料理は、食材の選定、調理法、盛り付けまでを含む表現活動です。この記事は、料理の創造性を、食材の組み合わせを考える段階と、一皿に意味を込める段階に分けて整理します。
AIは食材の組み合わせの候補を大量に出す
AIは、レシピと風味成分のデータから、食材の組み合わせの候補を大量に出せます。IBMのChef Watsonは、約35,000件の既存レシピと約1,000種類の風味成分を分析し、意外性のある組み合わせを提案する仕組みでした。
データを元にした慣習にない組み合わせの候補
Chef Watsonの紹介では、チョコレート、コーヒー、ニンニクが慣習にない組み合わせの例として挙げられています。過去のデータから慣習にない組み合わせを提案する設計でした。
人は慣習や経験に沿った組み合わせを選びやすいので、慣習にない候補が発想のきっかけになると思います。
キャビアとホワイトチョコは試作で見つかり、成分の共通性は後から説明された
キャビアとホワイトチョコレートの組み合わせは、シェフのヘストン・ブルーメンタールが試して相性が良いと結論した例です。その後、フィルメニッヒの研究者フランソワ・ベンジが、両者に共通するアミン類を見つけました。カカオとカリフラワーも、ブルーメンタールのレシピを元にした料理の例があります。
風味成分が共通する食材は合う、という仮説があります。2011年の研究(Ahnら、Scientific Reports)では、西洋料理にその傾向があり、東アジアの料理には共通成分を持つ食材を避ける傾向がありました。2010年代の系統的な分析では、この方法でおいしい組み合わせを予測できなかったという指摘もあります。
料理に意味を与える役割はシェフが担う
この協業の考え方では、料理に物語や哲学といった意味を与える役割はシェフが担います。シェフが故郷の風景を表したり、自身の経験を料理に込めたりする行為が、その例です。
食材に触れた感触、調理中の香り、口に含んだ味わいは、レシピを直す手がかりになり、完成度を高めると思います。
AIは「何を」「どうやって」の最適解を示すのが得意で、「なぜこの料理を作るのか」には答えられず、五感を使って試作で確かめることもできない、という説明があります。この点と、この分担の効果は、確かめられていません。
協業は候補出しから選択と仕上げへ進む
協業は、AIが候補を出し、シェフが選び、試作で仕上げるという進め方で示されています。進め方は次の3段階です。
- AIが、データ解析に基づく食材と調理法の候補を多数出す。
- シェフが、自らの哲学や表現したいテーマに合う候補を選ぶ。
- シェフが、五感と経験をもとに試作を重ね、一つの料理に仕上げる。
多様な候補を検討することで、シェフは自分の固定観念を見直し、新しい着想を得られると思います。
同じ分担は他の分野にも当てはめられる
料理で示された分担は、デザイン、音楽、研究開発にも当てはめられるという見方があります。今後の美食はこの協業で発展する、AIは人の認知や発想を広げるパートナーになる、単純作業やデータ解析をAIに任せれば意味を考える時間を増やせる、という見方もあります。
これらの点は、確かめられていません。
自分の分野でAIに任せることと自分で決めることは何か
自分の専門分野でAIに候補を出させるなら、どこまでを任せ、何を自分で決めますか。AIを自分の発想を広げる道具として、どのような価値をつくれるかを考えてみてはいかがでしょうか。







