AIと専門家連携、食品物性データから新知見発見

ペンシルベニア州立大学を主とする研究チームは、食品の品質、安全、感覚特性を左右する物性データについて、人工知能エージェントと人間の専門家を連携させ、学術論文から抽出・整理する基盤を開発した。対応著者の徐周（シュー・シュー）ペンシルベニア州立大学食品科学科助教は、論文データが数十年間にわたり多数の文献に分散し、食品工学の設計やシミュレーションに必要な数値を人手で集める負担が大きい点に注目した。人工知能が論文検索をできても食品科学に不可欠な高品質なデータを与えられず、実験知見に基づく信頼性判断も苦手な現状を踏まえ、専門家知見と大規模自動収集を組み合わせる協働モデルを提案した。 開発した基盤は、食品工学の論文で数値が多く掲載される本文、図表、数式から複数の専門エージェントが協働して実験値を読み取り、人間専門家の検証を経て標準化・検索可能にした。評価では大手生成人工知能企業から10種類の大規模言語モデルを比較し、科学論文の理解、実験データの解釈、数値抽出の精度、速度、費用を検討した。従来は経験豊富な大学院生や博士研究員が6か月以上かけて集めていた4000件超の実験データを、約30分で収集・整理した。 このデータ集積により、百種類以上の食品に関する未報告の物理関係も明らかになった。研究チームは、マイクロ波などの電磁エネルギーと食品の相互作用を表す二つの誘電特性、すなわち誘電率と損失係数の間に、食品を横断して一貫する数学的関係を見いだした。大量の散在データなしには確認が困難だった知見で、人工知能による構造化が従来の文献調査の限界を超えたことを示した。 さらにチームは、データベースを質問応答人工知能に接続し、検索拡張生成方式で実証した。特定の周波数におけるじゃがいもの誘電特性を尋ねると、システムは検証済みデータを取り出し、出典を明示しながら回答し、電子レンジ加熱への影響も説明した。専門家の検証を経た高品質科学データを知識基盤として提供することで、汎用人工知能の回答精度と証拠に基づく信頼性を高める道を示した。研究にはペンシルベニア州立大学、ワシントン州立大学、ワシントン大学の研究者が参加し、成果は食品工学誌の2027年3月号に先立ち公開された。