600개 이상의 베이킹 레시피를 분석하고 머신러닝을 활용해 신제품을 개발했습니다.

수천 년에 걸쳐 축적된 음식 덕분에 인간은 다양하고 맛있는 음식을 개발해 왔지만, 우리의 미뢰는 결코 만족하지 못합니다. 새로운 가능성을 탐색하기 위해 Google의 AI 개발자는 AI를 사용하여 새로운 디저트 레시피를 개발했습니다. 레시피 개발 분야에서 AI는 인간보다 더 상상력이 풍부해질까요?

구운 식품은 언제나 세계의 다양한 별미 중에서 중요한 위치를 차지해 왔습니다. 부드러운 빵, 섬세한 케이크, 바삭한 비스킷은 모두 거부할 수 없을 만큼 맛있습니다.

베이킹은 요리기술일 뿐만 아니라 예술이기도 합니다. 밀가루, 계란, 버터, 설탕 등의 원료를 다양한 비율로 섞어 일련의 물리적, 화학적 반응을 거치면, 정교한 예술 작품처럼 다양한 맛과 질감을 지닌 간식이 탄생합니다.

지금까지 베이킹 마스터들은 계란 타르트, 퍼프, 밀푀유 등 수십 가지의 고전적인 디저트를 개발했습니다. 하지만 음식을 좋아하는 사람들의 입맛에 새로운 경험과 자극을 주기 위해 그들은 끊임없이 새로운 제품을 연구하고 개발하고 있습니다.

구글의 AI 엔지니어인 사라는 베이킹을 좋아하며, 그녀 역시 새로운 가능성을 탐구해 왔습니다. 그녀는 이 취미를 업무와 결합하여 AI를 활용하여 새로운 베이킹 레시피를 개발하고 있습니다.

머신 러닝을 사용하여 몇 분 안에 두 가지 새로운 제품을 개발합니다.

많은 사람들처럼, Google Cloud의 AI 엔지니어인 사라는 전염병으로 인해 집에 머물러야 했기 때문에 주방에서 많은 시간을 보냈습니다.

사라는 베이킹을 좋아하지만, 대부분 사람들이 인터넷에서 기성 레시피를 검색한 다음 단계별로 따라하면서 베이킹을 한다는 것을 알게 되었습니다. 이런 접근 방식은 확실히 안전하지만, 큰 한계가 있으며 혁신하기 어렵습니다. 하지만 무작위로 조합하면 실패할 수 있고 재료와 시간을 낭비할 수도 있습니다.

따라서 각 재료와 다른 비율에 따라 나타나는 다양한 효과를 명확하게 이해하고, 고정된 레시피의 한계를 벗어나기 위해서는 베이킹 레시피에 담긴 과학적 원리를 이해하는 것이 중요합니다.

AI 엔지니어인 사라는 이 작업이 머신 러닝에 완벽하게 적합하다고 생각했습니다. "우리는 기존 데이터로 머신 러닝 모델을 훈련시키고, 규칙을 익히게 한 다음, 원하는 새로운 공식을 만듭니다."

이 아이디어를 바탕으로 사라는 빠르게 AI 모델을 구축했습니다.600개의 베이킹 레시피를 학습한 후, 이 모델은 입력 레시피의 베이킹 결과가 빵인지, 케이크인지, 쿠키인지 정확하게 판단할 수 있습니다.

다음으로, 사라는 베이킹 재료 비율의 비법을 터득한 AI 모델에게 케이크와 쿠키를 섞은 레시피를 만들어 달라고 요청했고, 이에 사라는 '카키'(케이크+쿠키)라는 이름을 붙였다.

AI 모델은 기대에 부응하여 사라에게 필요한 정확한 레시피를 생성했습니다. 사라는 스스로 실험을 한 결과, 이 새로운 레시피에 따라 구운 "카키"가 예상한 대로 매우 맛있고 훌륭하다는 것을 발견했습니다.

이후 사라는 AI 모델에게 "브레이크"(빵+쿠키) 레시피를 만들어 달라고 요청했고, 그 결과도 그녀를 만족시켰습니다.

AI 베이커: 페이스트리 혼합 원리에 대한 깊은 지식

사라는 자신의 블로그에서 이 모델을 만드는 과정을 자세히 설명했습니다. AI가 어떻게 훈련되어 전문적인 제빵사가 될 수 있는지 살펴보겠습니다.

데이터 세트 구성 

먼저, 사라와 그녀의 동료들은 빵, 케이크, 쿠키 등을 포함한 600개가 넘는 요리법을 인터넷에서 수집하여 요리법 데이터 세트를 구성했습니다. 그 다음에,밀가루, 효모, 우유, 물, 소금, 계란 등 일반적으로 사용되는 핵심 원료를 총 16가지 추출하였습니다.

그런 다음 저자는 이러한 요리법에 사용되는 다양한 재료의 측정 단위를 표준화했습니다. 예를 들어, 일부는 "컵"으로 측정되었고, 일부는 "숟가락"으로 측정되었습니다. 저자는 이를 모두 "온스"(1온스 ≈ 28.35그램)로 변환했습니다.

모델을 구축하고 요리법을 배우세요 

그들은 Google의 AutoML Tables를 사용하여 분류 모델을 구축했습니다.

새로운 표 형식 모델을 만들면 CSV, Google 스프레드시트 또는 BigQuery 데이터베이스에서 직접 데이터를 가져올 수 있습니다. 데이터를 가져온 후에는 "훈련" 탭에서 해당 데이터를 볼 수 있습니다.

이러한 데이터로 모델을 훈련시킨 후, 모델은 각 구운 제품에 해당하는 레시피 특성을 파악하여 더욱 정확한 예측을 내릴 수 있게 됩니다.

모델 해석 가능성 분석 

분석을 통해 사라는 AI 모델이 어떤 근거에 따라 예측을 내렸는지 더욱 잘 이해하게 되었습니다. 결과는 AI 모델의 경우, 베이킹 레시피의 각 재료가 의사결정에 중요한지 여부가 다음과 같이 순위가 매겨짐을 보여줍니다.

물론 실제로 다양한 디저트의 레시피는 매우 복잡하며, 위의 지표는 고정되어 있지 않습니다. 예를 들어, 사라는 특정 "케이크" 레시피의 예측 결과를 분석한 결과, 계란, 버터, 베이킹 소다가 AI 예측에 중요한 판단 지표라는 것을 발견했습니다.

사실, 베이킹 분야에서 전문가들은 오랫동안 "과학적인 방법으로 빵의 '이유' 이해하기"와 "빵의 성경"과 같이 베이킹 원리를 소개하는 책을 썼지만, 아마추어는 이를 공부할 시간이나 인내심이 충분하지 않을 수 있습니다.

AI 베이커는 이 단계를 생략해줍니다. 과학적 원리를 완벽하게 이해할 필요 없이, AI가 내 취향에 맞는 디저트를 만들도록 도와주세요. 정말 멋지지 않나요?

새로운 요리를 개발하는 데 있어 AI가 인간보다 더 신뢰할 수 있을까?

최근 몇 년 동안 전통적인 요리에 지친 사람들이 혁신적인 요리를 추구하는 경우가 늘고 있습니다. 하지만 현실은 조심하지 않으면 혁신적인 요리가 사람들이 두려워하는 어두운 요리로 변할 수 있다는 것입니다. 오렌지와 함께 볶은 채소, 고추와 함께 볶은 월병, 바나나와 함께 볶은 수박...

AI가 베이킹 레시피를 개발하는 법을 배우기 전부터 이미 레시피 연구 및 개발에 참여해 왔습니다. 인간 요리사보다 더 신뢰할 수 있고, 실패를 피하면서도 혁신을 이룰 수 있을까요?

2019년 영국 파이 제조업체 Piglet's Pantry는 기업 대출 플랫폼인 Esme Loans와 파트너십을 맺었습니다.이 알고리즘에는 기존 영국식 파이 레시피 수천 개(텍스트 총 문자 수가 약 100만 개)가 입력된 후, 수천 개의 새로운 파이 레시피를 만드는 법을 학습했습니다.

이후, 수작업으로 실험적인 검토와 개선을 거쳐 5가지 새로운 파이 레시피가 생산을 위해 선정되었습니다. 일부 고객은 먹어본 후 맛있다고 말했습니다.

하지만 상상력이 너무 많고 혁신성이 너무 강한 AI는 실수를 할 수밖에 없습니다.

이전에는 AI가 3만 개의 요리법을 학습한 후에도 여전히 다양한 음식의 조합을 완벽하게 익히지 못해 맛이 없어 보이는 요리법도 만들어냈습니다.

예를 들어, 블루베리 + 시금치 + 페타 치즈, 베이컨 + 아보카도 + 복숭아 등의 조합입니다.

AI가 요리법을 개발하는 기술은 충분히 안정적이지 않은 듯하며, 때로는 무작위의 조합으로만 요리법이 개발되는 경우도 있습니다. 따라서 음식을 좋아하는 사람들은 혁신적인 요리를 만드는 일을 AI에게 맡길 정신적 준비가 필요합니다. 시간을 절약할 수 있지만, 그에 따른 위험도 있습니다.

뉴스 출처:

https://cloud.google.com/blog/topics/developers-practitioners/baking-recipes-made-ai