A IA é convidada para os aromas e texturas

Pas une semaine ne passe sans que la presse ne se fasse l'écho de l'utilisation de l'intelligence artificielle (IA) dans différents domaines, industriels, artistiques... Elle arrive aussi dans l'agroalimentaire, notamment dans les arômes. Robertet anunciou, no dia 11 de junho, o desenvolvimento de uma nova planta, a vanille, para ser desenvolvida com a ajuda da IA, para um grande grupo agroalimentar. Para isso, o fornecedor solicitou os serviços da Artefact, empresa francesa especializada nessa tecnologia. Juntos, eles deram origem ao projeto NaturIA: uma IA geral para a perfumaria e os aromas.

Ao combinar as fases de testes realizadas pelos perfumistas e aromatizadores com os algoritmos avançados de IA geral, o NaturIA permite acelerar o processo de criação. Ela traduz os briefs de mais de uma imagem em descrições detalhadas e convincentes e, em seguida, em critérios de pesquisa para encontrar fórmulas existentes ou sugerir novas associações de perfumes e aromas. Isso oferece aos criadores um mecanismo de pesquisa inteligente e seguro, além de um quadro de referência inspirador para acompanhá-los no desenvolvimento de novos conceitos, perfumes ou aromas.

“O projeto NaturIA ilustra como a IA pode estimular nossa criatividade por meio da inovação tecnológica, mas respeitando a liberdade e o conhecimento de nossos criadores. Isso marca uma virada em nosso setor.”

comentário Jérôme Bruhat

Por sua vez, a Givaudan anunciou, em fevereiro, uma colaboração com a Nuritas, uma empresa irlandesa, criada em 2014, especializada na descoberta de peptídeos baseados em IA.

” Ao explorar milhões de sequências, podemos identificar novos peptídeos bioativos e criar ingredientes seis vezes mais rápido e 600 vezes mais preciso do que os métodos tradicionais. “

souligne Nora Khaldi

“Essa colaboração representa um avanço significativo para responder às expectativas dos consumidores de todo o mundo, em constante evolução. Nossa colaboração com a Nuritas contribuirá para o progresso da inovação em matéria de ingredientes a curto prazo.”

diz Fabio Campanile, responsável mundial pelas ciências e tecnologias do bem e do bem-estar da Givaudan.

A Givaudan já utiliza a IA em suas pesquisas. Uma delas, a Advanced tools for modelling (ATOM), permite otimizar a formulação de alimentos e produtos, como a redução de sal nas colagens de salsichas.

“Para encontrar a mistura perfeita de ingredientes, normalmente era necessário fazer vários testes, mas, graças à IA, a equipe conseguiu identificar rapidamente a receita ideal, com 33 % de sal em pó, mas também saborosa.”

indica Fabio Campanile.

Lionel Hitchen também trabalha com a IA. O fornecedor lançou em 1º de fevereiro seu conceito FutureFlavours, para responder às exigências da geração Z e dos Millennials em termos de sabores. O serviço de marketing da empresa realizou pesquisas sobre suas preferências gustativas. Com base nos resultados obtidos, ele desenvolveu seis receitas. Em seguida, Lionel Hitchen utilizou a tecnologia da IA para criar gráficos. A empresa também estabeleceu uma presença no Metaverse por meio da plataforma Spatial, permitindo que o senhor apresente seus produtos e interaja com os clientes em um ambiente numérico.

“Pensamos que o futuro da indústria agroalimentar está na criação de novas experiências sensoriais graças à utilização de tecnologias de ponta.”

comenta Anne Wiziack, responsável pelo marketing da Lionel Hitchen.

O senhor não é mais do que um começo...

A IA permitirá que o senhor ganhe tempo no processo de concepção. O programa europeu Plan P, lançado em 2021, também buscou saber como a IA poderia acelerar o lançamento de novos produtos do tipo emulsões e mousses, com a inclusão de proteínas vegetais em sua receita.

“O objetivo era determinar se a textura de um molho ou de uma emulsão poderia ser considerada aceitável pelo consumidor com base em análises espectrais. A vantagem desse método é que ele é rápido, pouco invasivo e aplicável ao longo do processo.”

explica Jonathan Thévenot, chefe de projetos de P&D da Adria, o centro técnico coordenador do programa Plan P.

Trata-se de um projeto de três anos e meio, no âmbito do programa Horizon 2020, com o apoio da Região da Bretanha. Além da Adria, o projeto conta com outros três parceiros: o departamento de ciências dos alimentos da Universidade de Copenhague (Dinamarca), a empresa renomada Diafir, que desenvolve ferramentas que combinam captadores e algoritmos de IA, e a sociedade grega SCiO P.C., especializada em análise de dados.

“Nossos colegas danois e rennais, encarregados de definir qual análise espectral utilizar, rejeitaram o NIR (near infrarouge).”

indica Jonathan Thévenot.

No total, 26 ingredientes de proteínas vegetais foram testados, provenientes de diferentes fontes: veneno, soja, batata-doce, féverole... Para limitar os testes, eles foram divididos em diferentes grupos de acordo com os resultados de suas análises físico-químicas e um ingrediente foi escolhido como representante de cada grupo.

Chacun de ces représentants a ensuite été intégré dans quatre types d'émulsions/mousses : mayonnaise, sauce salade, mousse au chocolat, mousse de foie. Para essas quatro matrizes, os pesquisadores variaram as receitas e alguns parâmetros de produção, como o tempo de hidratação das gotas, a velocidade de agitação ou o tempo de emulsão.

Todas as matrizes experimentais foram caracterizadas de um ponto de vista físico-químico e seus valores foram comparados com os de molhos ou mousses do comércio, que podem ser considerados aceitáveis pelo consumidor. Também foram realizadas análises espectrais no decorrer do processo.

“É nessa etapa que a sociedade grega SCiO P.C. interveio. Ela criou um modelo de rede de neurônios para estabelecer um modelo predicativo, que estabelece a relação entre a aceitação dos molhos pelos consumidores e as análises espectrais ao longo do processo.”

disse Jonathan Thévenot.

Testes de validação do modelo predeterminado permitiram estabelecer uma adequação para 80 %. «Isso constitui uma prova de conceito», afirma o chefe de projetos de P&D da Adria. Em última análise, um modelo de dispositivo prévio poderia também servir para testar novos ingredientes e verificar se eles se adaptam. Isso permite prever seu comportamento futuro em situação. Outras possibilidades oferecidas pela IA certamente ainda estão por ser descobertas.