در دنیای امروز، حوزه «رایانش غذا» (Food Computing) به سرعت در حال تبدیل شدن به یکی از شاخه‌های پژوهشی میان‌رشته‌ای و پرکاربرد است. این حوزه با استفاده از هوش مصنوعی و علم داده به تحلیل اطلاعات مرتبط با غذا، از دستور پخت گرفته تا زنجیره تأمین، می‌پردازد. یکی از کلیدی‌ترین ابزارها در این زمینه، پردازش زبان طبیعی (NLP) است که به کامپیوترها امکان درک، تفسیر و استخراج اطلاعات از متون انسانی مانند دستورهای پخت را می‌دهد.

با این حال، پیشرفت در این حوزه با یک چالش اساسی روبرو بوده است: کمبود مجموعه داده‌های استاندارد و جامع که بتوان از آن‌ها به عنوان معیار (Benchmark) برای ارزیابی مدل‌های هوش مصنوعی استفاده کرد. دستورهای پخت، متونی سرشار از اطلاعات ساختارنیافته و پیچیده هستند که درک آن‌ها نیازمند شناسایی دقیق موجودیت‌های مختلفی فراتر از صرفاً مواد اولیه است. مقاله «TASTEset: مجموعه داده دستور غذا و معیار شناسایی موجودیت‌های غذایی» دقیقاً برای پر کردن این شکاف ارائه شده است. اهمیت این پژوهش در ارائه یک مجموعه داده عمومی، غنی و حاشیه‌نویسی‌شده است که به محققان اجازه می‌دهد مدل‌های پیشرفته‌تری برای استخراج اطلاعات عمیق و کاربردی از دستورهای غذایی توسعه دهند و عملکرد آن‌ها را به شیوه‌ای استاندارد بسنجند.

این مقاله حاصل همکاری گروهی از پژوهشگران برجسته لهستانی است: Ania Wróblewska، Agnieszka Kaliska، Maciej Pawłowski، Dawid Wiśniewski، Witold Sosnowski و Agnieszka Ławrynowicz. این تیم تحقیقاتی در مرز مشترک سه حوزه کلیدی فعالیت می‌کنند:

• هوش مصنوعی (Artificial Intelligence): تمرکز بر ایجاد سیستم‌های هوشمند که قادر به انجام وظایفی شبیه به انسان هستند.
• یادگیری ماشین (Machine Learning): استفاده از الگوریتم‌هایی که به کامپیوترها اجازه می‌دهند از داده‌ها یاد بگیرند و الگوها را شناسایی کنند.
• محاسبات و زبان (Computation and Language): شاخه‌ای که به طور خاص به پردازش و درک زبان انسان توسط ماشین می‌پردازد.

این مقاله به‌طور مشخص در زیرشاخه‌ای از NLP به نام شناسایی موجودیت نام‌گذاری شده (NER) قرار می‌گیرد. هدف NER، یافتن و دسته‌بندی موجودیت‌های از پیش تعریف‌شده (مانند اسامی افراد، مکان‌ها، یا در این مورد، مواد غذایی و فرآیندهای پخت) در متن است. TASTEset این وظیفه را به سطحی جدید و پیچیده‌تر در حوزه رایانش غذا ارتقا می‌دهد.

پژوهشگران در این مقاله، مجموعه داده جدیدی با نام TASTEset را معرفی می‌کنند که به طور خاص برای وظیفه شناسایی موجودیت‌های مرتبط با غذا در دستورهای پخت طراحی شده است. این مجموعه داده با هدف ارائه یک چالش جدی برای مدل‌های NLP مدرن ایجاد شده تا آن‌ها را به سمت درک عمیق‌تر معنایی سوق دهد.

ویژگی‌های اصلی TASTEset عبارتند از:

• حجم داده: شامل ۷۰۰ دستور پخت کامل.
• تعداد موجودیت‌ها: بیش از ۱۳٬۰۰۰ موجودیت حاشیه‌نویسی (Annotate) شده در این دستورها وجود دارد.
• تنوع موجودیت‌ها: برخلاف مجموعه داده‌های ساده‌تر که تنها بر مواد اولیه تمرکز دارند، TASTEset شامل دسته‌های متنوع و پیچیده‌ای است:
  • محصولات غذایی (Food products): مانند «سینه مرغ»، «روغن زیتون».
  • مقادیر و واحدها (Quantities and units): مانند «۲۵۰ گرم»، «یک پیمانه».
  • فرآیندهای پخت (Cooking processes): مانند «سرخ کردن»، «پختن در فر».
  • ویژگی‌های فیزیکی (Physical quality): مانند «خرد شده»، «سرد»، «داغ».
  • هدف (Purpose): مانند «برای تزئین»، «جهت مزه‌دار کردن».
  • طعم (Taste): مانند «شیرین»، «تند»، «ترش».

نویسندگان برای نشان دادن سطح دشواری این مجموعه داده، چندین مدل پیشرفته NER را به عنوان خط پایه (Baseline) بر روی آن آزمایش کرده‌اند. نتایج نشان می‌دهد که این وظیفه، چالشی جدی است و مدل‌ها در شناسایی برخی موجودیت‌های انتزاعی‌تر با دشواری مواجه می‌شوند.

فرآیند ایجاد و ارزیابی TASTEset شامل مراحل دقیق و علمی زیر بوده است:

1. جمع‌آوری داده‌ها: ۷۰۰ دستور پخت به زبان انگلیسی از وب‌سایت‌های معتبر آشپزی جمع‌آوری شدند. تلاش شد تا این دستورها تنوع بالایی از نظر نوع غذا، پیچیدگی و سبک نوشتاری داشته باشند.
2. تعریف طرح حاشیه‌نویسی (Annotation Scheme): مهم‌ترین بخش کار، تعریف دقیق دسته‌های مختلف موجودیت‌ها بود. پژوهشگران با تحلیل دقیق دستورهای پخت، هفت دسته اصلی (که در بخش قبل ذکر شد) را به عنوان موجودیت‌های کلیدی برای استخراج اطلاعات مفید شناسایی کردند. برای هر دسته، دستورالعمل‌های شفافی برای حاشیه‌نویسان تدوین شد تا از ثبات و هماهنگی در برچسب‌گذاری اطمینان حاصل شود.
3. فرآیند حاشیه‌نویسی: تیمی از حاشیه‌نویسان انسانی آموزش‌دیده، وظیفه برچسب‌گذاری دستی تک‌تک موجودیت‌ها در ۷۰۰ دستور پخت را بر عهده گرفتند. برای تضمین کیفیت، از روش‌هایی مانند حاشیه‌نویسی متقاطع (که در آن چند نفر یک متن را برچسب می‌زنند) و محاسبه «توافق بین حاشیه‌نویسان» (Inter-Annotator Agreement) استفاده شد تا از دقت و قابل اعتماد بودن برچسب‌ها اطمینان حاصل شود.
4. ارزیابی مدل‌های پایه: پس از آماده‌سازی مجموعه داده، نویسندگان چندین مدل NER پیشرفته (State-of-the-art) را بر روی آن آموزش و آزمایش کردند. این مدل‌ها احتمالاً مبتنی بر معماری‌های مدرن مانند ترنسفورمرها (Transformers) بوده‌اند. هدف از این کار، تعیین یک معیار عملکرد اولیه و نمایش نقاط قوت و ضعف مدل‌های فعلی در مواجهه با چالش‌های TASTEset بود.
5. معیار ارزیابی: برای سنجش عملکرد مدل‌ها از معیار استاندارد F1-score استفاده شد. این معیار، میانگین هماهنگ دو شاخص دقت (Precision) و بازیابی (Recall) است و تصویری جامع از توانایی مدل در شناسایی صحیح موجودیت‌ها ارائه می‌دهد.

تحلیل نتایج حاصل از آزمایش مدل‌های پایه بر روی TASTEset، یافته‌های مهمی را به همراه داشت:

• عملکرد کلی بالا اما ناقص: بهترین مدل توانست به میانگین امتیاز F1 برابر با ۰.۹۵ دست یابد. این عدد نشان‌دهنده توانایی بالای مدل‌های مدرن در انجام این وظیفه است، اما کامل نبودن آن ثابت می‌کند که همچنان جای پیشرفت وجود دارد.
• تفاوت چشمگیر در عملکرد بین دسته‌ها: مهم‌ترین یافته، اختلاف زیاد امتیاز F1 بین دسته‌های مختلف موجودیت‌ها بود. این امتیاز از ۰.۷۸۱ برای دسته‌های دشوار تا ۰.۹۸۲ برای دسته‌های آسان‌تر متغیر بود.
  • موجودیت‌های آسان: دسته‌هایی مانند «محصولات غذایی» و «مقادیر/واحدها» که ساختار مشخص و تکرارشونده‌ای دارند، با دقت بسیار بالایی (نزدیک به ۹۸٪) شناسایی شدند. برای مثال، تشخیص «۲ قاشق غذاخوری شکر» برای مدل‌ها نسبتاً ساده است.
  • موجودیت‌های چالش‌برانگیز: در مقابل، دسته‌های انتزاعی‌تر مانند «هدف» (Purpose) و «طعم» (Taste) که به درک عمیق‌تری از زمینه جمله نیاز دارند، با امتیاز بسیار پایین‌تری (حدود ۷۸٪) شناسایی شدند. برای مثال، درک اینکه عبارت «تا زمانی که طلایی شود» یک ویژگی فیزیکی است یا «برای تزئین» یک هدف را مشخص می‌کند، برای مدل‌ها بسیار دشوارتر است.
• TASTEset به عنوان یک معیار معتبر: این اختلاف عملکرد ثابت می‌کند که TASTEset یک مجموعه داده چالش‌برانگیز و متعادل است. این مجموعه داده نه آنقدر ساده است که مدل‌ها به راحتی به امتیاز کامل برسند و نه آنقدر دشوار که پیشرفت غیرممکن باشد. بنابراین، به عنوان یک معیار استاندارد برای سنجش پیشرفت‌های آینده در این حوزه عمل می‌کند.

انتشار TASTEset دستاوردها و کاربردهای عملی متعددی را در حوزه هوش مصنوعی و صنایع غذایی به ارمغان می‌آورد:

• تسریع پژوهش: این مجموعه داده با فراهم کردن یک بستر استاندارد، به محققان سراسر جهان اجازه می‌دهد تا الگوریتم‌های جدید را به سرعت توسعه داده و نتایج خود را با دیگران مقایسه کنند.
• دستیارهای آشپزی هوشمند: مدل‌هایی که بر روی TASTEset آموزش دیده‌اند، می‌توانند درک بسیار بهتری از دستورالعمل‌های پیچیده داشته باشند. یک دستیار صوتی می‌تواند تفاوت بین «سرخ کردن آرام» و «تفت دادن سریع» را درک کرده و راهنمایی‌های دقیق‌تری ارائه دهد.
• تحلیل خودکار ارزش غذایی: با استخراج دقیق مواد اولیه، مقادیر و به‌ویژه فرآیندهای پخت (که بر کالری و مواد مغذی تأثیر می‌گذارند)، می‌توان تحلیل‌های تغذیه‌ای بسیار دقیق‌تری از دستورهای پخت آنلاین ارائه داد.
• سیستم‌های پیشنهاد غذای شخصی‌سازی‌شده: موتورهای جستجو و اپلیکیشن‌های آشپزی می‌توانند درخواست‌های پیچیده‌ای مانند «یک غذای گیاهی، تند و کبابی برای شام» را درک کرده و نتایج مرتبط‌تری نمایش دهند.
• تحلیل روندهای بازار: تحلیل کلان هزاران دستور پخت می‌تواند به تولیدکنندگان مواد غذایی و رستوران‌ها در درک روندهای مصرف، محبوبیت مواد اولیه و ذائقه‌های جدید کمک کند.

مقاله TASTEset یک گام مهم و رو به جلو در زمینه رایانش غذا و پردازش زبان طبیعی است. نویسندگان با ارائه یک مجموعه داده عمومی، باکیفیت و جامع، یک چالش معنادار را پیش روی جامعه علمی قرار داده‌اند. این مجموعه داده نه تنها به شناسایی مواد اولیه، بلکه به درک جنبه‌های ظریف‌تر و هنرمندانه‌تر آشپزی مانند طعم، بافت و هدف فرآیندها نیز می‌پردازد.

نتایج اولیه نشان می‌دهد که اگرچه مدل‌های فعلی هوش مصنوعی قدرتمند هستند، اما هنوز در درک کامل زبان پیچیده و وابسته به زمینه دستورهای پخت با محدودیت‌هایی روبرو هستند. TASTEset به عنوان یک ابزار ارزشمند، الهام‌بخش توسعه نسل بعدی مدل‌های زبانی خواهد بود که قادرند به درک عمیق‌تری از دانش انسانی نهفته در متون دست یابند و کاربردهای هوشمند و مفیدی را در زندگی روزمره ما فراهم آورند.