A gép soha nem kóstolt semmit. Sosem érezte az izzó grill illatát, nem tapasztalta meg, hogyan enged a zsemle a harapásnak, és azt sem tudta, van-e bármi keresnivalója a sónak a marhahús közelében. Volt viszont 2216 hamburgerreceptje, amelyeket egy nyilvános főzős oldal rengetegéből gyűjtöttek össze és tisztítottak meg, plusz egy kérdés, amit a készítői rátettek a rendszerre: nem azt, hogy melyik hamburger a legvalószínűbb, hanem azt, hogy melyik a legjobb. Ebből, úgy, hogy sehol nem írták le neki, milyen az íz, önállóan tanulta meg, nagyjából milyen ételt szeretnek az emberek. Aztán elindult, hogy találjon valami jobbat.

Végül egy olyan receptet talált, amely egy vakteszten, egy San Franciscó-i étteremben lepipálta a Big Macet. Százegy önkéntes kóstolt végig hat különböző hamburgert úgy, hogy nem tudta, melyik micsoda, és az íz alapján magasabbra értékelte az MI által kitalált receptet, mint azt a hamburgert, amelyet a McDonald’s már több mint száz országban árul.

Az előrejelzéstől az alkotásig

A rendszert BurgerAI-nak hívják, és a Stanford Living Matter Labjében fejlesztették, amelyet Ellen Kuhl gépészmérnök vezet; ő irányítja az egyetem Bio-X élettudományi intézetét is. Kuhl egyenesen beszél arról, miért fontos ez az ebéden túl is.

A legtöbb MI-rendszert arra tanítják, hogy megjósolja azt, ami már létezik. Mi azt akartuk, hogy az MI azt találja ki, minek kellene legközelebb léteznie

– mondja. A különbség kicsinek hangzik, de nem az. Egy előrejelző modell befejezi a mondatodat; egy generatív tervező modellt viszont arra kérsz, hogy oldjon meg egy általa ismert célt, és adjon valamit, ami korábban nem létezett. Ahogy Kuhl fogalmaz, a BurgerAI nem azt kérdezi, melyik hamburger a legvalószínűbb. Azt kérdezi, melyik elégíti ki legjobban az egymásnak feszülő szempontok kusza hálóját.

És itt jön a csavar. Egy hamburgernek finomnak kell lennie, ez viszont szembemegy azzal, hogy egészséges legyen, ami megint csak ütközik azzal, hogy kímélje a bolygót. Ha az egyik oldalon húzod a kötelet, a másik kettő rendszerint rossz irányba mozdul.

A gusztusos név mögött meglehetősen szikár gépezet dolgozik: egy diffúziós modell, ugyanabból a nagy MI-családból, amely a képgenerátorokat hajtja, nem pedig a szöveget előállító nagy nyelvi modellek közül. Két lépésben működik: először eldönti, a 146 lehetséges hozzávaló közül melyik kerüljön bele, aztán azt, hogy mennyi jusson mindegyikből. A csapat több mint félmillió receptből kiszűrt hamburgereken tanította a modellt, és a számok, amelyek között lavíroz, már-már abszurdak. A labor számításai szerint több mint 10^43-féleképpen lehet kombinálni ezeket az alapanyagokat, vagyis többféle hamburger létezhet, mint ahány csillag van a megfigyelhető világegyetemben – olyan különbséggel, hogy az összehasonlítás szinte sértő a csillagokra nézve.

Hogy kiderüljön, a rendszer tényleg „érti”-e a hamburgereket, és nem csak bemagolta őket, a kutatók furcsa feladattal álltak elő: találja újra fel a Big Macet. A receptet szándékosan kihagyták a tanítóadatok közül (a McDonald’s a valódit üzleti titokként kezeli, ezért a csapat négy nyílt forráskódú „Big Mac-klónból” rakott össze egy viszonyítási alapot). Tíz futtatás átlaga alapján a modellnek 7,3 millió hamburgert kellett legenerálnia, mire véletlenül újra rátalált pontosan ugyanarra a kombinációra. Furcsán megnyugtató eredmény. Azt jelenti, hogy a híres recept ott van, ahol lennie kell: a tervezési tér egy nagy valószínűségű zsebében, felismerhetően, de nem triviálisan könnyen eltalálhatóan.

Az igazi vizsga a kóstolás volt

Utána jött az a rész, amire semmilyen egyenlet nem ad választ. A recept még nem étel, a hozzávalók listája még nem vacsora, ezért a labor egy séfet kért fel, hogy az MI száraz listáiból valódi főzési utasításokat faragjon, majd ezeket egy külön konyhának adták át elkészítésre. A kóstolók hétfokú skálán pontoztak mindent. Az MI két „finom” hamburgere összességében hozta vagy meg is előzte a Big Macet kedveltségben, ízben és állagban; az egyiket különösen sokan szavazták húsosnak, szaftosnak, sőt kimondottan zsírosnak. Kuhl szerint az MI nemcsak hihető recepteket gyártott: olyan hamburgereket alkotott, amelyeket valódi emberek szívesen esznek.

A zöldebb eredményeknél kezd igazán érdekessé válni a történet. A modell által tervezett gombaburger környezeti lábnyoma több mint tízszer kisebb volt a Big Macénél, olyan pontszám alapján, amely a földhasználatot, a vízfogyasztást, a kibocsátásokat és a szennyezést együtt veszi figyelembe. A tanulmány első szerzője, a posztdoktori kutató Vahidullah Tac arra számított, hogy ez ízben kompromisszumot jelent majd.

Arra számítottunk, hogy a fenntarthatóság és a fogyasztói elfogadottság között lesz némi átváltás,

mondja. A gombás változat valóban visszaesett az értékeléseknél, földes ízűnek érezték, miközben a kóstolók inkább az umamit keresték. Egy marha–gomba keverék viszont tartotta a szintet: nagyjából egy szintre került a Big Mackel, miközben a hatását így is sikerült visszavágni.

Olyan hamburgert találtunk, amelynek a környezeti hatása drámaian kisebb, mégis versenyre tud kelni a világ egyik legsikeresebb hamburgerével,

mondja Tac.

A táplálkozási rész őszintén beszél a korlátairól. A modell legegészségesebb alkotása, egy babburger, egy szabványos étrendi mutató szerint majdnem kétszer olyan jól teljesített, mint a Big Mac, és csak nagyjából hatodannyi erőforrást használt fel, a kóstolókat viszont nem sikerült megtéveszteni: ízetlennek, száraznak, darabosnak írták le. Ingyenebéd itt sincs, csak egy sokkal tisztábban kirajzolt térkép arról, hol húzódnak valójában a kompromisszumok – ami egy élelmiszeripari cég számára talán még hasznosabb is.

És ez az őszinteség kétélű fegyver. A tanítóadatok erősen nyugati irányba húztak, ezért a modell a burgereket ismeri, mást alig. Kezeli az összetevőket és a mennyiségeket, de semmit nem tud arról, hogyan készíted el őket – márpedig ez elég nagy része annak, mitől lesz finom az étel. A környezeti és táplálkozási mutatók globális átlagokra támaszkodnak, ezért inkább összehasonlításként érdemes nézni őket, nem végső ítéletként. A kutatók mindezt nyíltan leírják, ami többet ér, mint amit sok mesterségesintelligencia-cikkben látni.

Miért nem a burger volt a lényeg?

Kuhl és Tac számára a burger csak csali. A labor egy kísérő tanulmányt is közzétett, amely bemutatja, hogy a BurgerAI mögötti matematika általánosabban is a generatív tervezés alapja, amit új anyagok kitalálására használnak.

Az ételválasztás az egyik legfontosabb döntés, amit az emberek nap mint nap meghoznak

– mondja Tac, és az étel ráadásul olyan probléma, amelyben minden kemény feladat benne van, amin csak gyakorolni szeretnél: óriási tervezési tér, egymásnak feszülő célok, és az ítéletet nem egy mérőszám, hanem valódi emberi érzékelés mondja ki. Ha egy modell képes egyensúlyt találni az íz, a szénlábnyom és a fehérjetartalom között, akkor – szól az érvelés – talán meg tudja találni az egyensúlyt hatásosság és toxicitás között egy gyógyszernél, vagy szilárdság és tömeg között egy ötvözetnél. Kuhl úgy írja le az ételt, mint modellrendszert ahhoz, hogy az MI társ legyen a felfedezésben, ne pedig egy nagyra törő automatikus kiegészítő.

Hogy mindebből bármi eljut-e a tányérodig, az már másik, és nehezebb kérdés. Egy modell átadhat egy cégnek egy burgert, amely olcsóbb a bolygónak, és nagyjából ugyanolyan jó enni, de nem tudja rávenni az embereket, hogy azt rendeljék.

A burger csak a kezdet

– mondja Kuhl, és a jelek szerint igaza lehet, bár hogy minek a kezdete, azt még senki sem kóstolta meg.

DOI / Forrás: Tac, Gardner & Kuhl, npj Science of Food 10, 199 (2026)

Gyakran ismételt kérdések

Igaz, hogy egy MI-burger tényleg legyőzte a Big Macet egy valódi vakteszten?

Bizonyos értelemben igen. Egy 101 résztvevős, vak kóstoláson egy San Franciscó-i étteremben két, MI által tervezett „finom” burger összességében felvette a versenyt a Big Mackel, vagy le is körözte azt az összbenyomás, az íz és az állag alapján, az egyiket ízre magasabbra értékelték. Fontos tudni, hogy ugyanebben a projektben egészségesebb és környezetbarátabb burgerek is születtek, amelyeket a kóstolók kevésbé kedveltek, tehát a győzelem valós volt, de nem a teljes kép.

Hogyan tud egy MI receptet tervezni anélkül, hogy valaha is kóstolt volna bármit?

Egy diffúziós modellt használ, ugyanazt a fajta MI-t, ami a képgenerátorok mögött is áll. 2216 valódi burgerrecepten tanították, így megtanulta, mely összetevők és mennyiségek szoktak együtt szerepelni olyan ételekben, amelyeket az emberek tényleg elkészítenek. A népszerűséget az íz helyettesítőjeként kezeli, majd olyan új kombinációkat keres, amelyek elérnek egy célt, például az alacsony környezeti terhelést. A valódi próba továbbra is a konyha, ezért a csapat megfőzte a recepteket, és valódi vendégekkel kóstoltatta meg őket.

Miért számít egy burgeres projekt bármi más szempontjából az ételen túl?

Mert a nehéz feladat nem maga a burger, hanem a módszer: egyszerre kell több, egymással versengő célt egyensúlyban tartani egy óriási lehetőségtérben. A kutatók szerint ugyanez a megközelítés segíthet gyógyszerek, új anyagok vagy más termékek tervezésében is, ahol az íz szerepét hatásosság, szilárdság vagy költség veszi át. Egy kísérő tanulmány azt is bemutatja, hogy a mögöttes matematika közös a mérnöki generatív tervezéssel.

Felkerülhet valamelyik burger tényleg egy étlapra?

Elvben alig van akadálya, mert az egészségesebb és kisebb környezeti terhelésű receptek hétköznapi, teljes értékű alapanyagokat használnak, nem valamilyen különleges adalékot. A bökkenő az, hogy a modell tud ugyan olyat tervezni, ami olcsó a bolygónak és kellemes az embernek, de nem tudja rávenni az embereket, hogy ezt válasszák. A fenntartható élelmiszereknél régóta nem a feltalálás, hanem az elterjedés a szűk keresztmetszet. Hogy az árak és az étvágy végül összhangba kerülnek-e, arra még nincs válasz.