Cocinar en tiempos de cuarentena es, desde luego, un pasatiempo
sumamente válido. De hecho, el interés de búsqueda en Estados Unidos por "hornear"
se disparó tanto en noviembre como en diciembre de 2020.
Pero al estar en el campo de la IA, Google ha decidido profundizar un
poco más en la tendencia para tratar de comprender la ciencia detrás de lo que
hace que las galletas sean crujientes, los pasteles y el pan más esponjosos,.
Por lo anterior, desde Google decidieron hacerlo con la ayuda del aprendizaje
automático. Además, afirman que usaron el modelo de Machine Learning para crear
dos recetas para hornear completamente nuevas: un cakie (híbrido de pastel y
galleta) y un breakie (híbrido de pan y galleta).
Primero, fueron recopiladas cientos de recetas de galletas, pasteles y
pan. Luego el sistema convirtió todos sus ingredientes en onzas y lo redujeron a
algunos ingredientes esenciales (levadura, harina, azúcar, huevos, mantequilla
y algunas otras cosas). Luego afirman que hicieron un poco de reorganización,
ya que según Paul Hollywood, las golosinas como plátano, calabacín y pan de
calabaza son realmente más pastel que pan.
Luego se empleó una herramienta de Google Cloud llamada ‘AutoML Tables’
para construir un modelo de aprendizaje automático que analizó las cantidades
de ingredientes de una receta y predijo si era una receta para galletas, pastel
o pan. Si no se ha probado aún ‘AutoML Tables’, es una forma que no requiere
código, para crear modelos a partir del tipo de datos que encontrará en una
hoja de cálculo, como números y categorías, sin necesidad de conocimientos de
ciencia de datos.
Google afirma que el modelo pudo etiquetar con precisión panes,
galletas y pasteles, pero también pudo identificar recetas que consideraba
“híbridas”, algo que es, digamos, 50% de pastel y 50% de pan, o algo que sea
50% de pastel y 50% de galleta. Llamamos a dos de esas combinaciones el
"breakie" (una galleta de pan) y el "cakie" (una galleta de
pastel) respectivamente.
Más allá de generar recetas, también se usó el modelo para comprender
qué hacía que la consistencia de las galletas, pasteles y panes fuera tan
diferente. Para eso, fue empleada una métrica llamada "importancia de la
característica", que ‘AutoML Tables’ calcula automáticamente.
En este caso, la cantidad de mantequilla, azúcar, levadura y huevo en
una receta parecían ser indicadores importantes de "galletismo" (o
apelmazamiento o panificación). ‘AutoML Tables’ permite ver la importancia de
las características tanto para el modelo como un todo y para predicciones
individuales.
Adjuntamos, en Tecnogus, las recetas elaboradas por Google para todos
los interesados que deseen realizarlas (En inglés).
0 Comentarios