Machine Baking: Probiert Googles KI-Backrezepte aus

Machine Baking: Probiert Googles KI-Backrezepte aus

Zu Weihnachten befassten sich KI-Forscher von Google mit der Frage, ob eine KI bessere Backrezepte aufschreiben kann als Omi. Die Antwort: Nein. Aber bei dem Experiment ging es um mehr.

Wie viele Dinge im Leben folgen auch Rezepte bestimmten Mustern: In Süßspeisen ist zum Beispiel meist Zucker und Fett enthalten, damit unserer Geschmacksrezeptoren maximal feuern.

Sara Robinson, KI-Entwicklerin bei Google, stellte sich dazu passend eine wichtige Frage: Wenn Künstliche Intelligenz (News) insbesondere für die Musteranalyse geeignet ist, kann sie in großen Mengen Rezepten die wichtigsten Muster für guten Geschmack erkennen und dann ein Rezept für ein hybrides Super-Gebäck entwickeln?

___STEADY_PAYWALL___

Transparenz in KI-Systemen

Das Hauptziel von Robinsons Experiment war jedoch nicht besonders schmackhafter Brotkuchen. Die Forscherin wollte auch die Erklärbarkeit maschineller Entscheidungen testen und demonstrieren.

Zunächst sammelte sie für ihre Back-KI 600 Rezepte für Kuchen, Brot und Kekse aus dem Netz, die sie anschließend auf 16 wesentliche Ingredienzen wie Hefe, Fett, Salz, Zucker, Banane oder Ei reduzierte. Zutaten wie Schokolade oder Zimt ließ sie außen vor und konzentrierte sich auf jene, die Konsistenz und Textur des Gebäcks beeinflussen.

Das KI-Modell trainierte Robinson anschließend mit Googles Cloud-KI-Software AutoML. Heraus kam ein Modell, das vorhersagen kann, ob ein Backrezept eher in einem Brot, Kuchen oder Keks resultiert und das gleichzeitig eine Gewichtung der Zutaten ausgibt, die zu dieser Einschätzung geführt haben – die zuvor erwähnte Erklärbarkeit.

Das KI-Modell macht transparent, welche Zutat wie relevant ist für die Einordnung eines Rezepts in eine Gebäck-Kategorie. Das hilft bei der Erklärbarkeit maschineller Entscheidungen. | Bild: Google

Das KI-Modell macht transparent, welche Zutat wie relevant ist für die Einordnung eines Rezepts in eine Gebäck-Kategorie. Dieses Vorgehen hilft bei der Erklärbarkeit maschineller Entscheidungen. | Bild: Google

Beispielsweise ist das Verhältnis von Butter, Zucker, Hefe und Ei ein wichtiger Indikator für ein Keksrezept. Die KI gibt außerdem an, wie sicher sie sich bei ihrer Einschätzung ist, ob ein Gebäck Brot, Kuchen oder Keks ist. Details zum Trainingsprozess stehen im Google Blog.

Cakie oder Breakie, was darf es sein?

Basierend auf dieser Analysefähigkeit ließ Robinson die Back-KI neue Rezepte generieren, die zur Hälfte aus Kuchen und zur Hälfte aus Brot oder Keks bestehen. Die Machine-Baking-Produkte nennt sie „Cakie“ und „Breakie“.

„Am Ende hatten wir etwas, das wie ein Keks schmeckte, aber eher luftig war wie ein Brot. Maschinelles Lernen – es funktioniert!“, schreibt Robinson in ihrem Fazit zum Experiment.

Das gilt allerdings nur für den Breakie, also die Keks-Brot-Mischung. Der Cakie kommt beim Probeessen nicht so gut weg. Menschliches Versagen beim Backprozess ist allerdings möglich.

Die Rezepte seht ihr auf den folgenden Bildern. Die Backanleitung ist menschlich improvisiert, statt künstlich generiert, aber die Zutatenmischung stammt von der KI. Schokolade und Zimt darf optional hinzugefügt werden. Guten Appetit!

Weiterlesen über Künstliche Intelligenz: