في سعيها لتحسين اكتشاف البروتينات المستدامة، قدمت مجموعة من الباحثين مشروعًا مبتكرًا يُدعى TasteBench. يُعد هذا المشروع منصة تقييم متعددة الأبعاد مخصصة لتوقع طعم المواد الغذائية، تجمع بين تقييم البشر ونماذج الذكاء الاصطناعي.

واحد من التحديات الكبرى في تطوير منتجات غذائية بديلة هو الحاجة لتقدير ما إذا كان المنتج الجديد يتناسب مع الأطعمة التقليدية من حيث الطعم. وعلى الرغم من أن التجارب الحسية البشرية تعد من الأدوات التقليدية، إلا أنها تتطلب وقتًا وكلفة عاليتين، مما يؤثر على كفاءة العملية.

يقدم TasteBench حلاً جذريًا من خلال توفير معيار مكون من مهام ثنائية: المهمة الأولى تتعلق بتصنيف الطعام بمستوى عالٍ، حيث يعتمد على أكثر من 21,000 تقييم بشري تشمل 215 نوعًا من الأطعمة القائمة على النباتات. بينما تركز المهمة الثانية على تصنيف النكهة عند المستوى الجزيئي لأكثر من 15,000 جزيء نكهة.

لتقييم أداء النماذج المستخدمة، توضح بيانات المشروع أن التوافق بين التقييمات البشرية منخفض (Krippendorff's α = 0.077)، مما يبرز التحديات التي تواجه نماذج الذكاء الاصطناعي. ومع ذلك، فقد حقق أفضل نموذج دقة تصل إلى 0.661 مقارنة بالأفراد في نفس مجموعة التقييمات، مما ينم عن دقة وفعالية عالية قد تساعد في تسريع عملية اكتشاف البروتينات المستدامة.

بدءً من التركيز على النكهات والجزيئات، يوفر مشروع TasteBench البنود الأساسية والبنية التحتية المطلوبة لقياس التقدم في عملية البحث والتطوير العلمي لأطعمة المستقبل المستدامة.