壓縮烹飪世界：尋求通用食材原語的探索

A 最近的研究論文在技術與烹飪社群中引發了激烈辯論，聲稱已將「人類所有的烹飪」壓縮至僅 2 MB。雖然標題具有挑釁性——且被廣泛批評為點擊誘餌——但其底層工作揭示了一種迷人的嘗試，旨在為全球食材及其關係建立標準化的數學表示法。

由專注於自動化餐廳的倫敦新創公司 Kaikaku 發布，該專案尋求將全球食譜的巨大複雜性提煉成一組可管理的「原語」（primitives）。透過分析跨多種語言與來源的數據，研究人員旨在為自動化烹飪與風味搭配建立基礎。

核心概念：食材原語

這項研究的核心在於將食材標準化的努力。在食譜的世界中，同一種物品可能根據地區或語言而有數十種不同的名稱（例如，「scallion」對比「green onion」對比「long onion」）。研究人員使用 LLMs，特別是 Claude，在低溫解碼（low-temperature decoding）下進行食材分類，將這些變體映射到一組約 1,800 個原語中。

正如一位觀察者所指出的，該專案與其說是關於烹飪的過程，不如說是關於烹飪的庫存：

""A better title would be: 'all of human ingredients compressed into 1,800 primitives.' There is little to substantively nothing about the actual cooking: preparation methods, proportions, etc.""

在實踐中測試模型

系統的實際演示（例如 Epicure demo）顯示，該模型對烹飪技術擁有驚人的「潛在知識」。例如，當使用者選擇「rice」時，系統能夠建議特定的準備方式——例如將茉莉香米冷卻以製作炒飯，或將 basmati 米浸泡以製作 pilaf。它還能智慧地將肉類部位（如 shoulder 或 shank）與通常用於燉煮的蔬菜進行搭配。

然而，系統並非沒有缺陷。使用者回報了其詞彙量中的缺口，例如缺乏對 grapeseed oil 的認知，或對像 Peter Gilmore 這樣的先鋒廚師使用的某些高度專業化的食材的認知不足。也存在語言差異；例如，系統可能會識別「pumpkin seeds」但將「pumpkin」歸類為「squash」，反映了對美式英語術語的偏好。

批評與局限性

社群中最顯著的反對意見集中在數據的範圍。鑑於來源材料，聲稱「人類所有的烹飪」在數學與文化上都是不可能的：

• 有限的來源： 數據取自 11 個來源，涵蓋七種語言（包括 English, Chinese, Russian, Vietnamese, Spanish, Turkish, Indonesian, German, 和 Indian-English）。
• 文化缺口： 批評者指出，義大利與法國食譜——這兩者是世界上最具影響力的烹飪傳統——的明顯缺失，以及非洲食材的代表性不足。
• 「人類」元素： 有人認為烹飪是一種直覺式、觸覺式的藝術，無法被壓縮成一個數據文件。正如一位評論者所說，製作 lentil soup 通常不需要書面描述或正式數據，而是需要熟練的手感與文化直覺。

技術意義

儘管標題存在爭議，但建立食材標準化流程的技術目標極具價值。對於從事 food-tech 或自動化烹飪的開發者而言，擁有一個標準化的方式將不同的食譜數據庫映射到單一的原語系統中，是至關重要的第一步。

數據中也存在一個有趣的地理組成部分。食材關係的視覺化顯示出一種映射，反映了世界地理，這意味著模型中食材之間的「距離」通常與使用它們的文化之間的物理距離相關聯。

結論

雖然 2MB 的文件可能不包含人類烹飪的「靈魂」或全球美食學知識的全貌，但它代表了邁向結構化、數位化風味分類學的重要一步。透過減少語言變體的雜訊，並識別出世界廚房的核心原語，該專案為那些尋找自動化或分析風味科學的人提供了實用的框架。