Hol van már a molekuláris gasztronómia okozta sokk? Egykor mindenki azon szörnyülködött, hogy Ferran Adriá vagy Heston Blumenthal folyékony nitrogént, kémcsöveket, lepárlókat, Petri-csészéket vitt be a konyhájába. Pedig az ő konyhájukban még az emberi tudás, intuíció és kreativitás vezette a séf kezét. Japán egyik legnagyobb szusiláncában viszont épp az egyik intuíciót kívánó munkakört váltja le a mesterséges intelligencia (MI).

Talán az csökkenti a hír megrázó erejét, hogy a váltást a Tajvanon és az USA-ban is jelen lévő Kora Sushi lépte meg, amely eleve az automatizálásra esküszik. A lánc honosította meg azt a Magyarországon is több 'all-you-can-eat' szusibárban alkalmazott módszert, hogy a fogásokat kis tálkákban szállítószalag viszi szinte egyenesen a vendég szájába.

A tonhal szentsége

A tonhal azonban a japánoknál sokáig szent volt. Magasan képzett, tapasztalt szakértők járták világszerte a halászati vállalkozásokat, hogy személyesen vizsgálják meg majd válasszák ki a halászott tonhalak közül a legízletesebb húsú példányokat, vagy licitáltak dollármilliókkal egy-egy ritka példányra a tokiói halpiacon.

A Kora Sushi láncnak azonban a járványügyi korlátozások miatt beszűkültek a beszerzési forrásai, így egy olyan mobil appot hívtak segítségül, amellyel a beszerzők távolról is elég jó becsléssel meg tudják állapítani az adott példányról, hogy érdemes-e megvenni. (Pontosabban ők csak arról döntenek, hogy elfogadják vagy sem az MI ítéletét a hal minőségéről.)

Maga az app, a Tuna Scope már egy éve elkészült. Az mindenképpen figyelemre méltó, hogy nem egy technológiai startup állt vele elő, hanem a világ egyik legnagyobb reklámügynökségének, a jövőre 120 éves Dentsunak a kreatív igazgatója, Kazuhiro Shimura fejéből pattant ki az ötlet.

Tíz év tanulást váltottak ki

Az app lényegében MI-alapú képfeldolgozást végez. A tonhalbeszerzők a hal farokrészének a keresztmetszetéből próbálják megállapítani az adott példány minőségét. Alapvetően négy tényezőt vizsgálnak: a hús textúráját (pl. a zsírszövet és az izom arányát, ruganyosságát), színét, frissességét, és hogy van-e benne valamilyen sérülés, hiba.

Ahhoz, hogy ezek alapján dönteni tudjanak, hatalmas tapasztalatra van szükségük, meg persze jó intuícióra. Tonhalszakértők szerint legalább tíz év tapasztalat kell ahhoz, hogy valaki magabiztos legyen a minőség megítélésében. (Egyre kevesebben vállalják ezt a hosszú tanulási folyamatot – igaz, a tonhal is egyre kevesebb.) Ezalatt a tíz év alatt egy szakértő nagyjából négyezer tonhalat tanulmányoz, és veti össze a farokból levont következtetéseit a későbbi valós eredménnyel.

A fejlesztők így szintén mintegy négyezer mintás tanulási adatbázist hoztak létre egy japán halfeldolgozó üzem segítségével. Az üzemben ugyanis pontosan és jól algoritmizálható formában rögzítették a tonhalfarkakról készült nagy felbontású fotók mellé a szakértők értékelését is. Ebből az adatbázisból az MI egy hónap alatt érte el azt a szintet, amihez egy tonhalszakértőnek tíz évre van szüksége. Sőt!
 

Munkában a beszerzők a tokiói tonhalaukción

Amikor az alkalmazást élesben is tesztelték, kiderült, hogy már nem egy tíz év tapasztalattal rendelkező zöldfülű szakértővel egyenértékű. Nagyjából azt a megbízhatósági szintet hozza, mint egy 35 éve dolgozó tonhalbeszerző.

Világhódító tervek

Az appot egyelőre csak Japánban használják, de a távlati cél, hogy nemzetközi szinten gyűjtsék az MI-modellhez a tonhal-minőségre vonatkozó adatokat, és kialakuljon egy tonhal-világszabvány. A tonhal azonban egy dolog, a fejlesztők szerint a technológia rugalmasan alkalmazható lenne számos olyan iparágban, ahol még mindig nagy szerepe van a szemrevételezéssel történő vizsgálatoknak.

Az MI jó dolog, de egy tokiói szakértő, aki maga is elismeri, hogy az app sokat segít a munkájában, azt állította a Reutersnek, az ember még mindig jobb, mint a mesterséges intelligencia.