Negli ultimi mesi non passa settimana senza che un titolo annunci l’ennesima applicazione dell’intelligenza artificiale al mondo del cibo. Un algoritmo che progetta un hamburger su misura, un modello che allunga la vita di un prodotto sullo scaffale, un packaging “intelligente” che segnala da solo se qualcosa non va prima ancora che la confezione venga aperta. Notizie che, va detto, hanno un innegabile fascino da titolo di giornale, ma che rischiano anche di alimentare due reazioni opposte e altrettanto poco utili: l’entusiasmo acritico di chi pensa che l’IA risolverà da sola ogni problema della filiera, e il sospetto di chi la vede come una scorciatoia rischiosa, buona per fare notizia ma poco affidabile quando si parla di sicurezza.
La realtà, come spesso accade, sta nel mezzo. Nell’articolo di oggi osserveremo come l’intelligenza artificiale stia effettivamente entrando nella filiera alimentare, e in modi più concreti di quanto si immagini. Ma cercheremo anche di capire che il suo ruolo non è quello di sostituire la scienza degli alimenti: è quello di affiancarla, restringendo un campo di possibilità enorme a un numero gestibile di ipotesi, che poi devono comunque essere verificate con gli strumenti che conosciamo bene – analisi di laboratorio, test sui consumatori, valutazioni di sicurezza. Vediamo allora, con ordine, a che punto siamo davvero.
AI a tavola: come si progetta un alimento
Per secoli lo sviluppo di un nuovo alimento è stato affidato soprattutto all’intuizione e all’esperienza di chi lavora in cucina o in laboratorio: si prova, si assaggia, si corregge, si riprova. Un metodo che funziona, ma che ha un limite evidente: il numero di combinazioni possibili tra ingredienti, dosaggi e tecniche di lavorazione è talmente alto che nessun processo per tentativi potrà mai esplorarlo davvero tutto.
È esattamente qui che si inserisce uno degli esempi più interessanti degli ultimi mesi: un progetto di ricerca dell’Università di Stanford che ha sviluppato un sistema capace di progettare ricette di hamburger completamente nuove, addestrato su oltre duemila ricette esistenti. L’obiettivo non era suggerire un piatto già noto, ma generare combinazioni originali capaci di bilanciare contemporaneamente il gusto, il valore nutrizionale e la sostenibilità ambientale, tenendo conto anche di variabili individuali come età, abitudini alimentari e livello di attività fisica di chi dovrà poi mangiare quel prodotto. Lo spazio teorico di combinazioni possibili per un singolo hamburger è enorme, dell’ordine di svariate decine di potenze di dieci: un territorio che nessuno chef, per quanto talentuoso, potrebbe mai percorrere manualmente.
Le ricette generate dal sistema non sono rimaste sulla carta: sono state preparate da chef professionisti e sottoposte a un test alla cieca con oltre cento partecipanti, ottenendo valutazioni di gusto e consistenza pari o superiori a quelle di un noto hamburger da fast food, con un impatto ambientale nettamente ridotto in una delle varianti proposte.
Questo tipo di approccio – che in letteratura scientifica viene chiamato food design computazionale – si sta diffondendo ben oltre il caso specifico dell’hamburger. Gli stessi principi vengono applicati per ottimizzare la formulazione di prodotti plant-based che devono avvicinarsi il più possibile alla consistenza e al sapore della carne, per bilanciare ricette a ridotto contenuto di zuccheri o sale senza perdere appetibilità, o per selezionare combinazioni di ingredienti che migliorino la shelf-life di un prodotto agendo su fattori come l’attività dell’acqua, il pH o la presenza di composti naturalmente antimicrobici.
È importante essere chiari su un punto, perché è proprio quello su cui più spesso si crea confusione: un algoritmo può identificare in pochi secondi le combinazioni più promettenti tra migliaia di variabili, ma non può stabilire da solo se quella combinazione sia sicura. Un ingrediente può risultare perfetto sulla carta in termini di gusto e sostenibilità, ma nascondere un’interazione chimica imprevista, un rischio microbiologico legato a un particolare pH, o semplicemente non comportarsi come previsto su scala industriale rispetto alle simulazioni di laboratorio. Per questo ogni formulazione che nasce da un modello predittivo deve comunque attraversare le stesse tappe che abbiamo raccontato parlando degli Operatori del Settore Alimentare e dei laboratori accreditati: validazione sperimentale, analisi chimiche e microbiologiche, verifica della stabilità nel tempo. L’intelligenza artificiale accorcia la fase di ricerca, non sostituisce la fase di verifica.
Dentro la confezione con l’Intelligenza Artificiale
Se nel paragrafo precedente l’IA lavora “a monte”, nella fase di progettazione del prodotto, c’è un secondo fronte in cui il suo contributo si gioca “a valle”, cioè mentre l’alimento è già confezionato e sta viaggiando verso il nostro carrello.
Qui entra in gioco il cosiddetto packaging intelligente, o smart packaging. Non stiamo parlando di semplice fantascienza da scaffale: si tratta di confezioni dotate di sensori – per l’ossigeno, per l’umidità, per la temperatura, o veri e propri biosensori – capaci di monitorare in modo continuo le condizioni dell’alimento e di comunicarle, tramite etichette elettroniche, codici o connessioni wireless, ai sistemi di gestione della filiera e, in alcuni casi, direttamente al consumatore tramite smartphone.
Alcuni di questi dispositivi funzionano come veri e propri indicatori chimici:
- cambiano colore in presenza di variazioni di pH legate al deterioramento del prodotto;
- oppure integrano indicatori tempo-temperatura che tengono traccia di eventuali interruzioni della catena del freddo durante il trasporto (un problema che, come abbiamo visto in altre occasioni, può vanificare mesi di lavoro sulla sicurezza di un prodotto in pochissime ore di trasporto scorretto);
- altri sistemi, più sofisticati, integrano modelli predittivi che incrociano i dati raccolti dai sensori con informazioni storiche sulla tipologia di alimento, e restituiscono una stima aggiornata della shelf–life residua, molto più precisa della semplice data stampata in etichetta al momento della produzione.
Il vantaggio non è soltanto quello di “vedere” ciò che i nostri sensi non colgono, ma è la continuità del monitoraggio. Un’analisi di laboratorio fotografa un istante preciso; un sensore intelligente racconta invece la storia dell’intero viaggio del prodotto, dalla produzione allo scaffale, permettendo di intercettare un’anomalia – un innalzamento di temperatura, un’alterazione chimica precoce – prima ancora che il consumatore apra la confezione.
Anche qui, però, vale lo stesso principio del paragrafo precedente. Un sensore che segnala un’anomalia non sostituisce l’accertamento scientifico: lo anticipa. Se un indicatore cambia colore o un algoritmo segnala una shelf–life ridotta, la decisione su cosa fare di quel lotto – bloccarlo, richiamarlo, indirizzarlo a un uso diverso – resta comunque in capo agli Operatori del Settore Alimentare e, quando necessario, alle autorità competenti, secondo le procedure standard di autocontrollo e di richiamo. L’intelligenza artificiale, in questo caso, funziona come un sistema di allerta precoce estremamente sensibile: non elimina la necessità di controlli e conferme, ma permette di attivarli molto prima, quando il rischio è ancora piccolo e gestibile.
Il mio consiglio
Se c’è un messaggio che vorrei restasse di questo articolo è che l’intelligenza artificiale applicata al cibo non è né una minaccia da temere né una bacchetta magica da idolatrare: è uno strumento, e come tale va giudicato per quello che effettivamente fa, non per come viene raccontato nei titoli.
Il mio consiglio, quindi, è di non avere paura a prescindere di ciò che leggete su questo tema. Se un prodotto è stato sviluppato con l’aiuto di un algoritmo, o se la sua confezione integra un sensore intelligente, questo non lo rende automaticamente meno sicuro: anzi, spesso è vero il contrario, perché significa che dietro quel prodotto c’è un livello di controllo e di analisi dei dati ancora più fitto di quello tradizionale. Allo stesso tempo, non lasciatevi convincere che la parola “intelligenza artificiale” da sola sia una garanzia di qualità o di sicurezza: un algoritmo, per quanto sofisticato, resta valido solo se accompagnato dalle stesse verifiche sperimentali, dagli stessi controlli di laboratorio e dallo stesso rigore normativo di cui abbiamo parlato tante volte in questi articoli.
In altre parole: usatela con giudizio, questa curiosità. Informatevi, fatevi le domande giuste – con quali dati è stato addestrato quel modello, chi ha validato quella ricetta, quali test di sicurezza ha superato quel prodotto – ma senza pregiudizio né verso la tecnologia né verso la tradizione. La sicurezza alimentare, lo abbiamo detto più volte, è una staffetta di persone, competenze e controlli: l’intelligenza artificiale, oggi, è semplicemente un nuovo corridore che si è aggiunto alla squadra, non quello che porta da solo il testimone al traguardo.
Sono una chimica con specializzazione post lauream alla De Montford University di Leicester (UK). Dal 2008, sono Chief Executive Officer del Gruppo Maurizi, con il quale mi occupo di sicurezza alimentare, ambientale e sul lavoro.
