Feat Food inventa il cuoco-algoritmo

L’Intelligenza Artificiale indossa il cappello e il grembiule da Chef e in cucina studia pasti sani e bilanciati in base agli obiettivi di forma chi li ordina sulla piattaforma digitale. Potrebbe sembrare fantascienza e invece è quello che succede grazie agli algoritmi di Machine Learning sviluppati dalla startup Feat Food che, elaborando i dati inseriti nel pannello utente da sportivi, appassionati di fitness o anche da chi vuole semplicemente tenere uno stile di vita sano, riescono a servire i pasti personalizzati in base alle caratteristiche e agli obiettivi di ciascuno. I piatti vengono poi consegnati in tutta Italia entro 24/48 ore.

Gli algoritmi ideati per questo servizio di meal kit a domicilio partono dai parametri che definiscono il fenotipo del cliente, quali sesso, peso, altezza, età, stile di vita per poter individuare le quote di calorie giornaliere e di macronutrienti necessari per il raggiungimento dell’obiettivo di forma prefissato, che può essere il mantenimento del peso, il dimagrimento o l’aumento della massa muscolare.

L’apporto calorico viene distribuito su diversi pasti della giornata e gli algoritmi calcolano anche le grammature dei diversi ingredienti che comporranno il piatto. Il sistema di Intelligenza Artificiale ideato da Feat Food raggiunge livelli di precisione tali da tenere conto, nei suoi calcoli, anche del cambiamento di peso degli ingredienti durante la cottura e della perdita di valori nutrizionali, determinata dal tipo di cottura utilizzato. In questo sistema viene lasciato ampio spazio alla personalizzazione della dieta da parte dell’utente, che può scegliere quello che preferisce mangiare tra una selezione di alimenti sani proposta e indicare se desidera ricevere il pranzo, la cena, snack e colazione e per quanti giorni.

Una volta che l’Intelligenza Artificiale ha individuato il fabbisogno giornaliero e le giuste grammature, il team di Feat Food nei due laboratori di produzione di Milano assembla i piatti che verranno consegnati a domicilio: tutti i pasti si conservano per 10 giorni, in modo che l’utente possa seguire una dieta bilanciata di settimana in settimana.

Per la costruzione di questo tipo di algoritmo sono state impiegate tecniche classiche di Intelligenza Artificiale.

Nella prima fase di creazione di un algoritmo di Machine Learning, accorre in aiuto la letteratura scientifica che, in base a formule note e a tecniche statistiche, indica, date le variabili macro, quali siano le grammature e le combinazioni di alimenti necessarie per avere l’apporto calorico corretto. Si tratta di una tecnica di supervised learning, con cui l’algoritmo è addestrato a riconoscere certi dati che, messi in correlazione con altri, restituiscono gli stessi risultati.

Per raggiungere una dieta sempre più tailored made, che tenga conto delle specificità di ogni singola persona, l’algoritmo di intelligenza artificiale, se implementato correttamente a leggere i diversi cicli di feedback che sono restituiti dagli utenti, può diventare più efficace di una formula matematica statica.

Il processo di learning, sempre supervisionato, diventa dunque continuo e sempre più preciso nel tempo. Per farlo è necessario che gli utenti siano proattivi e precisi nel compilare il pannello di informazioni della piattaforma di Feat Food con tutte le variazioni di peso e di stile di vita, ma anche dando feedback aggiornati sull’andamento della dieta, che per alcuni soggetti può funzionare alla perfezione ma per altri, a parità di obiettivi e di caratteristiche fisiche, può non dare gli stessi risultati.

In generale, più vengono implementati e aggiornati i dati nel pannello utente, più il software diventa preciso nella sua analisi predittiva. “Nel sistema che abbiamo sviluppato, l’Intelligenza Artificiale non è costituita da formule predeterminate che associano meccanicamente a certe informazioni (sesso, peso, età) un suggerimento di dieta – spiega Andrea Lippolis, fondatore e CEO di Feat Food – L’algoritmo di Machine Learning viene stimolato nel tempo per riconoscere autonomamente, sulla base di numerosi esempi di successo o insuccesso che gli vengono mostrati, quale sia la dieta migliore da seguire. Accanto a tecniche di supervised learning, con le quali il sistema informatico è istruito a elaborare analisi predittive sulla base di un certo numero di esempi che gli vengono forniti, impieghiamo anche tecniche di unsupervised learning, che a differenza delle prime si basano su classi che non sono note a priori, ma devono essere apprese automaticamente. Alla fine è tutta una questione di allenamento anche per l’Intelligenza Artificiale”.