IA culinaire : comment les données influencent les suggestions
Kaikaku.AI présente trois modèles IA (Cooc, Chem, Core) formés différemment pour suggérer des accompagnements culinaires. Cooc utilise des recettes, Chem des molécules de saveur, et Core combine les deux. Les résultats varient significativement selon l'approche.
« Type in 'chicken,' and Cooc returns garlic, onion, and black pepper, ingredients that frequently appear alongside it in recipes. Chem returns beef or pork, ingredients with a similar flavor profile. » — The Decoder
Que faut-il retenir ?
- Cooc suggère des accompagnements basés sur des recettes, comme ail et oignon pour le poulet.
- Chem utilise des molécules de saveur, suggérant du bœuf ou du porc pour le poulet.
- Le modèle Chem surpasse les autres en classification des saveurs et valeurs nutritionnelles.
- Epicure traite 4,14 millions de recettes en sept langues, dont chinois et russe.
Pourquoi cette nouvelle compte-t-elle ?
Cette innovation montre comment des données d'entraînement différentes peuvent influencer les résultats d'IA, avec des applications potentielles en gastronomie et recommandation culinaire. Les professionnels peuvent adapter les modèles selon leurs besoins spécifiques.
4,14 millions de recettes traitées en sept langues.
💬 Jakub Radzikowski et Josef Chen, Fondateurs de Kaikaku.AI
Public concerné : développeurs, entreprises
Quelle est la différence entre les modèles Cooc et Chem de Kaikaku.AI ?
Cooc suggère des accompagnements basés sur des recettes, tandis que Chem utilise des molécules de saveur. Par exemple, pour le poulet, Cooc recommande ail et oignon, et Chem du bœuf ou du porc.
