Un test alla cieca con cento commensali ha già validato il primo hamburger progettato dall’intelligenza artificiale
Nel 2026, gli alimenti di origine animale producono ancora il doppio dei gas serra rispetto a quelli vegetali. Lo aveva già misurato Xu e colleghi in uno studio del 2021, e da allora la traiettoria non è cambiata in modo significativo. Eppure, mentre la crisi climatica accelera, la chimica di ciò che mettiamo nel piatto resta un continente in gran parte inesplorato: nel 2020 Barabasi e il suo gruppo hanno mostrato quanto sia vasta e ancora sconosciuta la diversità chimica nascosta nei cibi di tutti i giorni. Dentro questa forbice — tutto quello che sappiamo sul danno climatico del cibo, tutto quello che ignoriamo sulla sua composizione molecolare — si è infilata l’intelligenza artificiale. Venerdì scorso, un articolo su npj Science of Food ha messo a fuoco quattro priorità per portare l’IA dentro la progettazione alimentare, scegliendo come banco di prova le proteine sostenibili. Non una dichiarazione d’intenti, ma un programma di lavoro.
La domanda implicita è meno tecnica di quanto sembri: chi controllerà gli algoritmi che decideranno cosa mangeremo tra dieci anni? E con quali criteri — nutrizionali, ambientali, industriali — verranno addestrati? L’articolo non risponde direttamente, ma fa qualcosa di più utile: traccia il perimetro tecnico dentro cui la partita si giocherà.
Quattro priorità per una rivoluzione (e per un hamburger)
La prima priorità identificata è il machine learning scientifico con priorità di dominio: modelli che non partono da zero ma incorporano fin dall’inizio le leggi della chimica e della biologia degli alimenti. Non si tratta di chiedere a un’IA generica di inventare una proteina vegetale, ma di darle i vincoli chimici, nutrizionali e fisici entro cui muoversi. La differenza tra un suggerimento plausibile e uno scientificamente fondato sta tutta qui.
La seconda è più ambiziosa: trattare il cibo come un biomateriale programmabile. Vuol dire smettere di pensare a un hamburger vegetale come a un surrogato e iniziare a progettarlo dal basso — struttura, sapore, comportamento in cottura — come si farebbe con un polimero in un laboratorio di ingegneria dei materiali. Non è fantascienza: già nel 2023, Boiko e colleghi hanno dimostrato su Nature che i grandi modelli linguistici possono pianificare, eseguire e interpretare esperimenti chimici in autonomia. Applicare quel metodo agli alimenti è il passo successivo.
Il terzo tassello sono i laboratori autonomi: piattaforme robotiche che formulano ipotesi, eseguono esperimenti e imparano dai risultati in ciclo chiuso, senza intervento umano se non nella definizione degli obiettivi. Qui l’articolo è esplicito: costruire laboratori a guida autonoma per la scoperta automatizzata. Significa accelerare di ordini di grandezza la sperimentazione di nuove combinazioni proteiche — vegetali, da fermentazione o coltivate — che oggi richiederebbero anni di tentativi.
La quarta priorità è forse la più delicata: modelli di ragionamento profondo che integrino nutrizione e sostenibilità. Algoritmi capaci di valutare simultaneamente il profilo nutrizionale di un alimento, il suo costo ambientale, la fattibilità produttiva. È qui che la progettazione a ciclo chiuso si completa: l’IA non si limita a generare candidati, ma li valuta su più dimensioni in parallelo. L’articolo insiste sul fatto che le proteine sostenibili — vegetali, da fermentazione e coltivate — sono il terreno di prova ideale proprio perché concentrano tutte queste variabili in un unico prodotto.
Poi arriva il momento in cui la teoria incontra un palato vero. Lo scorso giugno, un test di assaggio alla cieca condotto con cento commensali ha validato hamburger progettati interamente dall’IA. Cento persone hanno mangiato, valutato e approvato un prodotto che nessun cuoco aveva immaginato e nessun tecnologo alimentare aveva formulato a mano. È il primo assaggio concreto di cosa significhi chiudere il cerchio tra algoritmo e forchetta. Non è un dettaglio: è la prova che le quattro priorità teoriche producono risultati commestibili. E buoni.
Il laboratorio Bezos e la posta in gioco
La risposta, per ora, arriva da chi ha i soldi per anticiparla. Food System Innovations ha lanciato un laboratorio di ricerca sull’intelligenza artificiale finanziato con due milioni di dollari dal Bezos Earth Fund, con l’obiettivo di sviluppare strumenti open-source per accelerare lo sviluppo di proteine sostenibili. La somma è modesta se paragonata agli investimenti dell’industria alimentare tradizionale, ma il vettore è chiaro: il capitale filantropico sta già posizionandosi a monte, dove si scrivono gli algoritmi e si brevettano i processi. Non dove si vendono gli hamburger.
Il punto non è se l’IA saprà progettare cibo — lo sta già facendo. È chi avrà accesso agli strumenti, con quali regole, e se l’open-source basterà a evitare che la progettazione alimentare diventi l’ennesimo mercato oligopolistico. L’articolo di npj Science of Food fornisce una mappa tecnica, non una risposta politica. Ma la mappa è pubblica, ed è il primo passo per impedire che il futuro del cibo venga deciso a porte chiuse.
Per ora, cento commensali hanno detto sì all’hamburger sintetico. Ma quando arriverà al supermercato, e a quale prezzo, nessuna intelligenza — artificiale o meno — può ancora dirlo.
