Yapay zeka sistemleri son yıllarda metin üretmede büyük başarılar elde etse de, yemek tarifleri gibi yapılandırılmış ve teknik içerikler üretmekte zorlanıyordu. Araştırmacılar bu sorunu çözmek için malzeme listelerini matematiksel olarak modelleyen yenilikçi bir yaklaşım geliştirdi.
Geleneksel AI eğitim yöntemleri, sadece dilbilgisel açıdan doğru ve akıcı metinler üretmeye odaklanıyor. Ancak yemek tarifleri için bu yeterli değil - doğru malzemeler, kesin sıcaklık ve süre bilgileri, mantıklı işlem sırası gerekiyor. Yeni yöntem, malzeme listelerini çok boyutlu bir uzayda nokta bulutları olarak temsil ediyor ve tahmin edilen malzemelerle gerçek malzemeler arasındaki farkı minimize ediyor.
Araştırmacılar RECIPE-NLG veri setini kullanarak farklı kayıp fonksiyonlarını test etti. Yeni topolojik kayıp fonksiyonu, malzeme ve işlem seviyesinde önemli iyileştirmeler sağlarken, Dice kaybı sıcaklık ve süre hassasiyetinde öne çıktı. Karma kayıp fonksiyonu ise miktar ve zaman konularında sinerjik kazanımlar elde etti.
İnsan değerlendirmecilerin yaptığı karşılaştırmada, yeni sistemin ürettiği tarifler %62 oranında daha başarılı bulundu. Bu sonuç, yapay zekanın belirli alanların teknik gereksinimlerini anlayacak şekilde özelleştirilebileceğini kanıtlıyor.