食品をデータにするとはどういうことか
マヨネーズを1サンプルと呼んだ瞬間、何かが壊れている。
内部では脂肪球が移動し、界面が再編成され、タンパク質が変性し、脂質酸化が進む。計測している間にも、対象は変わり続けている。「静止した対象」を前提とするコンピュータサイエンスの道具立てを、状態が絶えず遷移する乳化系に当てはめようとする時点で、話はすでにねじれている。
問題は「AIを食品に使えるか」ではない。そもそも「食品をデータにする」という操作自体が、何を壊しているのかを問うべきだ。
食品全般ではなく、乳化系加工食品の加熱・保存における品質と安全性の推定・制御に絞る。するとCS側の言葉に翻訳できる。マルチモーダル観測、潜在状態推定、動的システム同定、意思決定最適化。「AI活用」という曖昧な標語から離れる出発点は、ここにある。
品質は単一の点数ではない。脂肪球径分布、粘弾性、離水、香気保持、酸化安定性。これらは独立した項目の寄せ集めではなく、タンパク質変性・脂質酸化・界面再編成・水分活性・pH変動が相互に絡み合った共通の地下構造から生まれる。
センサーを増やせば解決するわけでもない。近赤外分光、GC-MS、レオロジー、熱分析、画像計測。重要なのは機器の数ではなく、それぞれの観測が何を捉え、何を見落とし、どの潜在機構にどの程度敏感なのかを定義することだ。機構モデルと統計モデルを接続したハイブリッド状態空間モデル。温度履歴から酸化、粘弾性、官能特性への遷移を記述できる枠組みが求められる。精度は必要だが、なぜ壊れたのかを説明できない予測器は、現場の肝心な局面で使えない。
加工プロセスも同じ構造を持つ。加熱工程は熱移動だけの問題ではなく、反応速度論、微生物動態、相変化、微細構造形成が異なる時間・空間スケールで同時に進む多尺度系だ。支配方程式を中核に据え、その上にデジタルツインやベイズ最適化を重ねる。加熱殺菌であれば、殺菌価という安全制約を満たしつつ香気損失とテクスチャー劣化を抑える、制約付き多目的最適化として定式化できる。ただしその前提には、因果関係を壊さない実験設計がある。ここが粗いと、モデルはロット差や季節変動ですぐ崩れる。
保存段階では単純化の誘惑がさらに強くなる。微生物増殖、脂質酸化、離水、色変化を一つのスコアに圧縮すれば管理はしやすい。だがその分だけ見落としも増える。温度ロガーもガスセンサーも分光も画像も、すべて代理観測にすぎない。本当に推定すべきは真の品質状態とその劣化速度だ。賞味期限モデルも、センサー値から期限を直接回帰するよりも、速度論を内蔵し後から校正可能な形で設計したほうが長く使える。
安全性評価では、病原菌、アレルゲン、異物、残留農薬を同じ「危険」として一括できない。見逃しの損失構造が異なる以上、必要なのは一般的な精度向上よりも、偽陰性を抑える保守的判定、監査可能なログ、HACCP運用に接続できる意思決定規則だ。制度に届くモデルとは、しばしばそのような地味な仕様でできている。
官能評価は「主観ラベル」ではない。適切に訓練され語彙が統制された官能パネルは、化学プロファイルと結びつくヒューマンセンサ系だ。個人差をランダム効果として扱う階層ベイズモデルや表現学習が有効になる。人間を入れると複雑になるのではなく、人間を雑に扱うと全体が雑になる。
結局、コンピュータサイエンスの価値は自動化や精度向上だけにはない。食品科学が扱うのは、安全、栄養、嗜好、文化、環境負荷、現場実装性がせめぎあう多元的で制約だらけの設計問題だ。CSはその万能解ではなく、観測、モデリング、因果推論、最適化、運用を接続する計算的基盤として位置づけるべきだ。
「食品をデータにする」という問いに答えるよりも先に、その問いが何を隠しているかを見る。その距離感に立ってはじめて、品質保証と食品の多様性保持を同時に考える研究が始まる。