来源：食品放大镜
2024年4月16日，马里兰大学马培华博士等在国际食品Top期刊Trends in Food Science & Technology（Q1，中国科学院1区，IF: 15.1）发表题为“Large language models in food science: Innovations, applications, and future”的综述性论文。 大语言模型（LLMs）在食品科学领域的作用日益重要，改变了食谱开发、营养分析、食品安全和供应链管理等领域。这些模型为食品科学的各个方面带来了复杂的决策制定、预测分析和自然语言处理能力。 本综述侧重于LLMs在提升食品科学方面的应用，重点是食品安全，尤其是污染物检测和风险评估。本综述还探讨了人工智能和LLMs在监管合规和食品质量控制方面的作用。讨论了数据偏差、错误信息风险以及实施障碍（包括数据限制和道德问题）等挑战。还强调了跨学科合作克服这些挑战的必要性。 综述亮点 大语言模型（LLMs）增强了食品科学领域，如食谱开发、营养分析和供应链管理。 LLMs在食品安全中起着关键作用，尤其是在污染物检测和风险评估方面。 实施LLMs需要解决数据限制、道德问题，并促进跨学科合作。 挑战和未来前景 LLMs在食品安全与科学领域面临着一些挑战。数据的局限性和偏见，包括文化、语言和研究相关的偏见，导致模型在提供准确且多样化信息方面的能力受限。英语语言数据的主导地位使非英语术语和练习被边缘化，而对资金充足的科学研究的偏见导致食品安全问题的代表性不均衡。此外，LLMs会依赖过时或不准确的数据集，使得错误信息长期存在，而且它们简化复杂主题的倾向可能会导致错误建议带来严重健康风险。解决这些挑战需要多样化训练数据集，定期更新模型，并采取措施来缓解现有的偏见。 新兴研究有望显著增强LLMs在食品科学与研究领域的应用。语境理解和记忆能力的进步使LLMs能够更有效地处理复杂的询问，从而提高回答的深度和连贯性。此外，整合多模态能力（文本、图像和语音数据）可提供综合分析，尤其适用于解读食品科学中的科学图像和文本信息。领域适应性可使LLMs针对特定领域进行调整，提高对专业术语和概念的熟悉程度。此外，减少偏见并确保人工智能的使用符合道德规范，有助于获得平衡且具有文化敏感性的见解，而先进的个性化技术则可以提供定制的饮食和营养建议，从而丰富LLMs在食品安全与科学领域的实用性和可靠性。 结论 总之，本综述阐明了LLMs在革新食品科学各个方面的重大作用。通过利用其在自然语言处理、预测分析和决策制定方面的先进能力，LLMs为食谱开发、营养分析、食品安全和供应链效率方面的创新提供了前所未有的机会。然而，它们的应用并非没有挑战。数据偏见、错误信息风险以及道德考虑和模型持续更新的必要性等问题都是需要解决的关键问题。LLMs在监管和质量控制过程中一体化的融合，为提高准确性和效率提供了一个有希望的途径，但这需要仔细实施和监督。LLMs在食品科学中的未来在很大程度上依赖于跨学科合作和持续的研究，以充分发挥其潜力，同时减轻相关风险。随着我们继续探索并扩展这些技术的边界，它们对推动全球食品系统发展的贡献仍然是研究人员、行业专业人士和政策制定者关注的一个重要领域。 图文赏析 图1.（a）按类型分类并展示LLM训练数据源。总结了LLMs在食品相关领域的应用；（b）LLM相关工作的里程碑。 图2. （a）GPT的典型应用流程，其中输出的提示是由经过微调的GPT模型生成的；（b）BERT与GPT的比较。虽然它们都使用注意力机制，通过文本数据集的Transformer架构来学习上下文，但BERT充当编码器，而GPT充当解码器。 图3.（a）FoodGPT指令微调的整个流程；（b）FoodGPT从外部知识图谱检索的方法。 原文链接 https://doi.org/10.1016/j.tifs.2024.104488 食品放大镜
