Второй подход состоит в том, чтобы изучить уже проверенные сочетания продуктов и определить количество общих для них вкусоароматических соединений. Если для этих комбинаций действительно характерна некоторая химическая общность, это будет доказательством того, что «молекулярные рифмы» действительно обеспечивают лучшие вкусовые сочетания. За данными далеко ходить не надо: в интернете имеется огромная сокровищница рецептов со всевозможными испытанными комбинациями продуктов, а за пару сотен долларов можно подписаться на базу данных, в которой детально указан химический состав любого пищевого продукта. Главная трудность состоит в том, чтобы разобраться в этой головокружительной мешанине рецептов, ингредиентов и вкусоароматических соединений.

Позвольте представить вам Себастьяна Анерта. Днем – физик‑теоретик в Кембриджском университете, а по вечерам – увлеченный повар‑любитель, Анерт обладает необходимым набором знаний, чтобы сугубо по‑научному разрешить вышеуказанную проблему. Несколько лет назад он и его коллеги скачали более 56 000 рецептов с трех онлайновых ресурсов (Epicurious, Allrecipes и корейского ресурса Menupan) и изучили их молекулярные профили. Оказалось, что западноевропейская, североамериканская и латиноамериканская кухня подчиняются правилу совмещения ингредиентов по подобию – такие распространенные в них ингредиенты, как молоко, яйца, масло и пшеница, имеют во многом пересекающиеся вкусоароматические профили. В отличие от них, азиатские кухни, кажется, избегают сочетания подобного – большинство распространенных в них ингредиентов, таких как соевый соус, лук‑шалот, имбирь и рис, почти не имеют пересечений вкусоароматических профилей. Когда же Анерт исключил из анализа наборы самых распространенных ингредиентов, он не нашел никаких доказательств в пользу гипотезы сочетания продуктов на основе «молекулярных рифм».

Исследование Анерта, опубликованное в одном из ведущих научных журналов, вызвало большой резонанс, но ученый на этом не остановился. Рецепты не являются идеальной отправной точкой, поскольку некоторые ингредиенты – такие как мука и яйца – часто включаются не столько ради вкуса, сколько ради создания необходимой текстуры. Поэтому Анерт начал все сначала. На этот раз вместо рецептов он использовал сочетания ингредиентов, рекомендованные известными шеф‑поварами, которые он нашел в бестселлере «Азбука вкуса» Карен Пейдж и Эндрю Дорненбурга. Анализ показал, что рекомендуемые шеф‑поварами сочетания имеют больше общих вкусоароматических соединений, чем случайные пары ингредиентов, и эта закономерность стала еще более очевидной, когда Анерт взял только ключевые вкусоароматические соединения – те, которые отвечают за характерные флейворы продуктов.

Таким образом, гипотеза «молекулярных рифм» может иметь под собой некоторые научные основания. Разумеется, пока это окончательно не доказано, тем более что на момент написания этой книги Анерт еще не опубликовал результаты своих недавних исследований. И в любом случае, даже если хорошо сочетающиеся продукты действительно имеют пересекающиеся вкусоароматические профили, это вовсе не означает, что все продукты с такими пересечениями будут давать отличные сочетания. Подход на основе «молекулярных рифм» может служить не более чем генератором идей, но не жестким принципом.

Чтобы узнать о по‑настоящему высокотехнологичном подходе к поиску необычных вкусовых сочетаний, я решил посетить Исследовательский центр Томаса Уотсона компании IBM, расположенный в Йорктаун‑Хайтс, штат Нью‑Йорк. Компания IBM славится своим стремлением браться за самые дерзкие вызовы в области искусственного интеллекта, и Исследовательский центр Уотсона – то место, где решаются такие задачи. В 1997 году разработанный IBM суперкомпьютер Deep Blue одержал победу над чемпионом мира по шахматам Гарри Каспаровым в матче из шести партий. Затем в 2011 году преемник Deep Blue суперкомпьютер Watson (получивший свое название, как и сам исследовательский центр, в честь Томаса Уотсона – старшего, возглавлявшего компанию в первой половине ХХ века) обыграл двух чемпионов в викторине Jeopardy! (российский аналог – «Своя игра»). После этой громкой победы исследователи IBM начали искать новые области применения для своего супермощного детища. Почему бы не испробовать его возможности на кухне? В конце концов, кулинария – это очень творческий и близкий каждому человеку вид деятельности. Возможно, искусственный интеллект, который способен изучить и проанализировать гораздо больше рецептов, ингредиентов и методов приготовления, чем любой человек, позволит привнести что‑то новое в эту хорошо изученную область. Давайте попробуем, решила команда Watson.

Исследовательский центр IBM располагается на лесистых холмах недалеко от межштатной автострады Таконик‑Стейт‑Паркуэй, менее чем в часе езды на север от Манхэттена. Оставив машину на гостевой парковке перед главным корпусом – внушительным трехэтажным зданием с дугообразным фасадом, спроектированным прославленным архитектором Ээро Саариненом, – я захожу через центральный вход и попадаю в огромное фойе в футуристическом стиле 1960‑х годов. Все очень концептуально, очень дорого и очень официально – короче говоря, в полном соответствии с духом корпорации IBM, славящейся своей приверженностью традициям, в том числе и в дресс‑коде.

В этой атмосфере консервативной строгости внешний вид Флориана Пинеля буквально вызывает шок. Первое, что вы замечаете при встрече с этим инженером‑программистом французского происхождения, – это четыре сережки‑гвоздика из нержавеющей стали в уголках рта и на нижней губе и еще одну серьгу в виде длинного металлического когтя, торчащего под нижней губой чуть выше подбородка. Одетый в джинсы и футболку вместо традиционных для IBM белой рубашки и галстука, Пинель выглядел бы более уместно на кухне, чем в конференц‑зале IBM.

В данном случае внешность не обманывает– Пинель действительно чувствует себя на кухне «в своей тарелке». Параллельно с работой в IBM он посещал курсы в уважаемом нью‑йоркском Институте кулинарного образования и в 2005 году получил диплом шеф‑повара. Некоторое время после этого он работал в субботнюю вечернюю смену поваром в ресторане на Манхэттене. «Просто ради острых ощущений. Там была настоящая запарка», – вспоминает он. В конце концов Пинель оставил эту работу и посвятил все свободное время гастрономическим экспериментам на собственной кухне – а когда подвернулся подходящий момент, привлек к своему хобби и суперкомпьютер Watson.

Как научить компьютер искусству приготовления еды? Не так, как вы учите своего ребенка или как учили Пинеля в кулинарной школе. Вместо обычной еды ему необходимо скормить огромное количество данных. Очень много данных. Химики‑пищевики идентифицировали ключевые вкусоароматические соединения в большинстве продуктов питания, а психологи измерили, насколько приятным мы находим каждое из них. Киберпространство изобилует рецептами со всего мира, содержащими информацию о различных сочетаниях продуктов, используемых людьми. Пинель и его команда собрали эту информацию и загрузили ее в банк памяти Watson. Проанализировав весь этот массив данных, компьютер вывел определенные паттерны: наборы ингредиентов, которые с высокой степенью вероятности хорошо сочетаются друг с другом, и последовательности шагов, которые используются при сочетании этих ингредиентов. (Большую помощь в этом деле оказал журнал Bon Appétit , который предоставил доступ к своему архиву из девяти тысяч проверенных, тщательно отредактированных рецептов в стандартном формате.)