隨著人工智慧（AI）技術日益進步，食品產業的研發（R&D）流程正迎來變革。美國賓夕法尼亞州立大學（The Pennsylvania State University）的研究團隊開發出一款名為 AgentXtract 的工具，結合人類專業與 AI 的力量，能自動將科學論文中的資訊轉化為結構化資料庫，大幅加速食品研發的初期階段。

傳統上，食品特性數據對於新產品開發至關重要，也是訓練 AI 模型的基礎，但這些數據通常分散在大量的科學文獻中，導致資料庫建立過程耗時且難以擴展。賓夕法尼亞州立大學食品科學助理教授徐周（Xu Zhou）指出，該團隊的 AgentXtract 方法能從數十年的科學論文中收集實驗數據，建立龐大且可靠的資料庫，用於訓練 AI 與機器學習模型，進而預測食品在不同條件下的特性。

對於食品飲料製造商而言，這些透過 AI 建立的資料庫能有效支援預測模型與製程優化，減少對大量實驗測試的依賴。例如，該方法可用於分析微生物生長與滅活、化學反應動力學及感官特性等，有助於提升食品安全、延長保存期限並改善產品品質。徐周表示，AgentXtract 能顯著縮短早期研發時間，將原本需數週手動完成的資料收集工作，在約 30 分鐘內由 AI 完成超過 4,000 筆數據紀錄。

AgentXtract 開創了兩大 AI 驅動食品創新的機會：一是科學發現，AI 透過分析海量數據能揭示過去未被報導的物理關係；二是讓科學知識更容易取得，這些資料庫可作為 AI 助理的知識庫，協助食品工程師快速找到相關實驗數據與科學參考資料。

然而，隨著 AI 任務執行速度的倍增，傳統由 AI 完成工作、人類負責檢視結果的協作模式可能成為瓶頸。徐周認為，未來科學家可更專注於定義研究問題、設定目標及做出關鍵決策，而 AI 代理（agent）則能承擔更多研究流程，甚至由其他 AI 代理來驗證其工作。儘管如此，人類的監督與實驗驗證在評估發現、確認成果方面仍是不可或缺的，這項研究成果預計將於 2027 年 3 月在《Journal of Food Engineering》期刊上完整發表。

參考來源