Есть блюда, которые готовятся на автомате — рецепты их унаследованы от бабушки или выучены ещё в студенчестве. Они надёжны, но со временем начинают приедаться: одна и та же курица, одна и та же гречка, один и тот же борщ. Проблема не в рецепте, а в том, что дома редко есть время экспериментировать: открыть полку со специями и рискнуть — значит либо испортить ужин, либо потратить час на поиск рецепта в интернете, ингредиенты которого плохо адаптируются под то, что реально есть в холодильнике. Тут и может пригодиться AI.
Таяна Деордица, профессор информатики Киевской политехники
Искусственный интеллект в данной ситуации— не замена собственному вкусу, но способ расширить палитру вариантов и объяснить, почему одно сочетание ингредиентов работает, а другое — нет. Схема простая: назвать блюдо и то, что есть под рукой — специи, соусы, зелень — и попросить предложить два-три варианта, которые меняют характер блюда, но не требуют переписывать рецепт с нуля.
Начать стоит с самого простого приёма — role prompting: попросить AI отвечать не как справочник, а «как шеф-повар, который специализируется на балансе вкусов». Советы сразу становятся конкретнее, с объяснением логики, а не просто со списком названий специй. Например, для той же гречки с курицей ответ «как шеф», скорее, подскажет зиру и обжаренный чеснок с ноткой лимонной цедры для свежести, а не просто «добавьте специи по вкусу».
Чуть сложнее — привычка спрашивать не только что, но и почему. «Почему именно кориандр сюда подходит?» — и вместо шаблонного «это классическое сочетание» приходит разбор: кориандр придаёт цитрусовую ноту, которая оттеняет жирность блюда, поэтому традиционно используется в похожих кухнях мира с похожими по составу продуктами. Это как раз то, что превращает разовый совет в понимание — в следующий раз похожую логику можно применить самостоятельно, без AI под рукой.
Ещё на ступень сложнее — few-shot prompting, обучение на примерах: вместо абстрактного «что посоветуете» рассказать AI о нескольких блюдах, которые уже понравились — «люблю, когда в плове чувствуется барбарис, борщ — с чесноком и салом, а приторную сладость в мясе не люблю». Эффективность обучения модели на таких примерах ещё в 2020 году показали Браун и соавторы. Важный нюанс: примеров стоит брать хотя бы три, и разных по характеру — иначе AI решит, что весь смысл в барбарисе, и начнёт предлагать его везде, что противоречит самой цели эксперимента с новыми вкусами.
Самый трудоёмкий, но и самый надёжный приём — self-refine: попросить AI покритиковать и улучшить свой же совет («покритикуй и улучши»), прежде чем он попадёт на кухню. Модель находит слабые места в собственной логике — например, что сочетание специй перебивает, а не дополняет вкус основного продукта — и переписывает ответ до того, как дело дойдёт до плиты.
Как это выглядит на практике, лучше всего видно на одном простом продукте. Обычная отварная картошка неделя за неделей выглядит одинаково. Один вариант — обжарить её после варки с зирой и топлёным маслом (индийский оттенок). Другой — сбрызнуть оливковым маслом с раздавленным чесноком и розмарином (средиземноморский). Третий — добавить соевый соус с имбирём и кунжутным маслом (азиатский). Один и тот же продукт, три совершенно разных вечера — и всё это без похода за экзотическими ингредиентами, только базовый набор специй, который обычно есть на кухне.
При всей пользе описанных приёмов промптинга стоит держать в уме и их границы. AI не пробует блюдо на вкус и не знает точную кислотность именно вашего лимона или остроту именно вашего чили — рекомендации всегда ориентировочные, «от», а не «ровно столько». Он может предложить сочетание, которое теоретически работает, но не подходит именно вашим вкусовым привычкам — кто-то не переносит кинзу, кто-то не любит остроту, и это стоит указывать заранее, а не постфактум. И, конечно, он не заменит многолетний опыт настоящего повара, который чувствует баланс интуитивно, без просчёта.
В сухом остатке — четыре простых правила.
- Задавать роль («как шеф-повар, специализирующийся на балансе вкусов») — самый простой шаг, который сразу делает советы конкретнее.
- Спрашивать «почему», а не только «что» — так тренируется вкусовая интуиция, а не просто исполняется чужая инструкция.
- Приводить три-четыре разных примера уже любимых сочетаний, а не один — иначе AI зациклится на одной ноте вместо разнообразия.
- Периодически напоминать про self-refine — просить AI покритиковать и улучшить свой же совет («покритикуй и улучши») и всё равно пробовать результат на маленькой порции: вкус — последний судья, который работает окончательно.
И раз уж речь зашла о специях — у них есть бонус и помимо вкуса: многие полезны для пищеварения и обладают противовоспалительными свойствами. Это отдельная большая тема, которая заслуживает отдельного разговора с AI — например, можно спросить, какие специи полезны при конкретных задачах (пищеварение, воспаление, уровень сахара), не смешивая этот вопрос с рецептом на скорую руку.