Nonostante i progressi compiuti, la ricerca sull’intelligenza artificiale applicata alla gastronomia rimane concettualmente e metodologicamente frammentata tra Computer vision (Cv), Food domain (Fd), Digital health (Dh), interazione uomo-computer e robotica culinaria. Una dispersione che ha prodotto approcci metodologici eterogenei, rendendo più difficile un confronto rigoroso fra le diverse tecniche e limitando una comprensione integrata di come l’intelligenza artificiale stia rimodellando le esperienze culinarie e legate al cibo.
Una ricerca ancora frammentata
Le revisioni esistenti tendono infatti a concentrarsi su sottodomini specifici, come i sistemi di raccomandazione degli alimenti, la stampa alimentare 3D o l’analisi culinaria basata sui dati, senza però integrare metodologie, flussi di dati, applicazioni e tendenze bibliometriche all’interno di una struttura concettuale coerente. Inoltre, aree emergenti come i modelli multimodali su larga scala, i sistemi di rilevamento ibrido, i modelli generativi condizionati dalle preferenze e gli ecosistemi di servizi alimentari intelligenti risultano ancora insufficientemente sistematizzate. Manca, dunque, una sintesi completa capace di combinare gli approfondimenti metodologici con le evidenze bibliometriche e di offrire una visione sistematica dell’intelligenza artificiale applicata alla gastronomia digitale, allo stato attuale e tenendo conto di un settore vorticosamente in divenire. Una ricognizione di questo tipo potrebbe basarsi sui cinque principali database scientifici: Acm Digital Library, Ieee
