Loading [MathJax]/extensions/tex2jax.js

1

2
0

文字

分享

1
2
0

【公視《神廚賽恩師》】 豐富人生的新「鮮」味,有關「鮮」的大小事!

公視《神廚賽恩師》_96
・2023/02/24 ・1114字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

我們做菜為了提升食物的「鮮味」,經常會加入味精,但很多人都說味精對人體不好要少吃,但其實味精是一種叫「麩胺酸」的天然物質,許多食材裡面都有。科學界也指出,味精沒有傳言中那麼有害,只要巧妙的運用它們,我們也能做出味道鮮美、層次豐富的健康料理喔!

新「鮮」故事-鮮味的古往今來

人類從什麼時候開始使用「鮮」這個味覺的呢?「鮮」被列入味覺的行列裡,可說是近代的事,這就要從1908年日本的一碗味噌湯說起! 味噌湯在日本可說是再平常不過的料理,但當時在大學擔任化學教授的池田菊苗先生,某天下班在喝太太煮的味增湯時,發現湯裡有種從未喝過驚為天人的味道,深遂而幽遠的「鮮」美滋味,一問之下才知道,原來太太在湯裡加了昆布,研究精神爆發的池田先生,就一口氣買了大量的昆布,用大型蒸發皿去煮,最後得到有機體結晶,而這種結晶物質就是會產生鮮味的「麩胺酸」,用這種方法他也發明了「味精」。 由於鮮味是獨立的味道,沒辦法用「酸甜苦鹹」四種基本味道調出來的,因此,才會被認定是人類的第五種味覺。

「鮮」給人最直接的感覺就是「甜」跟「香」,這和食材中所含的物質有密不可分的關係,鮮味物質主要有「麩胺酸」、「肌苷酸」跟「鳥苷酸」三種化學物質。常見的食材如:昆布、蕃茄、玉米、蘿蔔、干貝、雞肉、牛肉、排骨、柴魚、蝦子、金針菇、海苔……等等。而「鮮」不只存在天然食材中,其實有很多發酵食物也有豐富的鮮味,世界各地常見的鮮味發酵食品,在歐洲有「帕瑪森起司」,東南亞有「魚露」,到了東亞有則有「醬油」、「豆腐乳」、「味噌」。這些在味精發明前就有了,古人真的很早就會運用鮮味了呢!

圖片 / 公共電視提供

全新第三季《神廚賽恩師

公共電視科普節目《神廚賽恩師》 ,結合科學、廚藝與食育教育,引領大眾用有趣的方式、從 Science-科學角度讓大眾了解傳統廚藝「伙房 36 法」中的科學知識。第三季節目於 2023 年 2 月 3 日起,每週五晚上 6 點在公視主頻首播,公視 3 台每週五晚上 7 點首播,重播時段為公視主頻每週六早上九點三十分與公視 3 台週日晚上六點播出。

▸《神廚賽恩師》第三季將於 2/3(五)起,18:00 在公視主頻首播

-----廣告,請繼續往下閱讀-----

其他播出資訊

▍ 公視頻道每週五晚間 18:00、公視三台每週五晚間 19:00 (首播)

▍ 公視頻道每週六早上 09:30、公視三台每週日晚間 18:00 (重播)

▍ 並將於公視+ 影音平台完整上架 敬請期待

-----廣告,請繼續往下閱讀-----

▍ 烹調中蘊含科學原理,一起發現料理中樂趣

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
公視《神廚賽恩師》_96
8 篇文章 ・ 3 位粉絲
公共電視科普節目《神廚賽恩師》 ,結合科學、廚藝與食育教育,引領大眾用有趣的方式、從Science-科學角度讓大眾了解傳統廚藝「伙房36法」中的科學知識。第三季節目於2023年2月3日起,每週五晚上6點在公視主頻首播,公視3台每週五晚上7點首播,重播時段為公視主頻每週六早上九點三十分與公視3台週日晚上六點播出。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
黃瓜也可以當甜點?瓜籽肉會發出碘的味道?探索瓜味的多重宇宙——《料理滋味創意地圖》
積木文化
・2024/08/19 ・1432字 ・閱讀時間約 2 分鐘

黃瓜 CONCOMBRE

黃瓜可以只做成冷盤沙拉,也能在鹽水、英式醃菜中展現出多種滋味,甚至可以煮成配菜。它的滋味比看起來的要複雜許多:很明顯它有綠質及強烈的葉綠素滋味,但也有碘和奶油味。沒有交集的兩個世界,讓這種蔬菜能往兩種滋味方向去發揮!

黃瓜的芳香輪,解鎖更多黃瓜搭配。 圖/積木文化《料理滋味創意地圖

正確切削黃瓜:善用皮與苦味的微妙平衡

黃瓜外皮呈綠色並略帶苦味,想當然爾也有葉綠素滋味⋯⋯我們去皮不是為了美觀,而是要除掉這種苦味。又或者,我們可以刻意保留全部或部分黃瓜皮,對這有點侵略性的味道做進一步運用。經過斟酌的苦味能帶來無可否認的餘韻,也讓這種蔬菜含水量相當高的芳香特性變得複雜。薄荷、蒔蘿、青蘋果等「綠色」食材會凸顯出黃瓜的清新。

善用瓜味,或許會有意想不到的美味。 圖/積木文化《料理滋味創意地圖

籽肉的碘香秘密:黃瓜與海鮮、乳製品是絕配

為何把黃瓜的果肉跟籽吃進嘴裡時,能感受到碘味和奶油味呢?答案是因為醛類*1,存在於麵包皮和多種油裡。出乎意料的是,黃瓜能跟海藻、牡蠣、麵包和奶油做組合。為了發揮這些香氣,我們不妨將乳酸化合物(芒果、荔枝等)搭配帶乳香的乳狀食物(如希臘優格,這解釋了希臘沙拉醬﹝Tzatziki﹞*2 之所以成功的原因。或是藍紋乳酪、昂貝爾藍紋乳酪﹝Fourme d’Ambert﹞、馬斯卡彭乳酪也可以),以及一些像孔德里約(Condrieu)這樣帶奶油香味的酒。有了黃瓜內部的果肉跟籽,這些組合就保證成功。

*1:主要為 (E,z)-2,6- 壬烯醛、2-壬烯醛(non-2-énal)。

-----廣告,請繼續往下閱讀-----

*2:譯注:以希臘優格和黃瓜碎粒為主要材料的沙拉。

除了海鮮、乳製品之外,還有其他食物也可以嘗試看看。 圖/積木文化《料理滋味創意地圖

來試試吧!甘納許巧克力黃瓜

  • 準備甘納許:煮滾 300 毫升的水,加入 1 克洋菜粉,離火並倒進 150 克的黑巧克力碎片攪打混合,再倒進容器裡約 1 公分高度,隨後放進冰箱至少一小時。
  • 準備黃瓜:將黃瓜(用果汁機)榨成汁。提取 150 毫升,取其中一半與 1 克洋菜粉和一茶匙糖一起煮沸。離火,將剩下的另一半加進去,放涼後小心地倒在巧克力甘納許上(約 0.5 公分高),然後放進冰箱。
  • 擺盤:切成固定長度(約 6 公分長,1.5 公分寬)。可和黑巧克力圓脆片(Tuiles)一起食用。

不同變化:富含葉綠素的活力蔬果汁

選擇未處理過的小黃瓜,連皮榨汁,增強青綠及微苦滋味。這種富含葉綠素的果汁可以調味油醋汁、雞尾酒(琴酒等)和西班牙冷湯。可以將果汁冷凍在冰塊盒裡供多次使用。

——本文摘自 拉斐爾.歐蒙(Raphaël Haumont)、提耶里.馬克思(Thierry
Marx),《料理滋味創意地圖:法國材料物理化學專家聯手米其林主廚,15種香調、80種常見蔬果食材的氣味因子,探索 1,500 種創新風味搭配!》,2024 年 8 月,積木文化,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

0
0

文字

分享

0
0
0
從分子科學中發掘創新美食組合:巧克力配黃瓜其實很不錯?——《料理滋味創意地圖》
積木文化
・2024/08/15 ・2489字 ・閱讀時間約 5 分鐘

水蜜桃配杏桃、草莓配覆盆子、香草配巧克力或巧克力配椰子,這些經典搭配你覺得如何?那榛果配巧克力、開心果配覆盆子、檸檬配羅勒呢?面對上述搭配,手作職人和食品加工製造商只會發表「大家還沒有準備好吃別的東西」、「如果我們做點不一樣的東西,銷售量就會不好」之類的意見。真的是這樣嗎?這個美麗的世界裡明明存在著幾百種不同的氣味,為何美食界就只滿足於那幾十種呢?當我們瞭解每一種蔬果、每一塊巧克力、每一樣香料都含有幾百種味道和氣味分子後,就會明白,我們錯過的可是不計其數的搭配可能!

每種食材都蘊含有幾百種味道和氣味分子。 圖/envato

氣味分子的秘密:從香草到薄荷的驚人連結

食物配對(foodpairing)是以化學為依據的食材搭配研究,其核心想法是把「擁有越多共同分子」的食物搭配在一起。此理論奠定在紮實的生理面根基上:人們感知到的味道,是透過味覺接收器的化學活化作用進而做出的解讀,若兩種食物的分子組成類似,就會對接收器產生相似的作用。

實際作法如下。首先,我們利用分子分離技術(例如:層析法、光譜測定法等)針對「人對滋味的感知」進行系統分析,進而獲得食物的「分子身分證」。這部分的困難之處,在於要檢測出微量存在的分子,不過數據資料庫也隨著分析設備的進步而擴增當中。

在比較來自印度洋和大溪地的香莢蘭(planifolia)或中美洲的大花香莢蘭(pompona)時,所有香草莢都呈現出很強的「香草醛」(vanilline)訊號。然而,把香草概括成香草醛——更糟的是,把香草醛概括成一種產業用的廉價合成分子「乙基香草醛」(éthylvanillne)——實在過於簡化。事實上,香草家族彼此間所有味道與氣味(甜、水果、花卉、酚類、煙草、甘草、茴香等香氣)的微妙之處,都是由低強度分子訊號所產生的;這些訊號有時很難被偵測或鑑定出來,但卻蘊藏著濃郁芳香,以及「波本香草」、「大溪地香草」等的專屬標記。

-----廣告,請繼續往下閱讀-----

許多研究結果使我們能確定大部分食物中的活性分子,像是維生素、礦物鹽和微量元素、味道分子、氣味分子、糖、蛋白質、脂肪物質等。全球研究者也分析了烹煮帶來的影響。我們根據這些研究成果,集各式香氣分子特色繪製圖譜,並以此為基礎開創出新搭配。

我們也從香水、化粧品和葡萄酒領域中擷取靈感。在香水產業,順 -3- 己烯醇(cis-3-hexen-1-ol,又稱葉醇)已被認為是葉綠素新鮮度的標記,而 1,5- 環二烯(1,5-octadiene)則是下層植被和蘑菇的標記;我們將它們歸類進幾項風味類別裡(果香、綠質、脂肪等),定出了「參考分子」。

其他還有像是羅勒、藍莓、黑醋栗或百香果中都存在桉油醇(1,8-cinéol)與辛醇(1-octanol),而黑醋栗、草莓、芭樂、百香果和哈密瓜則都含有丁酸乙酯。草莓-羅勒-黑醋栗、草莓-百香果、黑醋栗-黑莓-羅勒或哈密瓜-百香果-芭樂的組合,就是出於這種「自然而然」的前提。有些食物也扮演著「媒合者」的角色,以薄荷為例:如果說巧克力跟薄荷、黃瓜與薄荷都搭得起來,那麼何不試試巧克力配黃瓜?我們已經試過囉,結果非常搭!(請見第82頁)

我們能在料理中做什麼呢?

說得清楚些:食物配對並不是要去預測新的「食譜」,而是新的「搭配可能」。雖然無法保證這些新組合真的都適合品嘗,但絕對值得一試,而廚師也得發揮他所有的技藝,把可能的組合變成美味佳餚。前面也提到,我們感受到的味覺解讀主要來自食物分子與接受器的結合,卻並非僅止於此。嘴唇、舌頭、上顎等在整體感知中也扮演重要角色,最後則是在味覺上是否產生情緒感受。因此,廚師在食物質地上所下的功夫,得和對滋味的用心一樣多,多方嘗試如鬆脆、柔軟、鮮嫩、凝膠狀、融化的、冷的、溫的、熱的等不同條件。

-----廣告,請繼續往下閱讀-----

這本書裡提供所謂的「三元素組合」,但你可以自由將其中兩兩一組做搭配,或藉由其他調性接近的食材讓組合更多元。例如,當提到蒔蘿(又稱小茴香)時,你可以用茴香、茴芹(又稱大茴香)、孜然或所有其他具綠質/茴香味的產品代替。在三元素組合裡,我們常提供兩種主要食材,以及第三種可以被當成調味品或「加分潤飾」的選項;後者會讓餐點滋味演變出新方向。如果食物在配對上可以透過相似性發揮,做到酸味+酸味、綠蔬+綠蔬、油脂香氣+油脂香氣等組合,那麼在烹飪時,藉由把具揮發性及更為濃郁的香氣搭在一起,重新取得平衡便很重要。

測驗食物的搭配,並非只是要開發新食譜,而是尋找食物之間新的可能性。 圖/envato

味覺上的私密性:蔬果結構與被隔絕的香氣

準備食物、切割食物、選擇某個部位來食用及烹煮⋯⋯這些不僅只是料理美學的問題,有時確實是出於味道才做出的選擇,而且還希望能加強某一種芳香氣味,將它從另一種氣味中隔絕出來。藍莓、無花果或小蕪菁從上到下/從中間到外圍都有一種「獨特」味道,黃瓜或韭蔥就沒有這種特性。韭蔥的綠色部位(綠質草本香)和白色部位(綠質豆科植蔬氣息)非常不同,黃瓜的皮(綠質草本香)和果肉(柑橘香)也不一樣,而果肉本身更不同於黃瓜的「籽」(碘味)。

我們選擇藉由揭開這些食物的各種芳香面向來剖析這些食物,讓你可以在滋味上搭配出最佳組合,並且創造前所未有的協調感。

遠離韭蔥佐油醋汁,讓我們試一試白色部位的韭蔥佐開心果油,或是以綠色部位的韭蔥配百香果吧!

-----廣告,請繼續往下閱讀-----

——本文摘自 拉斐爾.歐蒙(Raphaël Haumont)、提耶里.馬克思(Thierry
Marx),《料理滋味創意地圖:法國材料物理化學專家聯手米其林主廚,15種香調、80種常見蔬果食材的氣味因子,探索 1,500 種創新風味搭配!》,2024 年 8 月,積木文化,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。