본 논문은 식량 시스템이 인간이 유발하는 온실가스 배출량의 3분의 1을 차지한다는 점을 바탕으로, 대규모 언어 모델(LLM)이 식량 생산의 환경적 영향 감소에 기여할 수 있는 방안을 연구합니다. 지속 가능한 식량 관련 문헌과 전문가 협업을 바탕으로 설계 및 예측 과제의 유형을 정의하고, 여섯 가지 LLM을 네 가지 과제에 대해 평가합니다. 예를 들어, 지속 가능한 단백질 설계 과제에서 LLM과의 협업은 다른 전문가 인간 식품 과학자와의 협업(22%)에 비해 평균 45%의 시간 단축 효과를 보였습니다. 그러나 지속 가능한 메뉴 설계 과제에서는 인간의 만족도와 기후 영향을 모두 고려하도록 지시했을 때 LLM이 최적 이하의 솔루션을 생성했습니다. LLM의 추론 능력 향상을 위해 조합 최적화와 통합하는 일반적인 프레임워크를 제안하며, 이를 통해 가상 레스토랑에서 음식 선택 배출량을 79% 줄이면서 참가자의 만족도를 유지하는 결과를 얻었습니다. 결론적으로, 최적화 기술을 지원받은 LLM은 지속 가능한 식량 개발과 채택을 가속화할 잠재력을 가지고 있음을 보여줍니다.
