# TastePrint：味の分布を設計する3Dフードプリンタ

- 番組: [Data Skeptic](https://ai-curator.jp/podcasts/shows/cmv3z5c0c000g5o103lrxmz9d)（Kyle Polich）
- 元のタイトル: TastePrint
- 配信日: 2026年10月29日
- 長さ: 26分
- 要約作成日: 2026年10月29日
- トピック: [#デジタルフードファブリケーション](https://ai-curator.jp/topics/%E3%83%87%E3%82%B8%E3%82%BF%E3%83%AB%E3%83%95%E3%83%BC%E3%83%89%E3%83%95%E3%82%A1%E3%83%96%E3%83%AA%E3%82%B1%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3) [#HCI](https://ai-curator.jp/topics/HCI) [#3Dフードプリンタ](https://ai-curator.jp/topics/3D%E3%83%95%E3%83%BC%E3%83%89%E3%83%97%E3%83%AA%E3%83%B3%E3%82%BF) [#味覚知覚](https://ai-curator.jp/topics/%E5%91%B3%E8%A6%9A%E7%9F%A5%E8%A6%9A) [#嗜好学習](https://ai-curator.jp/topics/%E5%97%9C%E5%A5%BD%E5%AD%A6%E7%BF%92) [#食感設計](https://ai-curator.jp/topics/%E9%A3%9F%E6%84%9F%E8%A8%AD%E8%A8%88)
- URL: https://ai-curator.jp/podcasts/cmvtkhc7v00015p11wlc1q9xx

## 要約

埼玉大学の博士課程学生 Yamato Miyatake 氏が、HCIとデジタルフードファブリケーションの交差領域での研究を語った回。3Dフードプリンタで形状だけでなく味の空間分布も制御するTastePrintと、食感を扱うChewTectを紹介し、ユーザー評価の課題や、嗜好学習によるクローズドループ化という今後の展望も説明している。

## ポイント

- TastePrintは、1種類のベース素材を積層しつつ、各層ごとにプログラム可能なスプレーで液体調味料を狙った位置に吹き付け、味の分布を制御する3Dフードプリンタである。
- 味の分布自体は料理人も使う手法だが、TastePrintの違いは3Dモデルと同様にコンピュータ上で設計でき、再現性がある点だと述べている。
- 現時点の味覚評価実験は小規模で探索的であり、参加者によって差を感じ取れたかどうかが分かれたため、さらなる検証が必要としている。
- 制約として、スプレーの解像度、素材ごとの吸収・溶解の違い、ペースト状素材しか使えない点を挙げた（実験にはマッシュポテトを使用）。
- 味覚は多感覚的な知覚で、数理モデルは確立していないため、学習モデルとユーザーのフィードバックを組み合わせたクローズドループが今後の課題だという。
- ChewTectは、最初の一口と咀嚼中の食感を、食品の内部構造で比較的独立に調整できることを示した。ただし試作には3Dプリントした型を使っている。

## 章立て

- [00:00] **デジタルフード製作とは** — ゲスト紹介と、計算機で調理工程を設計する分野の目標、日常の食体験を重視する立場の説明。
- [03:04] **TastePrintの仕組みと使い方** — 層ごとにスプレーで調味料を付与する仕組みと、スライサーに似たGUIでの味の配置指定を説明。
- [07:14] **味覚の科学と健康への応用** — 味の分布が知覚に与える影響は未解明であり、甘味低減など健康面は長期目標であること、味の数理モデルがないことを語る。
- [10:21] **実験結果と技術的限界** — ハードウェア精度とユーザー調査の結果は探索的な段階にとどまる。解像度や素材の制約、評価者の問題も議論された。
- [11:26] **パーソナライズとクローズドループ** — 二択のフィードバックによる嗜好学習で、個人に最適な味を生成する構想とオープンな研究課題。
- [19:42] **ChewTectと食感の時間変化** — 一口目と咀嚼時の食感を内部構造で調整する研究。TastePrintとの組み合わせにも触れる。
- [21:43] **実用化とHCIとの接点** — プロの厨房での導入に向けた協力や、食品科学とHCIをつなぐ意義、今後の研究予定を語る。

## 解説記事

Data SkepticのHCIシリーズの一回で、埼玉大学の博士課程学生 Yamato Miyatake 氏が、3Dフードプリンタで「味の置き場所」を制御するシステム TastePrint と、食感を扱う ChewTect について語った。デジタルファブリケーション（レーザーカッターや3Dプリンタなどで物をつくる技術）を食に持ち込む研究で、調理を計算可能にすることを目指している。

#### 調理を「計算できるもの」にする

Miyatake 氏によれば、デジタルフードファブリケーションの目標は、レシピや調理工程をコンピュータ上で設計できるようにし、最適化手法の適用や新しい食体験の創出につなげることだ。分子ガストロノミー的なファインダイニングとも関連はあるが、狙いは特別な料理ではなく、日常の食環境に展開できる体験だという。また、ロボットは人の調理の創造性を奪うのではなく、協働することでより創造的な料理を可能にするという考えを示した。

#### TastePrintの仕組み

従来のフードプリンタは形状を積層で作れても、味は均一になりがちだった。TastePrintは1種類のベース素材を押し出し、各層の後にプログラム可能なスプレーで液体調味料を指定位置に吹き付ける。たとえば最初に強い塩味、後から甘味を感じるといった、時間的な味の変化を作れる。

味の分布設計そのものはプロの料理人が既に行っているが、TastePrintの価値は再現性にある、と同氏は述べている。ユーザーは3Dプリンタのスライサーに似たGUIで3Dモデルを読み込み、味を置く位置や量、強度を指定すると、システムがGコードなどの機械コマンドに変換する。

#### 味覚研究の道具として

TastePrintは複雑な味の分布を頑健に作る道具であり、それを使って人が非均一な味をどう知覚するかを調べられる。非均一な味が均一な場合と異なる知覚を生むことは既存研究でも示されているが、どの分布がどんな知覚を生むかは未解明だという。

健康面では、香りなどと組み合わせて甘味成分の総量を減らしつつ甘さの知覚を保つ応用が長期目標とされたが、今回の論文の範囲外である。味覚は視覚・嗅覚なども絡む多感覚的な知覚で、味を表す特定の数理モデルはないとも説明した。

#### 評価と限界

ユーザー調査は味覚評価実験と形成的デザイン実験の二つで、結果は探索的だと明言している。均一分布と中心集中型の分布を比べたところ、違いに気づいた参加者もいれば、そうでない参加者もいた。参加者数が少なく、さらなる調査が必要だという。

課題として挙げられたのは、スプレー解像度（上げると印刷時間が増える）、素材依存の吸収・溶解の影響（実験ではマッシュポテトを使用）、現状のプリンタがペースト状素材にしか使えない点だ。また、味の弁別能力を測るには専門評価者が必要だが、想定ユーザーは一般の人であり、この乖離が調査設計を難しくしているという。

#### クローズドループとChewTect

今後の中心課題は、ユーザーの反応から知覚や嗜好を学習するクローズドループだ。味の知覚は解析的に解けないため、学習モデルが必要になる。フィードバックは「AとBのどちらが好きか」といった二択にして、一般の人でも答えやすくする方針で、すでに取り組んでいるという。

ChewTectは、最初の一口とその後の咀嚼で食感の知覚が異なることに着目した研究である。食品の内部構造を調整すると、両者を比較的独立に調整できることが分かった。ただし試作は3Dプリントしたシリコーン型で作っており、フードプリンタで直接作ったものではない。TastePrintとの組み合わせは興味深い方向だと述べている。

#### まとめ

本研究は、味を形状と同じようにデータとして設計・再現できるようにする基盤づくりであり、現段階では評価は探索的で、実用技術というよりは研究用ツールである。実用化は大量生産ではなく、まずプロの厨房での試験導入が想定され、飲食店との協働も始まっているという。日本の読者にとっては、食品開発やパーソナライズ栄養に、嗜好学習などのAI技術がどう結びつくかを考える手がかりになる。注目点は、今後公表予定の人を含めたクローズドループ研究である。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Data Skeptic「TastePrint」