An Explainable AI Framework for Thai Dish Recommendation Using Sensory Profiling and Association Rule Mining

태국 음식점에 들어갔다고 상상해 보세요. 당신은 단순히 거대한 샌드위치 하나를 주문하고 끝내지 않습니다. 대신, 마치 모든 조각이 서로 완벽하게 맞물려야 하는 퍼즐처럼, 여러 요리로 가득 찬 테이블을 구성합니다. 어떤 요리는 맵고 시며, 다른 요리는 바삭하고 짭짤합니다. 만약 제대로 맞춘다면 그 식사는 하나의 교향곡이 되지만, 잘못 맞춘다면 당신의 미뢰는 혼란에 빠지고 지쳐버릴 것입니다.

오랫동안 음식을 추천하려던 컴퓨터 프로그램들은 서투른 요리사와 같았습니다. 그들은 당신이 이전에 무엇을 주문했는지만 보고 "오, 피자를 좋아했으니 여기 피자가 또 있습니다!"라고 추측할 뿐이었습니다. 그들은 맛이 어떻게 어우러지는지에 대한 '마법'을 이해하지 못했습니다. 그들은 "블랙박스"였습니다. 결과는 얻었지만, 왜 그런 결과가 나왔는지 알 수 없었던 것입니다.

콘캔 대학교(Khon Kaen University) 연구진들이 이끄는 이 연구는 컴퓨터에게 태국 할머니처럼 생각하는 법을 가르치기로 했습니다. 그들은 특별한 "설명 가능한 AI(Explainable AI)" 프레임워크를 구축했습니다. 이것은 단순히 추측하는 로봇 요리사가 아니라, 실제로 태국 식사의 '규칙'을 이해하는 로봇 요리사라고 생각하면 됩니다.

비밀 레시피: 맛, 질감, 그리고 향기

연구진들은 태국 음식을 이해하려면 단순히 재료만 봐서는 안 된다는 것을 깨달았습니다. 세 가지를 동시에 보아야 합니다:

1. 맛: 짠맛, 신맛, 매운맛, 단맛, 쓴맛, 혹은 감칠맛(umami)인가?
2. 질감: 부드러운가(진한 커리처럼), 단단한가(구운 스테이크처럼), 혹은 미끈거리는가(국물이나 샐러드처럼)?
3. 향기: 바다 향인가, 가축의 향인가, 신선한 허브 향인가, 아니면 곡물 향인가?

그들은 한 태국 음식점의 실제 데이터—1년 동안의 수천 건의 주문 내역—를 가져와 모든 주요 요리를 이 세 가지 카테로리로 분류했습니다. 이는 마치 모든 요리에 고유한 신분증을 부여하는 것과 같았습니다.

"아프리오리(Apriori)" 탐정

어떤 요리들이 함께 어울리는지 찾아내기 위해, 그들은 아프리오리 알고리즘이라는 도구를 사용했습니다. 이 도구는 엄청나게 똑똑한 탐정이 거대한 영수증 더미를 조사하는 것과 같습니다. 이 탐정은 단순히 사람들이 "치킨"을 얼마나 많이 주문했는지를 세는 것이 아닙니다. 탐정은 "이봐, 사람들이 매콤한 샐러드를 주문할 때마다 반드시 튀김 요리도 함께 주문하네!"와 같은 패턴을 찾아냅니다.

이 논문은 매우 구체적이고 강력한 규칙들을 발견했습니다:

• 황금 쌍(The Golden Pair): 손님이 매콤한 샐러드를 주문하면, 튀김 요리를 함께 주문할 확률이 **53.6%**입니다. 컴퓨터는 이 조합이 무작위로 요리를 선택할 때보다 2.33배 더 빈번하게 일어난다고 계산했습니다.
• 대조의 규칙(The Contrast Rule): 태국 식객들은 대비를 좋아합니다. 그들은 종종 매콤한 샐러드(신맛, 미끈거리는 질감, 신선함)를 튀김 요리(짠맛, 단단함, 바삭함)와 함께 곁들입니다. 이는 마치 시원하고 상쾌한 레모네이드를 뜨겁고 바삭한 감자칩과 함께 먹는 것과 같습니다. 논문은 이것이 무작위가 아니라, 입맛이 지루해지지 않도록 식사의 균형을 맞추려는 의도적인 방식이라고 제안합니다.

컴퓨터가 배운 것 (그리고 거부한 것)

이 연구는 음식의 조합이 단순히 유사한 재료를 맞추는 것(재료의 향이 비슷해야 함께 어울린다는 기존의 '음식 페어링 가설')이라는 생각을 명시적으로 배제했습니다. 대신, 데이터는 태국 식사가 **대비(contrast)**를 기반으로 만들어진다는 것을 보여주었습니다.

예를 들어, 사람들은 찜 요리와 삶은 요리처럼 두 개의 "젖은(wet)" 또는 "부드러운(soft)" 요리를 함께 주문하는 경우가 드물었습니다. 이들의 공통 출현 빈도(co-occurrence)는 약 **10.96%**로 낮았습니다. 컴퓨터는 태국 식객들이 중복을 피한다는 것을 배웠습니다. 그들은 미끈거리는 것, 단단한 것, 부드러운 것 등 다양한 질감의 조화를 원합니다.

"무엇" 뒤에 숨겨진 "왜"

이 부분이 가장 멋진 부분입니다: 이 AI는 설명 가능합니다. 대부분의 AI 시스템은 단순히 "이것을 드세요"라고 말합니다. 하지만 이 시스템은 "당신이 주문한 마지막 요리의 질감을 보완하기 때문에 이것을 드셔야 합니다"라고 말합니다.

연구진은 자신들의 발견을 바탕으로 일련의 규칙을 만들었습니다. 예를 들어:

• 규칙: 만약 당신이 "단단함 + 육류 + 매콤함" 요리(예: 돼지고기 볶음)를 골랐다면, 시스템은 "미끈거림 + 해산물 + 신맛" 요리(예: 똠얌꿍)를 추천합니다.
• 이유: 데이터에 따르면, 가장 인기 있는 조합은 '육류-감칠맛-단단함'이었지만, 완전한 식사를 만들기 위해서는 해산물의 상쾌하고 미끈거리는 신맛이 이를 균형 있게 맞춰줘야 했기 때문입니다 (**15.49%**의 경우).

얼마나 확신하는가?

논문은 이 특정 음식점의 데이터에서 발견한 패턴에 대해 매우 확신하고 있습니다. 그들은 실제 거래 내역에서 이 수치들을 직접 측정했습니다. 그들은 전체 주문된 요리의 **23%**가 튀김 요리였고, **20%**가 매콤한 샐러드였다는 것을 알아냈습니다. 또한 매콤한 샐러드 주문의 **53.6%**에 튀김 요리가 포함되었다는 것도 알고 있습니다. 이것은 추측이 아니라 영수증에서 나온 확고한 숫자들입니다.

하지만 논문은 이것이 한 곳의 음식점을 기반으로 한다는 점을 인정합니다. 이러한 패턴이 깊은 문화적 논리를 반영하는 것처럼 보이지만, 저자들은 이 규칙들이 다른 태국 음식점에서도 작동할 수 있다고 (증명하기보다는) 제안합니다. 그들은 모든 곳에서 테스트하지 않았으므로, 이를 아직 우주의 보편적인 법칙이라고 말할 수는 없으며, 단지 이 특정 장소에서 나타나는 매우 강력한 패턴이라고 볼 수 있습니다.

결론

이 연구는 태국 문화를 위한 스마트한 음식 추천 시스템을 구축하려면 단순히 수학을 이용해 사람들이 무엇을 좋아하는지 추측해서는 안 된다는 것을 보여줍니다. 컴퓨터에게 그 문화의 '감각적 논리'를 가르쳐야 합니다.

실제 거래 데이터와 맛, 질감, 향기에 대한 깊은 이해를 결합함으로써, 연구진은 단순히 음식을 추천하는 것이 아니라 식사의 '예술'을 설명하는 시스템을 구축했습니다. 이는 태국 식사에서 전체는 부분의 합보다 크며, 컴퓨터 또한 그 균형을 감상하는 법을 배울 수 있음을 증명합니다.