在Facebook和LinkedIn，数据科学家分析了站点使用，并开发考虑用户信息的功能。在一个3岁的旧金山初创公司的垃圾河畔狭窄的办公室里，数据科学家正在做一些完全不同的东西，可以说是更有影响的。

他们是从数十万个植物中的数十亿蛋白质，以p出来可以形成蛋素当量的基础。首先，他们提出了给定的蛋白质进行测试。然后，Glooied Chefs用其他一些成分尝试出来。结果向楼上发送到数据科学家，他阻止涉及缺乏结果的蛋白质和与其相关的其他人。和汉普顿小溪从此接近其崇高目标。

启动成功地成功地登陆其植物的“梅奥”，在沃尔玛和整个食品中的饼干面团在美国遍布各地的商店，它被认为是国际扩张。因此，Hampton Creek与其他人可以购买和吃的产品一起引起了我的注意，就像肉类和大豆一样。

但这忽略了Hampton Creek的潜力。它可以将其产品编织成巨大的食品产品操作，这可能降低碳排放 - 以及他们的采购成本。

这就是计算机进来的地方。

“我们的Slug是，我们应用深度机器学习植物生物数据，”李汉·克里克的研发主管，在初创公司办公室进行了面试时向道教进行了申诉。事实上，Chae说，Hampton Creek探讨了深入学习的使用，一种人工智能，以满足创建更健康的食物的目标。

食谱呼叫服务器

Chae认为，与其数据科学家，食品科学家，生物化学家，厨师和本地服务器，启动可以执行非凡的研究，特别是尺寸。

“我们已经与主要食品公司交谈过，那里有多百万美元的研究预算，”Chae说。他说，常时，工作围绕产品开发，可以带来收入。

Chae表示，“R＆D的”R“方面，研究和发展的研究方向较少。

Hampton Creek，它的一部分具有一个真实的实验室的感觉，其中有着精致的机械和成分容器的工作台上的行，占据了大部分办公空间。

遵循这4步

一切都在符合一个涉及人类和机器的精心制作过程：

通过测定来运行蛋白质。蛋白质的分子和食物相关性质。将蛋白质分成食物模型系统并获得它们如何表现的指标 - 例如它们是否会产生泡沫或与水结合。具有预测模型的相关蛋白质的性能。

特别是预测模型，特别代表了汉普顿溪的战略秘密酱。

“那样，我们了解到绩效真正有意义的物业，我们可以通过专注于这些属性来减少该搜索空间，并提高我们的命中率，”Chae说。“那么我们可以智能地和有效地搜索那个空间 - 与任何其他公司都没有开发这种技术。”

进入厨师

但是用蛋白质制作乳液并将它们中的每一个放入锅中 - 哪些员工每天可以做几次 - 将仍然是一个重要的步骤。毕竟，人们将用这些蛋白质准备食物，而不仅仅是在电子表格中盯着他们的数字。

这就是为什么有真正的厨师，如Ben Roche和Chris Jones，他们分别承担着冠军和发展厨师和烹饪创新总监。他们的工作是手动，但它确实变成了数据。

以上：炒鸡蛋，汉普顿溪风格，由研究和开发厨师Ben Roche提供。

图像

花在芝加哥Moto Restaurante的厨师德美食，在芝加哥的厨师餐厅搬到旧金山为汉普顿溪工作，喜欢好老笔记本，以储存他对蛋白质的观察。琼斯还将关于在白板上的标记中的特定蛋白质的简要字母和数字写下，当我停止时，该公司抛出了黑暗的覆盖。现实世界PS最终转移到数据库中。

琼斯充分了解他对蛋白质的印象不是很精确。将它们描述为主观，或者可能会通知，遵循多年的经验品尝食物会更准确。但琼斯知道他的日常生活。他怀疑他的味蕾会非常抛弃。因此，他的人类嘴巴仍然是一个非常高科技创业的重要组成部分。

通过一个指标来判断，服务器和厨师之间的余额可能是正确的。

“所有这些食品公司正在询问我们对合作用途的询问有理由，”Chae说。