正如基弗所说：“很难告诉那些没有吃过肉的人或者是刚开始吃肉的人：吃肉可能带来问题，他们不应该吃肉。”所以，不管用什么代替肉，蒂特里克和穆奇尼克都需要首先尝尝，感受下它们是否像肉。但这些替代品也必须是可扩大规模的，易于获得的，而且有发展前途、且更健康。那么AI如何帮助实现这个目标？
构建基础
对于像蒂特里克和穆奇尼克这样的人来说，开始的方式是改变看待食物视角。他们对松饼的看法与一般人大不相同。蒂特里克解释说：“松饼需要呈圆形、棕色，要有自己的纹理，并有个保质期。”然而，他并没有提到它到底有多好吃。他们的目标是找到一种方法让松饼满足这些条件，但使用不同的原料。
加州大学伯克利分校的另类肉类实验室（Alternative Meat Lab）客座教授里卡多·圣·马丁(Ricardo San Martin)说，解决这个问题是“非常困难的”。一方面，体验的每个方面（从口感和质地到食物加热时的变化）都是特定分子或微成分的产物，比如蛋白质或脂肪。在我们目前的饮食中，很多都来自于动物成分。
这两家公司都建立并使用了数千种植物成分的数据库
寻找肉类替代品的第一步是确定尽可能多的候选物，这可以通过在世界各地搜寻食用植物来完成。问题是，没有人确切知道哪些会起作用。即使是每天吃这些食物的人，也不知道可以用它们来代替猪肉或鸡蛋。然后是对食物进行分析。研究人员必须弄清楚每种植物成分是由什么组成的，以及每种成分的比例，这需要从分子水平上进行了解。所有这些数据都将被记录到拥有数千甚至数百万个条目的数据库中，这取决于分析的详细程度。联合国粮农组织统计发现，世界上有25万多种可食用植物，而每种植物的变体则无法计数。
如果这个问题还不够难，还有一个问题就是这些不同的成分是如何相互作用的。错误组合和特定组合会产生意想不到和不愉快的味道或不理想的反应。正如圣·马丁指出的那样，问题在于“化合物之间的相互作用非常复杂”，这意味着许多事情会在无法预见的情况下出错。
反馈如此多变量是个令人难以置信的过程，但这正是AI的用处所在。AI用的是更合乎逻辑的方法，而不是完全靠碰运气的人工品尝。它是通过机器学习来实现的，这一技术基本上允许计算机学会如何通过尝试和失败来解决问题。它被用于解决许多不同的问题，从面部识别到帮助医生发现癌症等。
虽然AI在第一次没有得到正确的结果，但它在每次犯错时都能吸取教训并进行改善，这通常得益于人类的反溃结果可能令人感到惊讶。Hampton Creek最近发现，一种叫做绿豆的印度豆荚分离蛋白具有类似炒鸡蛋的特性。NotCo公司最令人眼花缭乱的配方之一是它的巧克力产品，一个使用西兰花、枸杞、蘑菇和坚果的奇异组合，但他们不愿与我们分享。
人工智能还允许这些公司将他们的许多流程自动化
到目前为止，这些公司使用了以AI为主导的方法来制造乳剂，即像蛋黄酱、炒蛋替代品或曲奇饼等液体食品。模仿生产固体食物更复杂。正如圣·马丁所说，这需要“缓慢释放分子”，这就像在解决3D难题而不是2D难题。
不过NotCo公司有个计划，萨莫拉说：“我们正在制造一种牛奶，就像真的牛奶一样。它不仅有与牛奶有相似或更好的营养成分，而且具有相同的功能结构。”萨莫拉的意思是，它可以像现在的牛奶那样被使用，比如用于饮用、烹饪或作为制作奶酪、酸奶或冰淇淋的原料，而它却是一种素食产品。
然而，更大的目标是取代肉类，这两家初创公司都在用不同的方法解决这个肌肉问题。Hampton Creek正在实验室培育肌肉和脂肪细胞，并正在研究如何用植物性营养来喂养这些细胞。NotCo公司正在寻找只用植物性成分再造肉类的方法。NotCo公司的AI Giuseppe是以文艺复兴时期画家朱塞佩·阿尔钦博托(Giuseppe Arcimboldo）的名字命名的，后者擅长用水果和蔬菜塑造人像。穆奇尼克解释称：“对我们来说，动物成分绝不是一种选择。”