能搞出这个AI系统的,一看就是吃货

栏目: 数据库 · 发布时间: 4年前

内容简介::pizza:From: VentureBeat等 编译: Ace

能搞出这个AI系统的,一看就是吃货

:pizza:

From: VentureBeat等 编译: Ace

随着机器人的玩法越来越多,机器人大厨、营养师、配餐师可能在不久的将来就能跟人类大厨在美食擂台上一决高下。

最近韩国高丽大学的一帮吃货们发表了一篇论文,开发出了一款AI系统——

“KitchenNette”

能够预测各种食材的搭配,并给出相应的评分。研究人员表示KitchenNette不仅可以给出一个详尽的配菜推荐,探索一些新颖的食材组合, 更甩出目前的其他基准模型不止一条街

民以食为天,当人类基本的温饱得到满足,探索更多食物搭配成为很多厨师、吃货甚至营养师们的新课题。当 程序员 遇上美食,想得可就不是如何通过不断的试错和长期的培训才能总结出一份精妙的食谱了。

高丽大学的研究人员认为从厨师本身出发来制定食谱是一件很主观的事情,各国之间、各大厨之间的习惯偏好都不尽相同,那能不能从海量的数据中得出普适性的规律呢?能否将食材之间搭配量化为AI能够识别的数据,并利用神经网络产生最科学的组合呢?对于一些前人从未尝试过的食谱,如何能够提前知道那是绝世美味还是黑暗料理呢?

为了解答这些问题,研究人员们 基于孪生神经网络 提出了这个AI模型。孪生神经网络用于衡量两个输入的相似程度。孪生神经网络有两个输入,将两个input分别输入进两个神经网络,这两个神经网络分别将输入映射到新的空间,形成输入在新的空间中的表示。通过对Loss的计算,评价两个input的相似度。

能搞出这个AI系统的,一看就是吃货

▲ 孪生神经网络基本原理

能搞出这个AI系统的,一看就是吃货

▲ 本次研究的基本架构

为了训练模型,研究人员先让它学习已标注的30万个已知食物组合的分数 (来自100万个菜谱) ,这部分数据只占了全部的5%,而剩下的95%的食物组合则是不太主流或不流行的,这些数据需要AI来进行预测。另一个分离的机器学习算法是Im2Recipe,用于抓取出成分的名字,研究人员用它来编制一系列从-1到1之间的分数,分数越高表示这两种食物的搭配越好吃。

能搞出这个AI系统的,一看就是吃货

▲  来生动理解一下

研究团队做了两个小实验来验证该模型究竟能否胜任。在第一个实验中,他们选择了三种类似的碳酸白葡萄酒——香槟,气泡酒,普罗赛克 (如果不是专业的葡萄酒爱好者可能还真的有点分不清楚) 。KitchenNette的任务是来 计算与之搭配的食物所得的配对分数 ,即预测不同种类的白葡萄酒与某一种食物搭配口感如何。

不出研究人员所料,“香槟+橙皮”以及“气泡酒+橙皮”的组合得分比较高(0.33-0.42),而“气泡酒+洋葱”和“普罗赛克和洋葱”的得分就很低啦。

能搞出这个AI系统的,一看就是吃货

在第二个实验中,AI系统通常会建议我们在烹饪中经常会用到的原料组合,比如“西红柿和生菜”,“洋葱和碎牛肉”,“胡椒和牛至”, (学习一个新单词 oregano 欧亚大陆的一种多年生唇形科草本植物,长有芳香的、可用于调料的叶子 。这些烹饪建议正与下面这两本备受推崇的“吃货圣经”里面的推荐吻合。

能搞出这个AI系统的,一看就是吃货

能搞出这个AI系统的,一看就是吃货

能搞出这个AI系统的,一看就是吃货

除了这些不出错的预测,KitchenNette还推荐了一些 书中没有的搭配建议 ,比如说一系列的肉类如何与红酒相搭配,清酒是哪些日料的绝佳拍档。

能搞出这个AI系统的,一看就是吃货

研究团队表示,未来他们会将食物的化学成分纳入考量范围,并使用来自权威百科全书的、更详细的食物信息作为训练数据。不仅如此,他们还希望使用一些新颖有趣而非众所周知的食谱来使他们的AI系统推荐出 更具创意的食物搭配方案

想看论文的朋友们戳这里:

https://arxiv.org/pdf/1905.07261.pdf

除了 KitchenNette ,还有哪些?

高丽大学的这次研究帮助AI在烹饪史上更进一步,我们来梳理一下在此之前各国的公司都做过哪些尝试。

今年2月, IBM 与McCormick & Company (味好美) 合作,运用机器学习创造调味品新口味。拥有130年历史的McCormick&Company是一家美国食品公司,主营生产和分销香料和调味料。IBM开发的配方预测AI系统利用味好美专有的“数以亿计”的调味品数据,有望将研发调味品的速度 提升3倍 ,其正在研发的新品One预计将于2019年中推出。

早在2016年初,IBM公布了 Chef Watson 研究项目,通过研究上百种不同原料的化学成分和上万个来自Bon Appétit(一本美国的美食月刊)的食谱,Chef Watson甚至在2015年出版了自己“写”的食谱。

能搞出这个AI系统的,一看就是吃货

还有一家来自纽约的AI初创企业Analytical Flavor Systems,他们采用的Gastrograph,是一个用于感官数据收集和机器学习知识食品见解的 全栈平台

能搞出这个AI系统的,一看就是吃货

此外还有 Foodpairing、PlantJammer和 Dishq能够产出个性化推荐。由前GoogleCMO (伊斯兰和希腊地区) Alon Chen主导的Tastewise是一家位于特拉维夫的创业公司,其平台结合了AI、预测分析,计算机视觉和自然语言处理,为餐厅、酒店和相关品牌提供美食建议。

能搞出这个AI系统的,一看就是吃货

Ref:

https://venturebeat.com/2019/05/20/ai-predicts-new-food-and-drink-pairings/

https://venturebeat.com/2019/02/04/ibm-and-mccormick-stir-new-spice-blends-with-ai/

https://www.ibm.com/blogs/watson/2016/01/chef-watson-has-arrived-and-is-ready-to-help-you-cook/

https://venturebeat.com/2018/11/08/afs-raises-4-million-for-ai-to-profile-foods-and-beverages/

https://venturebeat.com/2018/08/02/halla-taps-ai-for-personalized-grocery-and-dish-recommendations/

https://zhuanlan.zhihu.com/p/35040994

-The End-

将门 是一家 以专注于 发掘、加速及投资技术驱动型创业公司 的新型 创投机构 ,旗下涵盖 将门创新服务、将门技术社群以及将门创投基金。将门成立于2015年底,创始团队由微软创投在中国的创始团队原班人马构建而成,曾为微软优选和深度孵化了126家创新的技术型创业公司。

将门创新服务 专注于使创新的技术落地于真正的应用场景,激活和实现全新的商业价值,服务于行业领先企业和技术创新型创业公司。

将门技术社群 专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容,使创新成为持续的核心竞争力。

将门创投基金 专注于投资通过技术创新激活商业场景,实现商业价值的初创企业,关注技术领域包括 机器智能、物联网、自然人机交互、企业计算。 在三年的时间里,将门创投基金已经投资了包括量化派、码隆科技、禾赛科技、 宽拓科技、 杉数科技、迪英加科技等数十家具有高成长潜力的技术型创业公司。

如果您是技术领域的初创企业,不仅想获得投资,还希望获得一系列持续性、有价值的投后服务, 欢迎发送或者推荐项目给我“门”:  bp@thejiangmen.com

能搞出这个AI系统的,一看就是吃货     

点击右上角,把文章分享到朋友圈

能搞出这个AI系统的,一看就是吃货  

将门创投

让创新获得认可!

微信:thejiangmen

bp@thejiangmen.com

点击“ ❀在看 ”,让更多朋友们看到吧~


以上所述就是小编给大家介绍的《能搞出这个AI系统的,一看就是吃货》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

架构真经

架构真经

马丁L. 阿伯特(Martin L. Abbott)、迈克尔T.费舍尔(Michael T. Fisher) / 机械工业出版社 / 2017-4 / 79

前言 感谢你对本书第2版感兴趣!作为一本入门、进修和轻量级的参考手册,本书旨在帮助工程师、架构师和管理者研发及维护可扩展的互联网产品。本书给出了一系列规则,每个规则围绕着不同的主题展开讨论。大部分的规则聚焦在技术上,少数规则涉及一些关键的思维或流程问题,每个规则对构建可扩展的产品都是至关重要的。这些规则在深度和焦点上都有所不同。有些规则是高级的,例如定义一个可以应用于几乎任何可扩展性问题的模......一起来看看 《架构真经》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

在线进制转换器
在线进制转换器

各进制数互转换器