AI炒菜、配料、开发新口味……人类终于可以只负责吃了?

传统的食谱识别系统被表述为一个检索任务，根据嵌入空间中的图像相似度评分从一个固定的食谱资料库中检索出来的。这类系统的性能在很大程度上取决于资料库的大小和多样性，以及所学的嵌入质量。缺点是当资料库中不存在查询目标的匹配菜谱时，这些系统就会失效。

针对这个不足，Facebook研究团队转换了思考方向，将图像到食谱问题公式化为条件生成问题。利用食物图片和对应食谱来做AI模型训练，使用预先训练的图像编码器和成分解码器，让它们利用从输入图像和成分共现中提取的视觉特征来预测一组成分。将图像及其相应的成分列表为条件生成指令序列，推导出它们的加工方式，形成多份可能的食谱。再根据加工方式的可能性从高到低排列，以此生成最终食谱。

由于食品在加工后往往会形成严重的形变，而且成分经常在烹饪的菜肴中被掩盖。加上原料、调味料、菜色种类及烹饪方式的多元，包含温度、火候、烹饪时间等制作过程中的些微差异，都会使餐点产生变化。这些变量为食谱识别增加了不少难度，因此，这款可以接受任何图片的FB系统甚至不能准确判断图片内容是否为食物。当研究团队导入月亮图片时，系统将其认作煎饼;而皮卡丘的图片则被识别为煎蛋。

随着人工智能自动化和图片识别技术逐渐成熟，食谱识别的相关研究已持续进行了数年。食物成分识别可帮助我们管理营养摄入情况，也能为厨师及烹饪爱好者提供灵感。但烹饪活动本身的变量极大，加上食物图片质量受拍摄技术、距离及环境等因素影响，现在的食谱识别技术尚未成熟，仍有不少问题尚待解决。 想要获得新食谱，上网搜索关键词或许比拍照更加便捷可靠。

玉米片+牛肉+咖啡豆 原来你们AI好这口?

IBM曾和美食杂志《Bon Appétit》合作进行了一个有趣的实验，将《Bon Appétit》中超过一万份食谱输入人工智能机器人沃森的“大脑”，推出主厨沃森(Chef Watson)创意食谱合成网页。只要输入想吃的菜系或食物种类(如墨西哥餐或面食)，再加上一个主题(如万圣节)，就可以得到一份创意食谱。或许是AI的口味和人类不一样，Chef Watson食谱的娱乐性远远高于实用性。它经常输出像“可可加上藏红花、黑胡椒搭配杏仁和蜂蜜”这类不寻常又健康的早餐组合，或是”用玉米粉圆饼片搭配牛肉和无花果，然后浇上磨碎的咖啡豆”等“黑暗料理”。

不只是IBM，麻省理工学院也做过类似的尝试。2018年，MIT的学生发布了AI披萨主厨Strono。研发团队从食品blog和食谱网站上搜集了数百种手工披萨配方，形成一个“披萨食谱数据库”，利用开源的机器学习模型textgnrnn，让Strono从中学习，以现有原料和食谱做为参考，创作出它自己的创意披萨食谱。这些食谱和Chef Watson一样，也存在一些常人难以想到的搭配，如蓝莓、菠菜和羊奶酪披萨;培根、牛油果和桃子披萨等。Strono的披萨食谱还发明了一些根本不存在的食材，比如“wale walnut ranch dressing”。为了完成实验，研发团队邀请了波士顿手工披萨店Crush Pizza的老板兼主厨，根据Strono的食谱实际做出这些披萨。Strono的作品中，最受欢迎的是虾、果酱和意大利香肠的搭配。Crush Pizza的老板已将Strono的这款创意披萨加入菜单，供客人享用。

即使拥有大量的食谱及食材相关数据，由于未对食材本身进行分析，Chef Watson和Strono仍然不能很好的掌握食材之间的匹配度，输出的食谱像是将食材和烹饪方式的随机组合。

由于烹饪本身的变量太多，要形成一份美味的食谱，必须对食材种类、状态、分量、火候、温度及烹饪方式之间的相关性等进行彻底的分析比对。目前尚未出现能完全达成以上要求的AI技术。

志趣相投可为友 气味相合可成菜

虽然现在的AI还无法稳定地输出创新且合理的食谱，但单纯分析各类食材之间的匹配度，还是可以做到的。

Foodpairing就是一个通过化学手段分析食材气味，以AI算法技术匹配食材，提供食材搭配建议的网站。通过人工智能运算，分析比对食物气味，能帮助厨师开发新食谱，改良现有菜色口味。

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!