江苏龙网

  1. 首页 > 人文 > >

AI炒菜、配料、开发新口味……人类终于可以只负责吃了？( 三 )


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 。
由于人类品尝食物时所产生的口感多半来自嗅觉 ， 一位米其林三星大厨曾提出假说:如果两种食物的气味组成越相似 ， 他们就应该越容易被搭配成一道成功的菜肴 。 这一假说成为Foodpairing创始人Bernard Lahousse的灵感来源 。
研发团队以猕猴桃和海鲜作为实验对象 ， 先利用高效液相色谱法和气相色谱法分析大量海产的气味组成 ， 确定不同气味的浓度及其嗅觉阈值 ， 将信息输入Foodpairing的数据库 ， 再逐一与猕猴桃的气味互相对比 。 实验结果显示 ， 最适合搭配猕猴桃的海鲜为生蚝 。 大厨随即用这两样食材创造了新菜Kiw?tre ， 成功获得许多美食评论家与食客的好评 。


推荐阅读


上一篇：13个根服务器，有10个在美国，假如美关闭服务，我们会断网吗

下一篇：ASML职员：不懂光刻机为啥难造？比大米上写《红楼梦》还难