AI炒菜、配料、开发新口味……人类终于可以只负责吃了?

2020年11月23日 10:26 来源:智能相对论 作者:黄康瑄

文丨黄康瑄

来源丨智能相对论(aixdlun)

“机器人餐厅”真的向我们走来了?

在深圳举行的第22届中国国际高新技术成果交易会上,煲仔饭机器人、汉堡机器人、五谷豆浆机器人、棉花糖机器人、冰淇淋机器人等多款智能餐饮机器人云集,引起参展民众争相拍照、体验。

目前,佛山、广州、江门等地已经有13家机器人餐厅落地;超200余台各类餐饮机器人单机设备,在北京、江西、陕西等10余个省市的医院、商业中心、景区、大学和政企单位实现运营。

1

煎炸交给机械手  油烟烫伤不用愁

两年前因为工作动作太慢而被CaliBurger“炒鱿鱼”的自动化烹饪机器人Flippy,经过改版后重新回归快餐店的后厨。

今年初,食品制备自动化公司Miso Robotics推出了新款产品Flippy Robot-on-a-Rail,简称Flippy ROAR。和前一代Flippy不同的是,Flippy ROAR不仅能煎汉堡排,还可独立制作多种食物,包括鸡柳、鸡翅、炸薯条、薯饼、洋葱圈、热狗、披萨等。

Flippy ROAR采用了计算机识别、深度学习模型和智能传感器技术,通过烹饪学习训练,让它掌握不同食物的烹饪方式、所需时长、温度,以及其他相关技巧。在实际操作过程中,厨房人员可通过触控面板控制Flippy ROAR,其配套的运行轨道,让它在厨房的移动更加安全方便。利用视觉识别技术定位厨房用具、区分食物种类、监控食物熟度;以智能传感器检测烧烤板温度等外部信息,作为Flippy ROAR下一步动作的依据。若出现煎糊或起火等意外状况,则会迅速发出警报。

再者,Flippy ROAR连接的MISO-AI系统可实时接收订单,根据订单顺序、菜品信息和制作时长,自主决策制作的优先级,在短时间内最大化地完成多个订单。弥补了以往“动作慢、效率低”及“无法因时制宜”的缺点。Miso Robotics为Flippy ROAR制定的价格比前一代降低了一半,并提供月租机器和维护升级的服务。今年七月,Flippy ROAR和快餐连锁店White Castle合作开展试运营,试用成功后将逐渐投入各门店。据VentureBeat报道,Flippy ROAR也将在CaliBurger的50家分店投入使用。

当然,Flippy ROAR并非唯一的商用厨房自动化设备。旧金山比萨连锁店Zume Pizza使用大量机器人来压制披萨面饼;汉堡连锁店Creator借助传感器和微型计算机来准备餐点。波士顿餐厅Spyce Food设有半自动化厨房,切配、炒菜、装盘、洗碗全部由机器人完成,可在1小时内生产近200份套餐。

自动化厨房机器人为烹饪方式、内容大量重复且注重出餐效率的快餐领域提供了新的解决方案。白色城堡连锁店副总裁Jamie Richardson表示,“自动化厨房机器人可以承担厨房里的那些重复、耗时又危险的工作,让后厨员工不必在高温闷热的油锅前工作,可以在更安全的环境下,负责客户服务、食材准备等别的业务,增加用人效率。”对餐厅而言,不但能节省许多成本,也降低了食物病原体传播的可能性,以及人员频繁接触所带来的新冠感染风险。

“智能相对论”看到,许多食客会带着兴奋的心情走进“机器人餐厅”,但对于普通家庭和个人而言,自动化烹饪设备就没那么好用了。
 

一名FANLAI烹饪机器人的用户曾总结了智能炒菜机器人的缺点:必须自己准备配菜、必须自己控制好配料分量、必须自己放配菜到固定盒子、只能抄固定分量以内的菜肴,而且只能用来炒菜。一些智能炒菜机公司会提供专用配菜包,但价格稍贵。“其实(炒出来)味道还可以,但是比自己炒的差远了。锅不用洗但是要清洗设备也是麻烦。而市面上很多这种设备厂家是没有提供配菜的,如果要自己洗菜和切菜也就很麻烦了,而且分量控制也是没办法增加的,只能多炒几次!”

其次,自动化炒菜设备千篇一律的做法与味道,对于多数家庭和个人而言过于单调。就像网友说的: “机器人最大的优势应该是动作的一致性,但这个其实也成了机器人最大的劣势,至少在炒菜这个领域来说。中国人还是喜欢自己每一次做出不一样的味道。”

自动烹饪机器人只能制作内置食谱上的菜色,还必须按照规格准备固定种类、分量的原料,这样有限的烹饪方式、分量和口味并不能满足一般家庭个性化的饮食需求。因此,自动化烹饪设备并未在C端得到普及。

2

看图认菜没问题,食谱识别不容易

2019年7月,北京大学开始试行识菜结算机器人。这款菜色识别机器人认识食堂内200多款菜色,运用AI图片识别技术,可以根据食物纹理在2秒内识别菜品,大幅提高了餐厅结账速度。

“感觉食堂变得更高大上了,机器的收银速度和食堂阿姨差不多。”一名同学说,“不过,如果人工收银和机器人收银都空着,我还是会选择食堂阿姨,因为食堂阿姨站得更前面,并且当你还没靠近,她已经积极地帮你算好了价钱。”

一些同学表示,这款机器人并不能很准确的区分馒头和包子、土豆烧鸡和红烧肉以及大碗米饭和小碗米饭的区别。购买这些菜品的时候,经常需要再核实一下价格。

食堂阿姨普遍认为,机器人虽能在人多的时候减轻她们的负担,但是她们对许多菜的价格烂熟于心,计算起来非常快,识菜机器人似乎可有可无。不仅是大学食堂,已有越来越多餐厅开始使用AI识别菜品自动结账的功能。如Microsoft的员工餐厅,一名员工表示,自使用了自动识菜结帐系统,“结账时间从五分钟变成五秒。”既能大幅缩减结账时间,又能减少人力成本。识菜机器人正逐渐成为餐饮业的新宠。

相对于学校食堂中数量有限的菜品识别,运用AI来识别食谱就困难许多。

人工智能想要成功分析食谱,必须先弄清楚图片中是什么食物;再推断出食材和配料的加工过程。但现有的AI在第一关就被卡住了。

2017年,麻省理工学院计算科学与人工智能实验室(CSAIL)的研究人员依此思路,创建了一款名为Pic2 Recipe 的应用。Pic2 Recipe 利用神经网络技术,能从食物图片分析食材的成分,反向推导出制作过程中使用过的材料,并向用户推荐类似的食谱。研究团队借助内含上百万份食谱的Recipe 1 M数据库来训练Pic2 Recipe的神经网络系统,让它能在各个食物图像和其对应的成分和食谱之间建立联系。但照片质量对识别结果的影响较大,拍摄角度、远近、摆放和灯光等不同场景下的同一食物,可能得出不同识别结果。

这样的体验并不符合日常使用需求,Pic2 Recipe的联合创作人表示:“最重要的问题就是如何获得正确的图像比例。人们在拍摄食物照片时,总是有很多不确定因素,比如拍摄距离的远近(影响食物的大小),拍了一盘菜还是多盘菜(也可能某盘菜的一部分)。但这些问题也合情合理,毕竟你把一块放大的饼干给普通人看,他们也有可能会误认为是一块煎饼。”这些不确定因素造成Pic2 Recipe的识别正确率只有65%,研究团队正在提升Pic2 Recipe的精准度,并继续丰富它的技能。

2018年,Facebook人工智能研究所的研究人员使用和Pic2 Recipe 不同的演算方式,开发了另一个AI食谱生成系统,藉由美食图片识别餐品的菜名、食材原料组成与加工程序。

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。

3

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。

4

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Kiwître,成功获得许多美食评论家与食客的好评。

AI的加入让新菜开发事半功倍,为苦思冥想搭配食材的大厨节省不少时间。这一新颖的创作方式让不少厨师和餐厅对这套系统充满兴趣,如西班牙的斗牛犬餐厅和纽约的Eleven Madison Park便开始和Foodpairing展开合作。

在服务厨师和餐厅的同时,Foodpairing网站通过部份免费的形式,为一般用户提供酸奶、麦片等新颖的搭配口味,日益扩充自己的食材香料数据库。利用机器学习技术,自动获取不同地区的消费者在社交网络中关于菜色和潮品口感的讨论,以及大厨们放在网上的食谱。在此基础上,Foodpairing也开始分析不同地区消费者的口味偏好,并为食品公司提供关于产品口味的建议,帮助他们预测新产品的市场反应,减少开发新品时造成的食物浪费。

“智能相对论”查询到,去年,Microsoft公司与瑞典酿酒厂Mackmyra和Fourkind合作,推出全球第一款由AI制造的威士忌。由Microsoft Azure云端及Azure认知服务提供酒厂的机器学习模型,并利用现有的配方、销售数据以及客户喜好等数据,让AI透过大数据从超过7000万个方式及口味中选取制作方法。这款AI设计的单一麦芽威士忌被形容为带点果味、橡木味及少许咸味的佳酿。此外,调味料公司 McCormick、包装食品公司 Conagra 以及百事可乐公司也都在用人工智能来创造新的食品口味。

今年10月,微软公司与瑞士调味品公司Firmenich合作,以Firmenich公司的原材料数据库为基础,用AI研制出一种用于植物性肉类替代品的轻烤牛肉口味。这款口味集合了Firmenich独特的配料和“SmartProteins”在植物蛋白替代品方面的专业知识。旨在满足客户对替代蛋白质的需求,并在一系列蛋白质基础上发挥作用。针对越来越受欢迎的无肉健康饮食,在咸味食品、甜食和饮料中创建素食和纯素食,为此类用户提供传统的肉类和奶类产品的替代品。

气味分析运算和大数据分析处理充分发挥人工智能的优势,为食品定制口味、优化口感提供解决方案,也加快了产品研发的周期,减少食物浪费及人力时间成本。将研发人员从大量重复劳动中解放,得以更专注于AI做不到的事,如新配方的试吃、品味和改良。

Firmenich调味品公司总裁Emmanuel Butstraen表示,新冠疫情危机改变了食品创新格局以及消费市场,“我们必须以更快的速度,以更大的创造力来理解和应对快速发展的需求。无论是通过提供舒适和愉悦的时刻,还是解决向更健康的食品和饮料的更大转变”他说。“AI的加入使我们能够更好地利用不同的原材料去探索新的创意线索。考虑到特定的产品参数,例如100%天然成分和法规要求,该技术增强了我们的调味师创建优质口味解决方案,并加速了我们产品研发的能力。” 目前,Firmenich正对基于其核心口味的几款新型人工智能风味进行高级测试。

5

结语
 

AI技术人工智能在快餐生产自动化、算法匹配食材、新品研发等方面已趋成熟,成为厨房里的好帮手。人工智能无法取代人类厨师,却能让大厨如虎添翼,帮助我们拥有一个由更好的食物创造的,更好的世界。

(以上图片皆源于网络)

参考资料:

1. 雷锋网《全能型AI机器人“厨师”来了 网友:又来抢饭碗?》

2. 机器人在线《Flippy ROAR导轨导航升级,厨房机器人在食品行业大显身手》

3. 猎云网《Miso Robotics推出Flippy 2厨房机器人》

4. Peter Basildon《Pic2Recipe: Discover a Recipe from a Picture》

5. 硅谷密探《它山之石 | 还有这种操作,AI为三星米其林厨师写食谱》

深挖智能这口井,同好添加vx:zhinengxiaoyan

转载自公众号:智能相对论 作者:黄康瑄 本文经授权发布,不代表51LA立场,如若转载请联系原作者。

本文经授权发布,不代表51LA立场,如若转载请联系原作者。

更多互联网行业动态>>请关注微信公众号“我要啦统计”(微信ID:Analysis_51la)

AI炒菜、配料、开发新口味……人类终于可以只负责吃了?

来源:智能相对论 作者:黄康瑄
2020年11月23日 10:26

文丨黄康瑄

来源丨智能相对论(aixdlun)

“机器人餐厅”真的向我们走来了?

在深圳举行的第22届中国国际高新技术成果交易会上,煲仔饭机器人、汉堡机器人、五谷豆浆机器人、棉花糖机器人、冰淇淋机器人等多款智能餐饮机器人云集,引起参展民众争相拍照、体验。

目前,佛山、广州、江门等地已经有13家机器人餐厅落地;超200余台各类餐饮机器人单机设备,在北京、江西、陕西等10余个省市的医院、商业中心、景区、大学和政企单位实现运营。

1

煎炸交给机械手  油烟烫伤不用愁

两年前因为工作动作太慢而被CaliBurger“炒鱿鱼”的自动化烹饪机器人Flippy,经过改版后重新回归快餐店的后厨。

今年初,食品制备自动化公司Miso Robotics推出了新款产品Flippy Robot-on-a-Rail,简称Flippy ROAR。和前一代Flippy不同的是,Flippy ROAR不仅能煎汉堡排,还可独立制作多种食物,包括鸡柳、鸡翅、炸薯条、薯饼、洋葱圈、热狗、披萨等。

Flippy ROAR采用了计算机识别、深度学习模型和智能传感器技术,通过烹饪学习训练,让它掌握不同食物的烹饪方式、所需时长、温度,以及其他相关技巧。在实际操作过程中,厨房人员可通过触控面板控制Flippy ROAR,其配套的运行轨道,让它在厨房的移动更加安全方便。利用视觉识别技术定位厨房用具、区分食物种类、监控食物熟度;以智能传感器检测烧烤板温度等外部信息,作为Flippy ROAR下一步动作的依据。若出现煎糊或起火等意外状况,则会迅速发出警报。

再者,Flippy ROAR连接的MISO-AI系统可实时接收订单,根据订单顺序、菜品信息和制作时长,自主决策制作的优先级,在短时间内最大化地完成多个订单。弥补了以往“动作慢、效率低”及“无法因时制宜”的缺点。Miso Robotics为Flippy ROAR制定的价格比前一代降低了一半,并提供月租机器和维护升级的服务。今年七月,Flippy ROAR和快餐连锁店White Castle合作开展试运营,试用成功后将逐渐投入各门店。据VentureBeat报道,Flippy ROAR也将在CaliBurger的50家分店投入使用。

当然,Flippy ROAR并非唯一的商用厨房自动化设备。旧金山比萨连锁店Zume Pizza使用大量机器人来压制披萨面饼;汉堡连锁店Creator借助传感器和微型计算机来准备餐点。波士顿餐厅Spyce Food设有半自动化厨房,切配、炒菜、装盘、洗碗全部由机器人完成,可在1小时内生产近200份套餐。

自动化厨房机器人为烹饪方式、内容大量重复且注重出餐效率的快餐领域提供了新的解决方案。白色城堡连锁店副总裁Jamie Richardson表示,“自动化厨房机器人可以承担厨房里的那些重复、耗时又危险的工作,让后厨员工不必在高温闷热的油锅前工作,可以在更安全的环境下,负责客户服务、食材准备等别的业务,增加用人效率。”对餐厅而言,不但能节省许多成本,也降低了食物病原体传播的可能性,以及人员频繁接触所带来的新冠感染风险。

“智能相对论”看到,许多食客会带着兴奋的心情走进“机器人餐厅”,但对于普通家庭和个人而言,自动化烹饪设备就没那么好用了。
 

一名FANLAI烹饪机器人的用户曾总结了智能炒菜机器人的缺点:必须自己准备配菜、必须自己控制好配料分量、必须自己放配菜到固定盒子、只能抄固定分量以内的菜肴,而且只能用来炒菜。一些智能炒菜机公司会提供专用配菜包,但价格稍贵。“其实(炒出来)味道还可以,但是比自己炒的差远了。锅不用洗但是要清洗设备也是麻烦。而市面上很多这种设备厂家是没有提供配菜的,如果要自己洗菜和切菜也就很麻烦了,而且分量控制也是没办法增加的,只能多炒几次!”

其次,自动化炒菜设备千篇一律的做法与味道,对于多数家庭和个人而言过于单调。就像网友说的: “机器人最大的优势应该是动作的一致性,但这个其实也成了机器人最大的劣势,至少在炒菜这个领域来说。中国人还是喜欢自己每一次做出不一样的味道。”

自动烹饪机器人只能制作内置食谱上的菜色,还必须按照规格准备固定种类、分量的原料,这样有限的烹饪方式、分量和口味并不能满足一般家庭个性化的饮食需求。因此,自动化烹饪设备并未在C端得到普及。

2

看图认菜没问题,食谱识别不容易

2019年7月,北京大学开始试行识菜结算机器人。这款菜色识别机器人认识食堂内200多款菜色,运用AI图片识别技术,可以根据食物纹理在2秒内识别菜品,大幅提高了餐厅结账速度。

“感觉食堂变得更高大上了,机器的收银速度和食堂阿姨差不多。”一名同学说,“不过,如果人工收银和机器人收银都空着,我还是会选择食堂阿姨,因为食堂阿姨站得更前面,并且当你还没靠近,她已经积极地帮你算好了价钱。”

一些同学表示,这款机器人并不能很准确的区分馒头和包子、土豆烧鸡和红烧肉以及大碗米饭和小碗米饭的区别。购买这些菜品的时候,经常需要再核实一下价格。

食堂阿姨普遍认为,机器人虽能在人多的时候减轻她们的负担,但是她们对许多菜的价格烂熟于心,计算起来非常快,识菜机器人似乎可有可无。不仅是大学食堂,已有越来越多餐厅开始使用AI识别菜品自动结账的功能。如Microsoft的员工餐厅,一名员工表示,自使用了自动识菜结帐系统,“结账时间从五分钟变成五秒。”既能大幅缩减结账时间,又能减少人力成本。识菜机器人正逐渐成为餐饮业的新宠。

相对于学校食堂中数量有限的菜品识别,运用AI来识别食谱就困难许多。

人工智能想要成功分析食谱,必须先弄清楚图片中是什么食物;再推断出食材和配料的加工过程。但现有的AI在第一关就被卡住了。

2017年,麻省理工学院计算科学与人工智能实验室(CSAIL)的研究人员依此思路,创建了一款名为Pic2 Recipe 的应用。Pic2 Recipe 利用神经网络技术,能从食物图片分析食材的成分,反向推导出制作过程中使用过的材料,并向用户推荐类似的食谱。研究团队借助内含上百万份食谱的Recipe 1 M数据库来训练Pic2 Recipe的神经网络系统,让它能在各个食物图像和其对应的成分和食谱之间建立联系。但照片质量对识别结果的影响较大,拍摄角度、远近、摆放和灯光等不同场景下的同一食物,可能得出不同识别结果。

这样的体验并不符合日常使用需求,Pic2 Recipe的联合创作人表示:“最重要的问题就是如何获得正确的图像比例。人们在拍摄食物照片时,总是有很多不确定因素,比如拍摄距离的远近(影响食物的大小),拍了一盘菜还是多盘菜(也可能某盘菜的一部分)。但这些问题也合情合理,毕竟你把一块放大的饼干给普通人看,他们也有可能会误认为是一块煎饼。”这些不确定因素造成Pic2 Recipe的识别正确率只有65%,研究团队正在提升Pic2 Recipe的精准度,并继续丰富它的技能。

2018年,Facebook人工智能研究所的研究人员使用和Pic2 Recipe 不同的演算方式,开发了另一个AI食谱生成系统,藉由美食图片识别餐品的菜名、食材原料组成与加工程序。

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。

3

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。

4

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Kiwître,成功获得许多美食评论家与食客的好评。

AI的加入让新菜开发事半功倍,为苦思冥想搭配食材的大厨节省不少时间。这一新颖的创作方式让不少厨师和餐厅对这套系统充满兴趣,如西班牙的斗牛犬餐厅和纽约的Eleven Madison Park便开始和Foodpairing展开合作。

在服务厨师和餐厅的同时,Foodpairing网站通过部份免费的形式,为一般用户提供酸奶、麦片等新颖的搭配口味,日益扩充自己的食材香料数据库。利用机器学习技术,自动获取不同地区的消费者在社交网络中关于菜色和潮品口感的讨论,以及大厨们放在网上的食谱。在此基础上,Foodpairing也开始分析不同地区消费者的口味偏好,并为食品公司提供关于产品口味的建议,帮助他们预测新产品的市场反应,减少开发新品时造成的食物浪费。

“智能相对论”查询到,去年,Microsoft公司与瑞典酿酒厂Mackmyra和Fourkind合作,推出全球第一款由AI制造的威士忌。由Microsoft Azure云端及Azure认知服务提供酒厂的机器学习模型,并利用现有的配方、销售数据以及客户喜好等数据,让AI透过大数据从超过7000万个方式及口味中选取制作方法。这款AI设计的单一麦芽威士忌被形容为带点果味、橡木味及少许咸味的佳酿。此外,调味料公司 McCormick、包装食品公司 Conagra 以及百事可乐公司也都在用人工智能来创造新的食品口味。

今年10月,微软公司与瑞士调味品公司Firmenich合作,以Firmenich公司的原材料数据库为基础,用AI研制出一种用于植物性肉类替代品的轻烤牛肉口味。这款口味集合了Firmenich独特的配料和“SmartProteins”在植物蛋白替代品方面的专业知识。旨在满足客户对替代蛋白质的需求,并在一系列蛋白质基础上发挥作用。针对越来越受欢迎的无肉健康饮食,在咸味食品、甜食和饮料中创建素食和纯素食,为此类用户提供传统的肉类和奶类产品的替代品。

气味分析运算和大数据分析处理充分发挥人工智能的优势,为食品定制口味、优化口感提供解决方案,也加快了产品研发的周期,减少食物浪费及人力时间成本。将研发人员从大量重复劳动中解放,得以更专注于AI做不到的事,如新配方的试吃、品味和改良。

Firmenich调味品公司总裁Emmanuel Butstraen表示,新冠疫情危机改变了食品创新格局以及消费市场,“我们必须以更快的速度,以更大的创造力来理解和应对快速发展的需求。无论是通过提供舒适和愉悦的时刻,还是解决向更健康的食品和饮料的更大转变”他说。“AI的加入使我们能够更好地利用不同的原材料去探索新的创意线索。考虑到特定的产品参数,例如100%天然成分和法规要求,该技术增强了我们的调味师创建优质口味解决方案,并加速了我们产品研发的能力。” 目前,Firmenich正对基于其核心口味的几款新型人工智能风味进行高级测试。

5

结语
 

AI技术人工智能在快餐生产自动化、算法匹配食材、新品研发等方面已趋成熟,成为厨房里的好帮手。人工智能无法取代人类厨师,却能让大厨如虎添翼,帮助我们拥有一个由更好的食物创造的,更好的世界。

(以上图片皆源于网络)

参考资料:

1. 雷锋网《全能型AI机器人“厨师”来了 网友:又来抢饭碗?》

2. 机器人在线《Flippy ROAR导轨导航升级,厨房机器人在食品行业大显身手》

3. 猎云网《Miso Robotics推出Flippy 2厨房机器人》

4. Peter Basildon《Pic2Recipe: Discover a Recipe from a Picture》

5. 硅谷密探《它山之石 | 还有这种操作,AI为三星米其林厨师写食谱》

深挖智能这口井,同好添加vx:zhinengxiaoyan

转载自公众号:智能相对论 作者:黄康瑄 本文经授权发布,不代表51LA立场,如若转载请联系原作者。

本文经授权发布,不代表51LA立场,如若转载请联系原作者。

更多互联网行业动态>>请关注微信公众号“我要啦统计”(微信ID:Analysis_51la)

51LA网站统计V6

51LA与500位站长联合打造全新一代网站统计工具