来源
人民数字FINTECH
责编
晋兆雨
头图
CSDN下载自视觉中国
#人工智能技术正在被“端上”餐桌
四方食事，不过一碗人间烟火。人工智能作为一门新的技术科学，正在被人间烟火气“端”上餐桌。
人工智能“洗手”做羹汤
不久之前Facebook人工智能研究所的研究人员开发了一个AI系统，据说只要给一张美食图片，就可以自动识别出食物的食材、加工程序有哪些，吃货们自己在家就可以做出想吃的东西来。仿佛再也不用觉得某道菜好吃，自己又不会做，导致天天去人家馆子里给送钱了。
据说为了训练这个系统，研究人员“喂了”它上万份事物的图像和菜谱，在这之后程序会对在网上抓取的菜谱进行分析，研究哪些食材常常会被人们一起用来做菜。机器通过深度学习之后，它们能够以厨师可能会想到的方式来考虑如何处理食物，机器还能注意到食材形状和季节的变化等数据，以及诸如味道或口感等变量，理论上而言，机器能够比任何一位大厨都见多识广。
英国记者尼尔·麦肯锡尝试让AI为自己帮厨做过一餐，他在冰箱里翻出三个西红柿、一个红薯和一些芦笋，尝试着将这些食材输入智能程序，随后填写自己没有食材过敏的声明，并列出厨房中能找到的调味品。很快，AI就得出包括煨炖、烹炒等做熟这些食材的方式。
麦肯锡选择了其中的一项，将这些蔬菜剁碎，加上柠檬汁调味，最后加入燕麦。混合材料后，人工智能程序告诉他要把加工过的食材放进焗炉烤15分钟。而最后的成果是四个过熟、有强烈燕麦味道的食物——由于这些成品远说不上好吃，麦肯锡甚至不愿用“食物”来称呼，而将其叫做“圆碟形物体”。
无论名称是什么，这就是当前人工智能厨师的真实写照：人工智能做出的食物确实能让人果腹，但至于口味之类的要求仍人工智能很难实现。而且，不同地区有不同的口味，诸如中国就有南甜北咸等差异，众口难调。所以，人工智能很难创造出一个“大一统菜式”，来满足所有人的喜好。
有趣的是，人工智能厨师已经认识到在味道上的不足，在这方面也开始深度学习。一家总部位于纽约的名为“分析味道系统”的公司使用人工智能，向食物和饮品公司提供改变产品的建议。该公司利用开发的人工智能程序，会计算出一些材料混合后的味道、气味或质感，以及应该如何改变味道迎合不同地区顾客的喜好。
为了给人工智能提供“味道素材”，这家公司专门设置了一个50人的小组，每天负责试吃不同的包装食品。新冠肺炎疫情在美国爆发之前，公司还有一队测试员，每周到访不同的国家，研究当地顾客的饮食喜好。然后，人工智能程序会以一个产品应有的味道、测试员的意见、不同地区的口味等不同信息，预测出不同产品的不同味道体验。
“AI厨师”在为人们吃的更好而努力，另一方面，“AI嗅觉”在为人们能吃的饱而努力。
减少食物浪费AI在行动
餐桌上的浪费已经成为了很多人在日常生活中可以熟视无睹的一种常态，相比这种看的见的浪费，那些还没有被端上餐桌之前的浪费则更加的严重。
根据全球农业与食品营养问题委员会的一份报告，全世界每年浪费13亿吨粮食，总价值在1万亿美元，而其中三分之一在端上餐桌前就已经被浪费掉。其中，每年超过半数的水果和蔬菜被浪费掉，25%的肉类没能端上餐桌还有像种子、坚果、奶制品以及海产品等高营养价值的食物因保存不当被浪费掉。与此同时，全世界有30亿人处在食物缺乏或营业不均衡状态。
在食物流通的过程中，有大量食物是因为长相不好就被零售商丢掉，有一些容易腐烂的食物则会在运输、储存和冷冻过程中坏掉，还有更多食物是在货架上临近保质期而被扔掉，也有大量食物在消费者购买回家后来不及食用而被丢掉。
由此可见，在没有被端上餐桌之前，食品的新鲜程度很大程度上决定着食品的浪费程度。如何随时检测这些食物的新鲜度显得尤为重要。
通常来说，我们都是靠着个人经验和自己的嗅觉能力来判断这些食物的新鲜程度，但显然食物零售商们做不到雇人随时检测变化来评估食物的使用周期，消费者做不到对冰箱里的生鲜食物做到准确判断。
如果有一套能够准确测算，就如同塑料包装一样便宜好用的设备来对食物进行新鲜度监测的话，那就可以极大提高食物的利用效率，比单纯张贴一个固定的建议食用日期，更能够反映食物的可食用状态。
现在，新加坡南洋理工大学团队发明的这套嗅觉AI系统，将为解决这一问题打开一个新的思路。这种嗅觉AI系统可以利用“气味”的数据化进行两个步骤的拆解，将气味的化学信号转变成图形颜色的识别信号，解决了气味本身的复杂度问题。
“嗅觉AI”系统又被称为“电子鼻”（e-nose），由两部分组成：1、条形码：能够根据肉类腐烂时产生的气体而改变颜色；2、阅读器：一个经过深度卷积神经网络算法驱动的手机应用程序。电子鼻的“阅读器”可以根据大量的条形码颜色库当中识别和预测肉类的新鲜程度。
另外，为了使电子鼻便于携带，研究者将其整合到一个智能手机应用中，可以在30秒内得出结果。
为了测试电子鼻的准确度，研究人员分别对商业包装好的鸡肉、鱼肉和牛肉的新鲜度进行了新鲜度测试。在48小时内，对六种肉类以不同的时间间隔拍摄了超过张的条形码图像，其中张用于训练捕捉到气味指纹的模式，其余用于准确性测试。最终结果显示，总体准确率到达98.5%，其中变质肉类的准确率%，识别为新鲜和不太新鲜肉类的准确率为96%和99%。
实验证明嗅觉AI模型对于检测食物新鲜度的准确率非常高，相信随着“AI电子鼻”的进一步落地，未来，食物浪费的情况也会在很大程度上被缓解。
食品安全人工智能来守护
食品安全问题也是当下人们高度
转载请注明：http://www.0431gb208.com/sjszlfa/3447.html
