【AI+餐饮】人工智能进军餐饮:AI 调酒,越喝越有
By 超神经
场景描述:「吃」,现在已经成了一种文化,对食物的不懈追求,可以说是人类历史的一种推动力。从烹饪的进化,到现在花样百出的美食,食物搭配又会出现哪些新意,对于食物相克的盲从,也预示着新的方法和技艺要大显身手了。
关键词:食物搭配 孪生神经网络
转发文章最多的朋友可以免费进入价值99元的《湾区AI精英会》海归圈子
人类文明的发展,食物和烹饪的意义重大。从食用熟食、耕作农作物,到加入调料、丰富烹饪方式、发明冷藏等,一些列的饮食工具和手段的发明,都是为了提高生活水平。
饮食文化的书籍《食物的历史》中,就讨论到食物的第一次革命,才带动了人类一次大的进化。其中一个重要节点是烹饪的出现,书里描写了这样一个吃的场景:先把柠檬汁挤在牡蛎上,在小火烘烤下,它的质地、口感和味道都发生了奇妙的变化...
有观点认为:烹饪是人类进化的特别利器
从火的利用,到烹饪的出现,食物的制作过程逐渐变成了一种魔法,吃的花样也越来越多,食物早已不是生存和生活的充饥之物,而是在各色搭配制作中,成为了一种艺术和追求。
美食的进阶之路,从搭配开始
随着「吃」的内容越来越精致,吃饱了的人类,就开始思考这类问题:哪些食物可以放在一起吃?哪些东西搭配在一起更好吃?
知名段子手「毕导」研究过,香蕉与冬枣的体积比在 2:1 左右,
同时吃的口感达到了恶心的巅峰
要解决这个问题,一般的吃货靠的是传承下来的厨房规则,资深一点的吃货,则是借鉴美食家或者高级菜谱的做法。但这类方法对于种类繁多的食物来说,覆盖面窄,而且都是经验为主,主观性偏强。
一个好消息是,我们现在有了新的选择:可以用神经网络的方法作出搭配,告诉你怎样才最好吃。
在近段时间,一篇叫做《KitcheNette: Predicting and Recommending Food Ingredient Pairings using Siamese Neural Networks》(https://arxiv.org/abs/1905.07261)的论文,就叙述了高丽大学实验团队的食材智能搭配系统,以及在食物搭配上的硬核研究。
KitchenNette :用算法解开食物搭配的奥秘
这个系统是基于孪生神经网络(Siamese Neural Networks)的一个模型框架。
孪生神经网络用于衡量两个输入的相似程度。它有两个输入,分别传输进两个神经网络,以此将输入映射到新的空间,形成新的空间中的表示。然后通过对 Loss 的计算,评价两个 Input 的相似度。
而这个研究中,研究人员来开发了的食物搭配模型 KitchenNette ,将两种食材作为输入,能计算出它们搭配在一起的合适度。最终的表现成从 -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。
为了训练 KitchenNette ,他们制作了一个美食数据集 Recipe1M,通过采集了大量的食谱信息,收录了多种食物的文本和图片,包含了了成分列表和配方说明。
依据数百万个菜谱和配对统计
从这些食谱中,经过词向量提取等手法,过滤得到了食物,并进行了配对操作,最终共获得了 356,451 个有效的已知搭配,剩下的 6,003,500 个食物对,则是非常见或者未出现过的,作为测试集使用。
他们还使用 Im2Recipe 算法,从图片中提取出食材名称。
而 KitchenNette 模型的架构由两个主要组件构成。
KitchenNette 模型用Gin酒和汤力水进行评分测试
第一个是使用孪生神经网络的「成分表示组件」(Ingredient Representation Component ),其中有权重相同的两个多层感知器(MLP),各自接收食材的输入。每个 MLP 有两个完全连接层,用于处理输入的成分向量。
第二个组件是「配对分数预测组件」(Pairing Score Prediction Component),采用 Deep& Wide Layers,进行评分流程。在 Deep Layer,两层学习表示向量被连接,并传递给另一个计算两种成分联合代表的 MLP,用来提取语义特征,而 Wide Layer 用来抓取稀疏特征。
搭建好模型后,先让模型学习已标注的食物搭配,从 30 万个已经评好分数的配对中,分析和找出「好搭配」的规律,然后用剩下的 95% 的食物组合,进行最后的测试。
不同搭配的组合评定分数:
左侧为常见搭配的评分,右侧为不常见搭配
根据他们的论文,只需对 KitchenNette 输入两种食物,就给出是否合适配对的判定分数,而且这个结果好于其他的模型。
调酒和糕点,最适合模型搭配!
为了评估这个模型预测的准确性,他们进行了几种定性分析。
通过将已知的经典搭配输入,检测了模型能够给出中肯的分数;同时和其他的经典模型进行对比,发现 KitchenNette 的预测更要符合人们的饮食习惯,最后和美食家的推荐作比之后,发现判断的结果十分接近。
尤其是酒精饮品和糕点,他们都有标准化的配方成分,而能够更加精准的把控口味。
比如,「香槟+橙皮」以及「气泡酒+橙皮」的搭配得分较高(0.33-0.42),而「气泡酒+洋葱」和「普罗赛克+洋葱」这样奇怪的组合,得到了很低的分数。
红酒、白酒、杜松子酒、清酒的最佳搭配建议,
以及和另一工具的推荐结果对比
在英国布里斯托,另一支创新团队 TinyGiant 就专注于开发由 AI 制定的创新食物,这支团队截至目前为止,已经制作出了几款 AI 定制的鸡尾酒和纸杯蛋糕。
TinyGiant 制作出了四款 AI 的鸡尾酒
而对于这项研究的后续,研究者表示接下来会进一步作出优化,比如考虑食品成分的化学信息,使用百科全书食品成分的详细信息,以及更多「新颖」和「真实」的食谱,对模型进行训练,以推荐出更加多样化的食品成分配对。
TinyGiant 根据 AI 得出的结果,还定制了四种口味的纸杯蛋糕
近几年来,《舌尖上的中国》、《人生一串》等美食节目的大火,让我们看到了美食的惊人魅力,而现在看来,AI 或许会比我们更快地,打开美食搭配的新天地。
——完——
致转行AI的在校大学生的一封信
点进来,你就赢了全国90%的人|湾区人工智能
湾区人工智能私密圈|湾区AI精英汇
【AI自学】 完备的 AI 学习路线,最详细的资源整理!
转行AI需要看的一些文章
转行学AI,具体细分方向如何选,来自一线工程师的感悟
【中美之争】其实已经失去了悬念 (深度好文)|湾区人工智能
【送书PDF】Python编程从入门到实践
Python从入门到精通,深度学习与机器学习资料大礼包!
【免费】某机构最新3980元机器学习/大数据课程高速下载,限量200份
长按扫码撩海归
觉得不错, 请随意转发,麻烦点个在看!
扫描二维码,加入讨论群
获得更多优质数据集
回复「进群」自动入群
【AI+餐饮】人工智能进军餐饮:AI 调酒,越喝越有相关推荐
- AI:人工智能领域之AI基础概念术语之机器学习、深度学习、数据挖掘中常见关键词、参数等5000多个单词中英文对照(绝对干货)
AI:人工智能领域之AI基础概念术语之机器学习.深度学习.数据挖掘中常见关键词.参数等5000多个单词中英文对照(绝对干货) 导读 本博主基本收集了网上所有有关于ML.DL的中文解释词汇,机 ...
- 人工智能进军餐饮:AI调酒,越喝越有
作者 | 神经小姐姐 来源 | 转载自HyperAI超神经(ID:HyperAI) 导读:"吃",现在已经成了一种文化,对食物的不懈追求,可以说是人类历史的一种推动力.从烹饪的进化 ...
- 人工智能进军餐饮:AI 调酒,越喝越有
By 超神经 场景描述:「吃」,现在已经成了一种文化,对食物的不懈追求,可以说是人类历史的一种推动力.从烹饪的进化,到现在花样百出的美食,食物搭配又会出现哪些新意,对于食物相克的盲从,也预示着新的方法 ...
- Aski AI: 基于人工智能的在线AI工具平台
[产品介绍] Aski AI是一个基于人工智能的在线AI工具平台,它可以帮助用户快速.准确.全面地解决各种问题.无论是学习.工作.生活.娱乐还是其他领域,只要输入你的问题,Aski AI就会为你提供最 ...
- 2021 “AI Earth”人工智能创新挑战赛 AI助力精准气象和海洋预测
这里揭露一下天池比赛里活跃着的部分小号行为. 在AI earth比赛里,12点提交截止,但运行时间最长6小时,因此12点到18点仍然有机会刷新排行榜,所以大家可能还有一次提分机会.16点南京某大学的人 ...
- 飞浆AI studio人工智能课程学习(4)-优质Prompt分享
文章目录 最具商业价值Prompt分享与颁奖 02最具商业价值Prompt分享与颁奖-Top1 02最具商业价值Prompt分享与颁奖-Top2 02最具商业价值Prompt分享与颁奖-Top3 02 ...
- 人工智能·调酒·哲学
- 人工智能还能调酒? 今天更新2则,AI在酒方面的应用案例. - 啤酒 国外IntelligentX创业公司,使用人工智能帮助酿酒师调整啤酒配方. - 数据 IntelligentX创造了四种不同的 ...
- 用AI创造AI,人工智能无代码时代来临
https://www.toutiao.com/a6680750885359845901/ 大数据文摘出品 记者:云舟 玛丽·雪莱在创作世界上第一部科幻小说<科学怪人>(又译:弗兰肯斯坦) ...
- 中国人工智能学会通讯——AI Platform for Business: Research Roadmap
很高兴来到这样一个场合,刚得知秘书长让我参加这个创新创业论坛时,我觉得和自己的身份有一点距离.我来自于企业研究院,不过从技术角度来讲其实有共通的地方,我所在的IBM中国研究院不断地制造新技术和新的产业 ...
最新文章
- makefile 中 =, :=, ?=, +=的区别
- 对DeDecms之index.php页面的补充
- Docker 的插件式设计
- VSTS2010部署一:TFS安装
- vant 动态 粘性布局_CSS Viewport 单位,很多人还不知道使用它来快速布局!
- SpringMVC+Mybatis学习
- git 32位_完整的GIT笔记 快速上手小白教程
- cUrl 强大的文件上传/下载工具
- 深度融合 | 当推荐系统遇见知识图谱(三)
- mac怎么查node版本_Node.js 微服务实践:基于容器的一站式命令行工具链
- 调出远程桌面的任务管理器
- linux关闭urlhelper服务,ASP.NET MVC UrlHelper.GenerateUrl异常:“无法使用导航..退出顶部目录”...
- cookie模拟登陆淘宝
- java 实现热搜_搜索推荐系统根据用户搜索频率(热搜)排序
- 解决MAC launchpad顽固性图标无法删除问题。
- 什么是项目管理?怎么管?(一)
- linux系统怎么安装office软件,如何在Linux上安装Microsoft Office | MOS86
- 团队项目成员与题目(本地地铁查询app)
- Asp连接Oracle (包含绿色版12.2客户端和ODBC驱动安装)
- spring boot中小学餐饮配送系统 毕业设计-附源码645661