Наука и жизнь

ИИ предлагает новые сочетания еды и напитков

ИИ предлагает новые сочетания еды и напитков

Кажется, роботы-гурманы неизбежно войду в нашу жизнь, и они смогут когда-нибудь создавать рецепты, такие же вкусные, как и у их коллег-людей. В недавно опубликованном документе на сервере препринтов Arxiv.org («KitcheNette: прогнозирование и рекомендации парных соединений пищевых ингредиентов с использованием сиамских нейронных сетей») ученые из Корейского университета описывают систему искусственного интеллекта, которая прогнозирует объединение пищевых ингредиентов и ранжирует их по баллам. Они говорят, что система может не только предложить дополнительные сочетания продуктов питания и раскрыть новые комбинации ингредиентов, но и превосходит другие базовые модели с большим отрывом.

«Многие шеф-повара, гурманы и исследователи, связанные с продуктами питания, в течение десятилетий занимались изучением парного питания», — написали соавторы исследования. — «Поскольку составление пары продуктов питания основано на опыте экспертов, само сочетание продуктов питания носит субъективный характер и его трудно определить количественно. В этой работе мы представляем KitchenNette, которая… предсказывает множество неизвестных пар, состоящих из пищевых ингредиентов, ранее нечасто или никогда не использовавшихся в рецептах».

Система искусственного интеллекта команды состоит из так называемых сиамских сетей или двух идентичных моделей машинного обучения, каждая из которых принимает в качестве входных данных одну из двух выборок данных, наряду с широкой и глубокой системой, включающей широкие линейные модели и глубокие нейронные сети. Для их обучения ученые получили набор данных (Recipe1M), содержащий списки ингредиентов и инструкции к рецептурам в тексте и изображениях, из которых они получили 356 451 пару известных ингредиентов и 3567 уникальных названий ингредиентов. Отдельный алгоритм машинного обучения — Im2Recipe — извлекал названия ингредиентов, которые исследователи использовали для составления совокупности баллов, определяющих «дополнительные» пары пищи по шкале от «-1» до «1».

Чтобы проверить кулинарные знания модели искусственного интеллекта, исследователи выбрали три одинаковых газированных белых вина — шампанское, игристое вино и просекко — и затем рассчитали оценку каждого в паре с различным ингредиентом. Как и следовало ожидать, такие комбинации, как «шампанское и апельсиновый твист» и «апельсиновый твист и игристое вино» набрали неизменно высокий балл (0,33−0,45), в то время как менее ортодоксальные пары, такие как «игристое вино и лук» и «просекко и лук», получали стабильно низкий балл.

В другом эксперименте соавторы обнаружили, что система искусственного интеллекта обычно рекомендует пищевые ингредиенты, используемые в повседневной кулинарии и столовых, такие как «помидор и салат», «лук и говяжий фарш» и «перец и орегано». Возможно, что даже более увлекательно, она обнаружила новые комбинации еды и напитков, которые согласуются с рекомендациями в «Библии вкуса», «Что пить с тем, что вы едите», и другой уважаемой гастрономической литературе. Например, различные виды мяса (говядина, баранина) для красного вина и аутентичные ингредиенты японских блюд в сочетании с саке.

Исследователи переходят к новому витку в работе с учетом химической информации о пищевых ингредиентах и ​​использовании более подробной информации о пищевых ингредиентах из энциклопедий, а также использования «новых» и «аутентичных» рецептов, чтобы помочь их модели рекомендовать «более универсальный» пищевой ингредиент для соединения.

Стоит отметить, что их работа способствует расширению системы рекомендательных рецептов искусственного интеллекта. IBM недавно объявила, что она сотрудничает с McCormick & Company для создания новых вкусов и продуктов с машинным обучением. Шеф-повар Уотсон от IBM — исследовательский проект, целью которого было создание новых рецептов на основе анализа химического состава сотен различных ингредиентов — создал более 10 000 новых рецептов. Кулинарная книга его творений была опубликована в 2015 году. И нью-йоркская стартап-платформа Analytical Flavor Systems — Gastrograph — использует сенсорные данные и алгоритмы машинного обучения, чтобы выяснить вкусовые характеристики продуктов и определить области для их улучшения.

Между тем, платформа I/O Halla, базирующаяся в Лос-Анджелесе, использует AI для генерации Netflix-подобных рекомендаций для приложений и веб-сайтов, посвященных продуктам, ресторанам и доставке продуктов питания, в частности, используя базу данных о ресторанных блюдах, рецептах, ингредиентах и ​​вкусе продуктов. Другие, такие как Foodpairing, Plant Jammer и Dishq, предлагают собственные системы рекомендаций, которые учитывают личные предпочтения. Есть также Tastewise, платформа, которая сочетает в себе искусственный интеллект (ИИ), прогнозную аналитику, компьютерное зрение и обработку естественного языка, чтобы выявить новые кулинарные тенденции.

Поделиться с миром: