AI预测新的食物和饮料配对

 
机器人美食家似乎迫在眉睫，他们有朝一日可能会制作出与人类食谱同样美味的食谱。在最新发表的关于预印本服务器Arxiv.org的论文(“KitcheNette：使用连体神经网络预测和推荐食物成分配对”)中，韩国大学的科学家们描述了一种人工智能系统，它可以预测成分配对并按分数对其进行排序。他们说，它不仅能够建议互补的食物配对，还能发现新的成分组合，但它的表现远远超过其他基线模型。
“许多厨师，美食家和与食品有关的研究人员几十年来一直专注于研究食物配对，”该论文的共同作者写道。 “由于食物配对是基于专家的经验，食物配对本身是主观的，难以量化。在这项工作中，我们介绍了KitchenNette，它预测了未知配对的分数，这些配料由食谱中很少或从未用过的食物成分组成。
该团队的AI系统由所谓的连体网络或两个相同的机器学习模型组成，每个模型都将两个数据样本中的一个作为输入，以及包含宽线性模型和深度神经网络的宽而深的系统。为了训练它们，科学家们采购了一个数据集(Recipe1M)，其中包含文本和图像中的成分列表和配方说明，从中可以得到356,451种已知成分配对和3,567种独特成分名称。一个单独的机器学习算法–Im2Recipe – 提取的成分名称，研究人员用它来编制一个定义“互补”食物对的分数语料库，其范围在“-1”和“1”之间。
为了测试AI模型的烹饪知识，研究人员选择了三种类似的碳酸白葡萄酒 – 香槟酒，起泡酒和普罗赛克葡萄酒 – 然后计算每种葡萄酒搭配不同成分的得分。正如可以预料的那样，“香槟和橙色扭曲”和“橙色扭曲和起泡酒”等组合得分一直很高(0.33-0.45)，而“波光粼粼的葡萄酒和洋葱”以及“普罗赛克和洋葱”等不太正统的配对得分一直很低。
在另一项实验中，共同作者发现人工智能系统通常推荐日常烹饪和用餐中使用的食物成分，如“番茄和生菜”，“洋葱和碎牛肉”，“胡椒和牛至”。也许更令人兴奋的是，它发现了新奇食品饮料组合符合“风味圣经”中的建议，饮食内容，以及其他备受好评的美食文献 – 例如，各种肉类(如牛肉，羊肉)，红葡萄酒和正宗的日本料理配料与清酒配对。
研究人员留下未来的工作因素，考虑食品成分的化学信息，并使用更多有关百科全书食品成分的详细信息，以及使用更多“新颖”和“真实”的食谱来帮助他们的模型推荐“更多样化”的食品成分配对。
值得注意的是，他们的工作有助于不断增长的AI配方推荐系统。 IBM最近宣布与McCormick&Company合作，通过机器学习创造出新的口味和食品。 IBM的厨师Watson是一个研究项目，旨在通过分析数百种不同成分的化学成分来创造新的配方，生产了10,000多种新颖的配方。 (其创作的食谱于2015年出版。)纽约创业公司Analytical Flavor Systems的平台 – 胃液仪 – 利用感官数据和机器学习算法来提升产品的风味特征并确定需要改进的领域。
与此同时，总部位于洛杉矶的Halla的I / O平台使用人工智能为杂货店，餐馆和食品配送应用程序和网站提供类似Netflix的建议，部分原因是利用餐馆菜肴，食谱，配料和杂货品味道和风味属性。其他如Foodpairing，Plant Jammer和Dishq提供考虑个人喜好的专有推荐系统。还有Tastewise，一个结合人工智能(AI)，预测分析，计算机视觉和自然语言处理的平台，以消除新兴的烹饪趋势。