社交網路美食照太多？MIT開發的AI能一眼識別它們的「本體」

你想拍一張食物的照片，然後就得到這種食物的菜譜嗎？

最近，麻省理工學院計算科學與人工智慧實驗室（CSAIL）的研究人員創建了一款名為Pic2Recipe的應用，它就能很好地做到這一點。

圖丨Pic2Recipe 應用

這款應用基於一種被研究人員叫作「Recipe1M」的新型神經網路，從「理論上」來說，它可以根據上傳的食物圖像，然後給出圖像上所描述食物的配方。不過在此之前，就有利用人工智慧來識別食物的例子。在 HBO 出品的情景喜劇《矽谷》中，Erlich 和楊建開發的「熱狗識別」應用就曾引發了 AI 界對於食物識別的熱烈討論。另外，圖片社交平台 Pinterest 推出的視覺搜索工具 Lens，被用戶用的最多的竟然也是識別食物。所以有人戲稱，2017 年人工智慧的主要應用，就是識別食物。

圖丨《矽谷》中的「熱狗識別」應用

CSAIL 的研究人員將在本周計算機視覺與模式識別大會的的參會論文中詳細描述這一神經網路的細節。但是簡單地說:研究人員為這個神經網路「喂」了 100 多萬個食譜和近 100 萬張食物圖片。在這一訓練過程中，它更加完善了食譜中的內容與食物照片之間的密切聯繫，然後將其結果返回到 Pic2Recipe 應用的界面中。

這個應用讓人想起了我們之前所見過的那些低保真的看起來很傻的基於人工智慧學習系統 TensorFlow 的項目，比如 edges2cats 或 Pix2Pix。不過，這個應用的反饋結果並不會像那幾個項目那樣讓人吃驚不已。它只是根據你上傳的食物照片來抓取食譜，並根據系統的確信程度來對食譜進行排名，然後給出結果。

圖丨Pix2Pix 糟糕的識別能力

但是就像我們在前面說的，它只是在「理論上」能實現這種功能，因為在一系列的簡短測試中，Pic2Recipe 幾乎沒有給出正確的結果。有趣的是，當測試者上傳一張熱狗圖片時，它的唯一的輸出結果就是上傳的那張熱狗圖片，這說明該項技術離完全成熟還有很長一段路要走。

目前該系統識別的正確率只有 65% 左右，其所遇到的最大瓶頸還在於圖片本身。聯合研發人 Nick Hynes 表示，人們在拍攝食物照片的時候，食物的呈現會受到拍攝狀態的影響，包括角度、遠近、擺放和燈光等因素都可能造成識別結果的不同。在同一種食物出現在不同的菜譜中時，系統的識別錯誤率也會提升。目前該系統比較擅長於識別烘焙制的食物。

不過，MIT 研發的這項技術如果成熟了，就可以運用到萬億級的食品市場中，它應用的想像空間將會非常之大，我們現在只能期待著它的不斷完善。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！