输入“/”快速插入内容

人工智能根据食物照片推荐食谱：开启美食探索新征程​

2024年12月8日修改
在当今的社交媒体时代，人们热衷于分享美食照片，但这些照片的价值往往仅止于视觉享受。然而，麻省理工学院（MIT）的研究人员却发现了这些照片的潜在价值——通过人工智能技术，从食物照片中推测出食谱成分并提供类似的食谱建议。​
MIT 计算机科学与人工智能实验室（CSAIL）开发的 Pic2Recipe 人工智能系统，为我们展现了这一创新理念的实际应用。该系统利用神经网络，通过分析大量的示例来学习如何从食物照片中预测食材并推荐相似的食谱。这一技术的出现，不仅为我们的日常生活带来了便利，也为我们更好地理解人们的饮食习惯和饮食偏好提供了新的途径。​
在计算机视觉领域，食物图像的研究一直受到数据规模的限制。以往的研究中，数据集规模较小，导致食物标注存在较大差距，且对不同人群的通用性也有所局限。例如，2014 年瑞士研究人员创建的“Food - 101”数据集，其算法对食物图像的识别准确率仅为 50%，后续的改进也仅将准确率提高到约 80%。而香港城市大学的数据库虽然拥有超过 11 万张图像和 6.5 万个食谱，但仅包含中国菜系。​
为了克服这些问题，CSAIL 团队精心梳理了诸如 All Recipes 和 Food.com 等网站，创建了一个名为“Recipe1M”的数据库，其中包含了超过 100 万份食谱，并对这些食谱中的食材信息进行了详细标注。利用这个庞大的数据库，团队训练了神经网络，使其能够在食物图像与相应的食材和食谱之间找到模式和联系。​
当给定一张食物照片时，Pic2Recipe 系统能够识别出像面粉、鸡蛋和黄油等食材，并推荐几个与之相似的食谱。该系统在甜点如饼干或松饼的识别上表现尤为出色，因为数据库中这方面的内容较为丰富。然而，对于一些较为模糊的食物，如寿司卷和冰沙，系统在确定食材时则存在一定的困难。此外，当面对同一道菜的多种相似食谱时，系统也需要解决如何避免对相似食谱进行“惩罚”的问题，通过比较食材的总体相似性来解决这一难题。​
尽管 Pic2Recipe 系统目前还存在一些局限性，但研究团队对未来充满信心。他们希望能够进一步改进系统，使其能够更详细地理解食物，例如推断食物的制作方式（如炖煮或切丁），或区分不同种类的食物（如不同种类的蘑菇或洋葱）。此外，研究人员还希望将该系统发展成为一个“晚餐助手”，能够根据饮食偏好和冰箱中的食材清单来确定烹饪内容。​
这一技术的潜在应用价值不可小觑。它可以帮助人们追踪日常饮食的营养成分，或者在餐厅用餐后，通过拍摄食物照片了解在家中制作该菜肴所需的食材。对于那些没有明确营养信息的菜肴，人们可以通过拍摄照片、输入食材，运行模型来找到一个具有已知数量的相似食谱，从而近似地了解自己所食用菜肴的营养成分。​
总的来说，MIT 的这项研究为人工智能在美食领域的应用开辟了新的道路。随着技术的不断进步，我们有理由相信，Pic2Recipe 系统及类似的技术将为我们的生活带来更多的便利和创新，让我们在享受美食的同时，也能更好地了解和管理我们的饮食健康。​