الذكاء الاصطناعي يدخل صناعة المطاعم: كوكتيلات الذكاء الاصطناعي تجعلك ألذ كلما شربت أكثر

لقد أصبح "الأكل" الآن ثقافة، ويمكن القول أن السعي المتواصل وراء الطعام كان بمثابة القوة الدافعة في تاريخ البشرية. من تطور الطبخ إلى المطبخ المتنوع اليوم، ما هي الأفكار الجديدة التي ستظهر في مجال تنسيق الأطعمة؟ ويشير الهوس الأعمى بعدم توافق الأطعمة أيضًا إلى أن أساليب وتقنيات جديدة سوف تلعب دورًا في هذا الصدد.

لقد لعب الطعام والطبخ دورًا حيويًا في تطور الحضارة الإنسانية. من تناول الطعام المطبوخ وزراعة المحاصيل إلى إضافة التوابل وإثراء طرق الطهي واختراع التبريد وما إلى ذلك، فإن اختراع سلسلة من أدوات وطرق تناول الطعام كلها من أجل تحسين مستويات المعيشة.

يتناول كتاب "تاريخ الطعام" الذي يتناول ثقافة الطعام الثورة الغذائية الأولى التي أدت إلى تطور كبير في حياة البشرية. ومن أهم العقد ظهور فن الطبخ. يصف الكتاب مشهد الأكل هذا: اعصر عصير الليمون على المحار أولاً، ثم اخبزه على نار هادئة، وسوف يخضع نسيجه وطعمه ونكهته لتغير رائع...

من استخدام النار إلى ظهور الطبخ، أصبحت عملية صنع الطعام تدريجيا نوعا من السحر، وهناك المزيد والمزيد من الطرق لتناول الطعام. لم يعد الطعام مجرد وسيلة لملء المعدة من أجل البقاء والحياة، بل أصبح فنًا وممارسة في إنتاج مجموعات مختلفة.

الطريق إلى الغذاء المتقدم يبدأ بالاقتران

وبما أن محتوى "الأكل" أصبح أكثر تعقيدًا، فإن البشر الذين يشعرون بالشبع يبدأون في التفكير في مثل هذه الأسئلة:ما هي الأطعمة التي يمكن تناولها معًا؟ ما هي الأشياء التي طعمها أفضل عندما تجتمع مع بعضها؟

ولحل هذه المشكلة، يعتمد عشاق الطعام العاديون على قواعد المطبخ الموروثة، في حين يستعين عشاق الطعام الأكثر خبرة بأساليب الذواقة أو الوصفات الراقية. ومع ذلك، فإن هذا النوع من الطرق يقتصر على نطاق ضيق لمجموعة واسعة من الأطعمة، ويعتمد بشكل أساسي على الخبرة ويعتبر ذاتيا للغاية.

والخبر السار هو أن لدينا الآن خيارات جديدة:يمكنك استخدام أساليب الشبكة العصبية لإنشاء مجموعات وتخبرك بما هو الأفضل مذاقًا.

في الآونة الأخيرة، ظهرت مقالة بعنوان"KitcheNette: التنبؤ بمزاوجات مكونات الطعام والتوصية بها باستخدام الشبكات العصبية السيامية" (https://arxiv.org/abs/1905.07261)تتناول هذه الورقة البحثية نظام مطابقة الأطعمة الذكي الذي ابتكره فريق التجارب بجامعة كوريا وأبحاثهم المكثفة حول مطابقة الأطعمة.

كيتشن نيت:كشف أسرار إقران الطعام باستخدام الخوارزميات

يعتمد هذا النظام علىالشبكات العصبية السياميةإطار نموذجي.

يتم استخدام الشبكات العصبية السيامية لقياس مدى تشابه مدخلين. يحتوي على مدخلين، يتم نقلهما إلى شبكتين عصبيتين على التوالي، وذلك لتعيين المدخلات إلى مساحة جديدة وتشكيل التمثيلات في المساحة الجديدة. ثم يتم تقييم التشابه بين المدخلين عن طريق حساب الخسارة.

في هذه الدراسة، قام الباحثون بتطوير نموذج اقتران الطعام كيتشن نيت من خلال أخذ مكونين كمدخلات، فإنه يستطيع حساب مدى ملاءمتهما للاقتران معًا. التعبير النهائي هو درجة بين -1 و 1، وكلما ارتفعت الدرجة، كلما كان مزيج الطعامين ألذ.

لتدريب KitchenNette، قاموا بإنشاء مجموعة بيانات غذائية تسمى Recipe1M، والتي جمعت كمية كبيرة من معلومات الوصفات، بما في ذلك النصوص والصور لمجموعة متنوعة من الأطعمة، بما في ذلك قوائم المكونات وتعليمات الوصفات.

ومن هذه الوصفات، قمنا بتصفية الطعام من خلال استخراج متجه الكلمات وتقنيات أخرى، ثم أجرينا عمليات الاقتران.تم الحصول على ما مجموعه 356,451 تركيبة معروفة صالحة، أما أزواج الطعام المتبقية وعددها 6,003,500 فكانت غير شائعة أو لم تظهر من قبل وتم استخدامها كمجموعات اختبار..

كما أنهم يستخدمون Im2Recipe  خوارزمية لاستخراج أسماء المكونات من الصور.

يتكون تصميم نموذج KitchenNette من عنصرين رئيسيين.

الأول يستخدم شبكة عصبية توأمية مكون تمثيل المكونات، حيث يوجد اثنان من المدركات متعددة الطبقات (MLPs) بنفس الأوزان، حيث يستقبل كل منهما مدخلات المكونات. يحتوي كل MLP على طبقتين متصلتين بالكامل لمعالجة متجهات مكونات الإدخال.

المكون الثاني هو "مكون التنبؤ بنتيجة الاقتراناستخدام الطبقات العميقة والواسعة لعملية التسجيل. في الطبقة العميقة، يتم ربط طبقتي متجهات التمثيل المكتسبة وتمريرهما إلى MLP آخر يحسب التمثيل المشترك للمكونين لاستخراج الميزات الدلالية، بينما يتم استخدام الطبقة الواسعة لالتقاط الميزات المتفرقة.

بعد بناء النموذج،أولاً، دع النموذج يتعلم مجموعات الطعام المصنفة، ويحللها ويجد قواعد "المجموعات الجيدة" من 300000 زوج مصنف بالفعل، ثم استخدم مجموعات الطعام 95% المتبقية للاختبار النهائي..

وفقًا لورقتهم البحثية، يحتاج KitchenNette فقط إلى إدخال نوعين من الأطعمة وسيعطي درجة حكم على ما إذا كانا مناسبين للاقتران، والنتيجة أفضل من النماذج الأخرى.

الكوكتيلات والمعجنات هي أفضل مزيج للعارضات!

ولتقييم دقة تنبؤات النموذج، قاموا بإجراء العديد من التحليلات النوعية.

من خلال إدخال مجموعات كلاسيكية معروفة، قمنا باختبار ما إذا كان النموذج قادرًا على إعطاء درجات عادلة. وبمقارنة ذلك مع نماذج كلاسيكية أخرى، وجدنا أن توقعات KitchenNette كانت أكثر توافقاً مع عادات الأكل لدى الناس. وأخيرًا، بعد مقارنتها بتوصيات خبراء الطعام، وجدنا أن النتائج كانت متقاربة جدًا.

وخاصة المشروبات الكحولية والمعجنات، حيث أن مكوناتها موحدة الوصفة، ويمكن التحكم في الطعم بدقة أكبر.

على سبيل المثال،الشمبانيا + قشر البرتقالإلى جانب نبيذ فوار + قشر برتقالالنتائج المطابقة لـ نبيذ فوار + بصلو "بروسيكو + بصل"لقد حصل هذا المزيج الغريب على درجة منخفضة جدًا.

في بريستول، المملكة المتحدة، فريق مبتكر آخر عملاق صغير  يركز الفريق على تطوير الأطعمة المبتكرة التي تم إنشاؤها باستخدام الذكاء الاصطناعي، وقد أنشأ حتى الآن العديد من الكوكتيلات والكعك المخصصة باستخدام الذكاء الاصطناعي.

أما فيما يتعلق بمتابعة هذه الدراسة، فقد قال الباحثون إنهم سيجرون المزيد من التحسينات، مثلضع في اعتبارك المعلومات الكيميائية لمكونات الطعام،استخدم الموسوعة للحصول على معلومات مفصلة عن مكونات الطعام،إلى جانبالمزيد من الوصفات "الجديدة" و"الحقيقية"تم تدريب النموذج على التوصية بمزاوجات أكثر تنوعًا لمكونات الطعام.

في السنوات الأخيرة، سمحت لنا شعبية برامج الطعام مثل "A Bite of China" و"A String of Life" برؤية سحر الطعام المذهل. يبدو الآن أن الذكاء الاصطناعي قد يفتح عالمًا جديدًا من إقران الطعام بشكل أسرع مما نستطيع.

--زيادة--