逆烹饪：AI从食物图片倒推烹饪食谱

如果活到70岁，你可能与200多万人擦肩而过，迎接过25000多次清晨和黄昏，当然，也吃过76000多顿饭。有的饭一天三次，有的饭一年一次，有的饭一生一次。现在的照片摄影或许能帮我们记录下简单的食物图象，而在这顿饭的背后，如何准备如何烹饪的过程往往才是我们比较珍惜的回忆。

Facebook发表了最新研究，使用AI技术，只需要一张食物的图片就可以洞悉它的烹饪方法。该系统通过新颖的架构预测成分作为集合，在不强加任何顺序的情况下对其依赖性进行建模，然后通过同时处理图像及其推断成分来生成烹饪指令。

AI变身大厨：看一眼就知道这道菜怎么做的

一份优秀的菜谱不仅能够写清楚配料，还要有清晰的烹饪步骤，例如大火爆炒几分钟，小火慢炖几分钟，是切丝还是切块等等。

之前，传统的做法是将图片转图谱问题看做一种“检索任务”，即根据图片的相似度从食谱谱数据集中匹配烹饪方案。

这类系统的性能在很大程度上取决于数据集的大小和多样性，以及图片的质量。如果数据集中压根没有图片对应食谱的时候，显然这个系统非常失败。

将图片到食谱看成条件生成问题可以很好的解决传统系统的难题。换句话说，与直接的图片匹配不同，后者更多的是预测配料的成分，然后根据配料和其对应的美食图片生成烹饪步骤。

除了食谱，之后可能还能识别卡路里

从食品图片到菜谱，需要获得超越仅仅是可见的图片之外的信息，这对于当前的计算机视觉系统无疑是一个巨大挑战。

与单纯理解自然图像相比，视觉成分预测需要的还有高级推理和先验知识，例如，羊角面包中含有黄油。这带来了额外的挑战，因为食品组合后具有比较高的类别内可变性，食物的形态在烹饪过程中发生严重改变，一道煮熟的菜肴和生的原料的样子可能天差地别。

逆烹饪的实现是迈向更广泛的食品理解系统的第一步，接下来也许就可以通过照片实现系统对于食物的卡路里估算和自动创建食谱。 说到食物的卡路里识别，今年年初麻省理工学院已研发出一款用于记录卡路里的AI产品，Coco Nutritionist，简称Coco。使用Coco，可以快速轻松地记录用户摄入的食物食谱，并生成卡路里。

使用方法也比较简单，首先通过语音方式说出你吃了什么，AI自动语义分析，生成食谱和详细文本信息，这时需要你配合编辑吃的食物和数量；然后系统和数据库进行比对，通过另一套AI分析出各个食物的营养成分和卡路里；营养数据可视化，生成图标信息，一目了然的掌握和控制管理自己的营养和饮食。整个操作体验还算流畅和易用，产品还包括简单的条形码扫描、拍摄餐食照片。

这款看似简单易用的产品，综合了语音识别，图像识别，食物成分解析，数据可视化等技术。如果把这个产品定义为个人的基于人工智能的数字助理，也正合适，它可以指导用户走上健康饮食的道路。赋能衣食住行，AI不再是高在云端，而是看得见摸得着得落在实地!