之前由See Food Inc研發(fā)出的熱狗識(shí)別app“不是熱狗”(Not Hotdog)引發(fā)了AI界的熱烈討論，然而一個(gè)看上去簡單的戲謔性app涉及到的AI技術(shù)卻非常復(fù)雜，雖然在應(yīng)用層面作用不大，卻是人類AI歷史上里程碑一樣的產(chǎn)品，之前36Kr有過相關(guān)報(bào)道。

　　Not Hotdog的名聲大噪引發(fā)了AI界對于食物識(shí)別的又一輪熱潮，MIT的電腦科學(xué)和人工智能實(shí)驗(yàn)室最近就在研究這個(gè)領(lǐng)域。MIT團(tuán)隊(duì)意圖使用食物識(shí)別系統(tǒng)從美食制作視頻中識(shí)別出菜譜的原料。MIT團(tuán)隊(duì)的pic2recipe(圖片到接收器)系統(tǒng)運(yùn)用計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)來判斷社交網(wǎng)絡(luò)上美食圖片中食物的種類，從而還可以進(jìn)一步分析上傳者的健康習(xí)慣和飲食偏好。

　　Pic2recipe系統(tǒng)運(yùn)用了瑞士科學(xué)家2014年研發(fā)的食物識(shí)別算法Food-101 Data Set，運(yùn)用了其數(shù)據(jù)庫中的101000張食物圖片，而這些圖片和CSAIL的Recipe1M database數(shù)據(jù)有交叉引用的部分。Recipe1M database的數(shù)據(jù)大多數(shù)是從一些流行的菜譜網(wǎng)站諸如All Recipes和Food.com中扒下來的。

　　目前該項(xiàng)技術(shù)離完全成熟還有很長一段路要走，當(dāng)前系統(tǒng)識(shí)別的正確率只有65%左右。項(xiàng)目當(dāng)前遇到的最大瓶頸還在于圖片本身。聯(lián)合研發(fā)人Nick Hynes表示，人們在拍攝食物照片的時(shí)候，食物的呈現(xiàn)會(huì)受到拍攝狀態(tài)的影響，包括角度、遠(yuǎn)近、擺放和燈光等因素都可能造成識(shí)別結(jié)果的不同。在同一種食物出現(xiàn)在不同的菜譜中時(shí)，系統(tǒng)的識(shí)別錯(cuò)誤率也會(huì)提升。

　　目前系統(tǒng)比較擅長于識(shí)別烘焙制的食物。

　　食品擁有萬億級的市場，其包含的垂直領(lǐng)域眾多，從零售業(yè)到餐飲業(yè)再到社交產(chǎn)業(yè)等都可以看到美食的身影。美食內(nèi)容網(wǎng)站下廚房、美食杰等企業(yè)都獲得過投資，相信MIT研發(fā)的這項(xiàng)技術(shù)如果成熟，可以運(yùn)用到的場景的想象空間非常大。