Generale

Ova nova AI aplikacija može vam reći sastojke u vašoj hrani samo gledajući njezinu sliku


MIT je stvorio nešto poput Shazama za hranu. Nova aplikacija koristi algoritam dubokog učenja koji može stvoriti popis sastojaka iz gledanja fotografija hrane. Sistem bi mogao pružiti čak i recepte i informacije o prehrani. Iako AI još uvijek treba popraviti greške, tim iz MIT-ovog Laboratorija za računarske nauke i umjetnu inteligenciju (CSAIL) postigao je veliki napredak u početnoj obuci sistema.

[Izvor slike: Pixabay]

Program je domaćin masovne baze podataka o slikama i informacijama o hrani koje koristi za predviđanje sastojaka i recepata. Novi sistem je dobivao a 65% ocena tačnosti u testovima kada se od vas zatraži da preuzmu tačan recept nakon što vam se prikažu fotografije pripremljenih jela.

Baza podataka, nazvana Recipe1M, kreirana je od uobičajenih web lokacija s receptima kao što su AllRecipes i Food. Svaki od ovih recepata potom je označen dodatnim informacijama o sastojcima. Na ovim je receptima postavljena neuronska mreža koja je tražila obrasce i veze između gotovih recepata i sirovih sastojaka. Na primjer, kada se predstavi sa fotografijom kiflice, sistem može brzo identificirati ključne sastojke poput maslaca i brašna. Sistem nazvan Pic2Recipe, zatim iz svoje baze podataka predlaže popularni recept.

Diplomirani student CSAIL-a Nicholas Hynes koji je vodio istraživanje objasnio je za Gizmodo da sustav više nije samo prepoznavanje hrane. "To što program prepoznaje hranu zapravo je samo nuspojava načina na koji smo koristili dostupne podatke kako bismo naučili duboke prikaze recepata i slika", rekao je. „Ono što stvarno istražujemo su latentni koncepti koje je zarobio model. Na primjer, je li model otkrio značenje „prženo“ i kako se odnosi na „kuhano na pari?“ Vjerujemo da jest i sada pokušavamo izvući znanje iz modela kako bismo omogućili nizvodne aplikacije koje uključuju poboljšanje zdravlja ljudi . ”

[Izvor slike: CSAIL]

Hynes takođe brzo ukazuje na razliku između ovog sistema i obrnutog pretraživanja slika. „Ono što ovo razlikuje od obrnutog pretraživanja slika je to što idemo direktno sa slike na recept, umjesto da jednostavno vratimo recept povezan sa najsličnijom slikom; drugim riječima, vraćamo recept koji je, prema modelu, najvjerojatnije stvorio sliku upita. "

Jednostavna hrana u redu je za sistem kakav je sada. Ali složenije namirnice poput sušija izazovnije su i od njih će biti potreban novi način učenja sistema. Hranu koja ima gotovo beskrajne ponavljanja, poput lazanja, također je bilo teško sustavu utvrditi.

Na kraju, istraživači bi željeli osposobiti sistem za razumijevanje različitih metoda kuhanja, poput kuhanja ili prženja, i za preciznije utvrđivanje razlika između vrsta hrane. Drugi cilj je stvoriti sustav 'pomoći za večeru'. Korisnici bi mogli dati sistemu listu dostupnih sastojaka iz kojih bi AI mogao ponuditi mogućnosti obroka. Hynes objašnjava da bi ovo potencijalno moglo pomoći ljudima da shvate šta je u njihovoj hrani čak i kad nemaju tačne nutritivne podatke.

Sistem neće uskoro pristupiti Apple App Storeu, ali to bi mogao biti jedan dan na kartama kako bi pomogao nadobudnim kuharima i nutricionistima.

Izvori: Gizmodo, CSAIL

VIDI TAKOĐE: Nova Microsoftova aplikacija „Seeing AI“ opisuje svijet oko slijepih osoba


Pogledajte video: 5 Problems in Agile and how to solve them. 5 Challenges in a Scrum team. Scrum Implementation (Oktobar 2021).