محققین علوم کامپیوتر و لابراتوار هوش مصنوعی(CSAIL) دانشگاه MIT موفق به توسعه یک شبکه عصبی شدهاند که در تئوری قادر است با دریافت عکس از مواد غذایی، دستور پخت آنها را پیدا کند.
محققین علوم کامپیوتر و لابراتوار هوش مصنوعی(CSAIL) دانشگاه MIT موفق به توسعه یک شبکه عصبی که در تئوری قادر است با دریافت عکس از مواد غذایی، دستور پخت آنها را پیدا کند، شدهاند. این پروژه در ادامهی تلاشهاییست که پیش از این توسط pinterest و پروژه‌های واقعی همچون برنامه Not Hotdog توسعه یافته بودند. این طور که پیش میرود ظاهرا ۲۰۱۷ سال پیشرفت تشخیص مواد غذایی از طریق هوش مصنوعی میباشد.
تیم CSAIL دانشگاه ام‌آی‌تی شبکه عصبی تشخیص مواد غذایی خود را Recipe1M نام نهاده که در واقع این اسم بیانگر یک میلیون دستور غذا و بیش از ۸۰۰ هزار تصویر از غذاهای مختلف است که در فرآیند تشخیص، مورد استفاده سیستم قرار میگیرد.
تاکنون این بزرگترین شبکهی هوش مصنوعی است که برای تشخیص هوشمند مواد غذایی توسعه داده شده است. الگوریتم به کار گرفته شده قادر است به صورت خودکار از روی تصویر و جستجو در شبکهای از اطلاعات، نزدیکترین دستور پختهای مرتبط را پیدا کند. برای اطلاعات بیشتر در مورد مکانیزم این کار میتوانید مقاله‌ای که در همین هفته توسط لابراتوار منتشر شد را مطالعه نمایید.
نتیجه این پردازش، اینترفیسی گرافیکی تحت عنوان pic2Recipe میباشد که یادآور پروژه‌هایی همچون edges2cats وpix2pix است. البته این وب پورتال به جای تولید کابوسهای شبانه، تصویر مواد غذایی را دریافت میکند و بر اساس سیستم رتبهبندی خود، نزدیکترین غذاها و دستورات مرتبط با آنها را به کاربر نمایش میدهد.
صرفنظر از جالب بودن ایده طبق تستهایی که انجام دادیم، این سیستم هنوز قادر به تشخیص بسیاری از دستورات غذایی نیست و در مواردی نیز تشخیصها اشتباه و دور از انتظار است (در مورد غذاهای ایرانی که اصلا فکرش را نکنید چون ظاهرا در دیتابیس سیستم وجود ندارد، بنابراین انتظار نداشته باشید که برنامه بتواند آبگوشت، قورمه سبزی و دمپختک را برای شما تشخیص دهد).
حتی در بین غذاهای فرنگی هم بسیاری از تصاویر آپلود شده با نتیجه no matches مواجه میشوند. در یک مورد، تصویری از یک برگر به برنامه ارائه شد که نتیجه بر خلاف انتظار چیز دیگری از آب درآمد. تصویر تاری که از Chex Mix ارائه شد، نتایجی نزدیک و قابل قبول‌تر همچون بادام زنجبیلی و بادام زمینی تایلندی نمایش داد. تنها تصویری که نتیجه درستی ارائه داد، عکس یک هات داگ بود . البته منظور این نیست که این سیستم تنها قادر به تشخیص هات داگ است. این محصول در ابتدای راه است و هنوز بهبودهای بیشتری لازم است تا در آینده بتواند در قالب یک محصول، کاربردهای واقعی در زندگی روزمره ما داشته باشد.
منبع: نت نوشت