“機器人餐廳”真的向我們走來了?
在深圳舉行的第22屆中國國際高新技術(shù)成果交易會上，煲仔飯機器人、漢堡機器人、五谷豆?jié){機器人、棉花糖機器人、冰淇淋機器人等多款智能餐飲機器人云集，引起參展民眾爭相拍照、體驗。
目前，佛山、廣州、江門等地已經(jīng)有13家機器人餐廳落地;超200余臺各類餐飲機器人單機設備，在北京、江西、陜西等10余個省市的醫(yī)院、商業(yè)中心、景區(qū)、大學和政企單位實現(xiàn)運營。
煎炸交給機械手 油煙燙傷不用愁
兩年前因為工作動作太慢而被CaliBurger“炒魷魚”的自動化烹飪機器人Flippy，經(jīng)過改版后重新回歸快餐店的后廚。
今年初，食品制備自動化公司Miso Robotics推出了新款產(chǎn)品Flippy Robot-on-a-Rail，簡稱Flippy ROAR。和前一代Flippy不同的是，F(xiàn)lippy ROAR不僅能煎漢堡排，還可獨立制作多種食物，包括雞柳、雞翅、炸薯條、薯餅、洋蔥圈、熱狗、披薩等。
Flippy ROAR采用了計算機識別、深度學習模型和智能傳感器技術(shù)，通過烹飪學習訓練，讓它掌握不同食物的烹飪方式、所需時長、溫度，以及其他相關(guān)技巧。在實際操作過程中，廚房人員可通過觸控面板控制Flippy ROAR，其配套的運行軌道，讓它在廚房的移動更加安全方便。利用視覺識別技術(shù)定位廚房用具、區(qū)分食物種類、監(jiān)控食物熟度;以智能傳感器檢測燒烤板溫度等外部信息，作為Flippy ROAR下一步動作的依據(jù)。若出現(xiàn)煎糊或起火等意外狀況，則會迅速發(fā)出警報。
再者，F(xiàn)lippy ROAR連接的MISO-AI系統(tǒng)可實時接收訂單，根據(jù)訂單順序、菜品信息和制作時長，自主決策制作的優(yōu)先級，在短時間內(nèi)最大化地完成多個訂單。彌補了以往“動作慢、效率低”及“無法因時制宜”的缺點。Miso Robotics為Flippy ROAR制定的價格比前一代降低了一半，并提供月租機器和維護升級的服務。今年七月，F(xiàn)lippy ROAR和快餐連鎖店White Castle合作開展試運營，試用成功后將逐漸投入各門店。據(jù)VentureBeat報道，F(xiàn)lippy ROAR也將在CaliBurger的50家分店投入使用。
當然，F(xiàn)lippy ROAR并非唯一的商用廚房自動化設備。舊金山比薩連鎖店Zume Pizza使用大量機器人來壓制披薩面餅;漢堡連鎖店Creator借助傳感器和微型計算機來準備餐點。波士頓餐廳Spyce Food設有半自動化廚房，切配、炒菜、裝盤、洗碗全部由機器人完成，可在1小時內(nèi)生產(chǎn)近200份套餐。
自動化廚房機器人為烹飪方式、內(nèi)容大量重復且注重出餐效率的快餐領(lǐng)域提供了新的解決方案。白色城堡連鎖店副總裁Jamie Richardson表示，“自動化廚房機器人可以承擔廚房里的那些重復、耗時又危險的工作，讓后廚員工不必在高溫悶熱的油鍋前工作，可以在更安全的環(huán)境下，負責客戶服務、食材準備等別的業(yè)務，增加用人效率。”對餐廳而言，不但能節(jié)省許多成本，也降低了食物病原體傳播的可能性，以及人員頻繁接觸所帶來的新冠感染風險。
“智能相對論”看到，許多食客會帶著興奮的心情走進“機器人餐廳”，但對于普通家庭和個人而言，自動化烹飪設備就沒那么好用了。
一名FANLAI烹飪機器人的用戶曾總結(jié)了智能炒菜機器人的缺點:必須自己準備配菜、必須自己控制好配料分量、必須自己放配菜到固定盒子、只能抄固定分量以內(nèi)的菜肴，而且只能用來炒菜。 一些智能炒菜機公司會提供專用配菜包，但價格稍貴。“其實(炒出來)味道還可以，但是比自己炒的差遠了。鍋不用洗但是要清洗設備也是麻煩。而市面上很多這種設備廠家是沒有提供配菜的，如果要自己洗菜和切菜也就很麻煩了，而且分量控制也是沒辦法增加的，只能多炒幾次!”
其次，自動化炒菜設備千篇一律的做法與味道，對于多數(shù)家庭和個人而言過于單調(diào)。 就像網(wǎng)友說的: “機器人最大的優(yōu)勢應該是動作的一致性，但這個其實也成了機器人最大的劣勢，至少在炒菜這個領(lǐng)域來說。中國人還是喜歡自己每一次做出不一樣的味道。”
自動烹飪機器人只能制作內(nèi)置食譜上的菜色，還必須按照規(guī)格準備固定種類、分量的原料，這樣有限的烹飪方式、分量和口味并不能滿足一般家庭個性化的飲食需求。因此，自動化烹飪設備并未在C端得到普及。
看圖認菜沒問題，食譜識別不容易
2019年7月，北京大學開始試行識菜結(jié)算機器人。 這款菜色識別機器人認識食堂內(nèi)200多款菜色，運用AI圖片識別技術(shù)，可以根據(jù)食物紋理在2秒內(nèi)識別菜品，大幅提高了餐廳結(jié)賬速度。
“感覺食堂變得更高大上了，機器的收銀速度和食堂阿姨差不多。”一名同學說，“不過，如果人工收銀和機器人收銀都空著，我還是會選擇食堂阿姨，因為食堂阿姨站得更前面，并且當你還沒靠近，她已經(jīng)積極地幫你算好了價錢。”
一些同學表示，這款機器人并不能很準確的區(qū)分饅頭和包子、土豆燒雞和紅燒肉以及大碗米飯和小碗米飯的區(qū)別。購買這些菜品的時候，經(jīng)常需要再核實一下價格。
食堂阿姨普遍認為，機器人雖能在人多的時候減輕她們的負擔，但是她們對許多菜的價格爛熟于心，計算起來非?？?，識菜機器人似乎可有可無。不僅是大學食堂，已有越來越多餐廳開始使用AI識別菜品自動結(jié)賬的功能。如Microsoft的員工餐廳，一名員工表示，自使用了自動識菜結(jié)帳系統(tǒng)，“結(jié)賬時間從五分鐘變成五秒。”既能大幅縮減結(jié)賬時間，又能減少人力成本。識菜機器人正逐漸成為餐飲業(yè)的新寵。
相對于學校食堂中數(shù)量有限的菜品識別，運用AI來識別食譜就困難許多。
人工智能想要成功分析食譜，必須先弄清楚圖片中是什么食物;再推斷出食材和配料的加工過程。但現(xiàn)有的AI在第一關(guān)就被卡住了。
2017年，麻省理工學院計算科學與人工智能實驗室(CSAIL)的研究人員依此思路，創(chuàng)建了一款名為Pic2 Recipe的應用。Pic2 Recipe利用神經(jīng)網(wǎng)絡技術(shù)，能從食物圖片分析食材的成分，反向推導出制作過程中使用過的材料，并向用戶推薦類似的食譜。研究團隊借助內(nèi)含上百萬份食譜的Recipe 1 M數(shù)據(jù)庫來訓練Pic2 Recipe的神經(jīng)網(wǎng)絡系統(tǒng)，讓它能在各個食物圖像和其對應的成分和食譜之間建立聯(lián)系。但照片質(zhì)量對識別結(jié)果的影響較大，拍攝角度、遠近、擺放和燈光等不同場景下的同一食物，可能得出不同識別結(jié)果。
這樣的體驗并不符合日常使用需求，Pic2 Recipe的聯(lián)合創(chuàng)作人表示:“最重要的問題就是如何獲得正確的圖像比例。人們在拍攝食物照片時，總是有很多不確定因素，比如拍攝距離的遠近(影響食物的大小)，拍了一盤菜還是多盤菜(也可能某盤菜的一部分)。但這些問題也合情合理，畢竟你把一塊放大的餅干給普通人看，他們也有可能會誤認為是一塊煎餅。”這些不確定因素造成Pic2 Recipe的識別正確率只有65%，研究團隊正在提升Pic2 Recipe的精準度，并繼續(xù)豐富它的技能。
2018年，F(xiàn)acebook人工智能研究所的研究人員使用和Pic2 Recipe不同的演算方式，開發(fā)了另一個AI食譜生成系統(tǒng)，藉由美食圖片識別餐品的菜名、食材原料組成與加工程序。
傳統(tǒng)的食譜識別系統(tǒng)被表述為一個檢索任務，根據(jù)嵌入空間中的圖像相似度評分從一個固定的食譜資料庫中檢索出來的。這類系統(tǒng)的性能在很大程度上取決于資料庫的大小和多樣性，以及所學的嵌入質(zhì)量。缺點是當資料庫中不存在查詢目標的匹配菜譜時，這些系統(tǒng)就會失效。
針對這個不足，F(xiàn)acebook研究團隊轉(zhuǎn)換了思考方向，將圖像到食譜問題公式化為條件生成問題。利用食物圖片和對應食譜來做AI模型訓練，使用預先訓練的圖像編碼器和成分解碼器，讓它們利用從輸入圖像和成分共現(xiàn)中提取的視覺特征來預測一組成分。將圖像及其相應的成分列表為條件生成指令序列，推導出它們的加工方式，形成多份可能的食譜。再根據(jù)加工方式的可能性從高到低排列，以此生成最終食譜。
由于食品在加工后往往會形成嚴重的形變，而且成分經(jīng)常在烹飪的菜肴中被掩蓋。加上原料、調(diào)味料、菜色種類及烹飪方式的多元，包含溫度、火候、烹飪時間等制作過程中的些微差異，都會使餐點產(chǎn)生變化。這些變量為食譜識別增加了不少難度，因此，這款可以接受任何圖片的FB系統(tǒng)甚至不能準確判斷圖片內(nèi)容是否為食物。當研究團隊導入月亮圖片時，系統(tǒng)將其認作煎餅;而皮卡丘的圖片則被識別為煎蛋。
隨著人工智能自動化和圖片識別技術(shù)逐漸成熟，食譜識別的相關(guān)研究已持續(xù)進行了數(shù)年。食物成分識別可幫助我們管理營養(yǎng)攝入情況，也能為廚師及烹飪愛好者提供靈感。但烹飪活動本身的變量極大，加上食物圖片質(zhì)量受拍攝技術(shù)、距離及環(huán)境等因素影響，現(xiàn)在的食譜識別技術(shù)尚未成熟，仍有不少問題尚待解決。 想要獲得新食譜，上網(wǎng)搜索關(guān)鍵詞或許比拍照更加便捷可靠。
玉米片+牛肉+咖啡豆 原來你們AI好這口?
IBM曾和美食雜志《Bon Appétit》合作進行了一個有趣的實驗，將《Bon Appétit》中超過一萬份食譜輸入人工智能機器人沃森的“大腦”，推出主廚沃森(Chef Watson)創(chuàng)意食譜合成網(wǎng)頁。只要輸入想吃的菜系或食物種類(如墨西哥餐或面食)，再加上一個主題(如萬圣節(jié))，就可以得到一份創(chuàng)意食譜?；蛟S是AI的口味和人類不一樣，Chef Watson食譜的娛樂性遠遠高于實用性。它經(jīng)常輸出像“可可加上藏紅花、黑胡椒搭配杏仁和蜂蜜”這類不尋常又健康的早餐組合，或是”用玉米粉圓餅片搭配牛肉和無花果，然后澆上磨碎的咖啡豆”等“黑暗料理”。
不只是IBM，麻省理工學院也做過類似的嘗試。2018年，MIT的學生發(fā)布了AI披薩主廚Strono。研發(fā)團隊從食品blog和食譜網(wǎng)站上搜集了數(shù)百種手工披薩配方，形成一個“披薩食譜數(shù)據(jù)庫”，利用開源的機器學習模型textgnrnn，讓Strono從中學習，以現(xiàn)有原料和食譜做為參考，創(chuàng)作出它自己的創(chuàng)意披薩食譜。這些食譜和Chef Watson一樣，也存在一些常人難以想到的搭配，如藍莓、菠菜和羊奶酪披薩;培根、牛油果和桃子披薩等。Strono的披薩食譜還發(fā)明了一些根本不存在的食材，比如“wale walnut ranch dressing”。為了完成實驗，研發(fā)團隊邀請了波士頓手工披薩店Crush Pizza的老板兼主廚，根據(jù)Strono的食譜實際做出這些披薩。Strono的作品中，最受歡迎的是蝦、果醬和意大利香腸的搭配。Crush Pizza的老板已將Strono的這款創(chuàng)意披薩加入菜單，供客人享用。
即使擁有大量的食譜及食材相關(guān)數(shù)據(jù)，由于未對食材本身進行分析，Chef Watson和Strono仍然不能很好的掌握食材之間的匹配度，輸出的食譜像是將食材和烹飪方式的隨機組合。
由于烹飪本身的變量太多，要形成一份美味的食譜，必須對食材種類、狀態(tài)、分量、火候、溫度及烹飪方式之間的相關(guān)性等進行徹底的分析比對。目前尚未出現(xiàn)能完全達成以上要求的AI技術(shù)。
志趣相投可為友 氣味相合可成菜
雖然現(xiàn)在的AI還無法穩(wěn)定地輸出創(chuàng)新且合理的食譜，但單純分析各類食材之間的匹配度，還是可以做到的。
Foodpairing就是一個通過化學手段分析食材氣味，以AI算法技術(shù)匹配食材，提供食材搭配建議的網(wǎng)站。通過人工智能運算，分析比對食物氣味，能幫助廚師開發(fā)新食譜，改良現(xiàn)有菜色口味。
由于人類品嘗食物時所產(chǎn)生的口感多半來自嗅覺，一位米其林三星大廚曾提出假說:如果兩種食物的氣味組成越相似，他們就應該越容易被搭配成一道成功的菜肴。這一假說成為Foodpairing創(chuàng)始人Bernard Lahousse的靈感來源。
研發(fā)團隊以獼猴桃和海鮮作為實驗對象，先利用高效液相色譜法和氣相色譜法分析大量海產(chǎn)的氣味組成，確定不同氣味的濃度及其嗅覺閾值，將信息輸入Foodpairing的數(shù)據(jù)庫，再逐一與獼猴桃的氣味互相對比。實驗結(jié)果顯示，最適合搭配獼猴桃的海鮮為生蠔。大廚隨即用這兩樣食材創(chuàng)造了新菜Kiwître，成功獲得許多美食評論家與食客的好評。
AI的加入讓新菜開發(fā)事半功倍， 為苦思冥想搭配食材的大廚節(jié)省不少時間。這一新穎的創(chuàng)作方式讓不少廚師和餐廳對這套系統(tǒng)充滿興趣，如西班牙的斗牛犬餐廳和紐約的Eleven Madison Park便開始和Foodpairing展開合作。
在服務廚師和餐廳的同時，F(xiàn)oodpairing網(wǎng)站通過部份免費的形式，為一般用戶提供酸奶、麥片等新穎的搭配口味，日益擴充自己的食材香料數(shù)據(jù)庫。利用機器學習技術(shù)，自動獲取不同地區(qū)的消費者在社交網(wǎng)絡中關(guān)于菜色和潮品口感的討論，以及大廚們放在網(wǎng)上的食譜。在此基礎上，F(xiàn)oodpairing也開始分析不同地區(qū)消費者的口味偏好，并為食品公司提供關(guān)于產(chǎn)品口味的建議，幫助他們預測新產(chǎn)品的市場反應，減少開發(fā)新品時造成的食物浪費。
“智能相對論”查詢到，去年，Microsoft公司與瑞典釀酒廠Mackmyra和Fourkind合作，推出全球第一款由AI制造的威士忌。由Microsoft Azure云端及Azure認知服務提供酒廠的機器學習模型，并利用現(xiàn)有的配方、銷售數(shù)據(jù)以及客戶喜好等數(shù)據(jù)，讓AI透過大數(shù)據(jù) 從超過7000萬個方式及口味中選取制作方法。這款AI設計的單一麥芽威士忌被形容為帶點果味、橡木味及少許咸味的佳釀。此外，調(diào)味料公司McCormick、包裝食品公司Conagra以及百事可樂公司也都在用人工智能來創(chuàng)造新的食品口味。
今年10月，微軟公司與瑞士調(diào)味品公司Firmenich合作，以Firmenich公司的原材料數(shù)據(jù)庫為基礎，用AI研制出一種用于植物性肉類替代品的輕烤牛肉口味。這款口味集合了Firmenich獨特的配料和“SmartProteins”在植物蛋白替代品方面的專業(yè)知識。旨在滿足客戶對替代蛋白質(zhì)的需求，并在一系列蛋白質(zhì)基礎上發(fā)揮作用。針對越來越受歡迎的無肉健康飲食，在咸味食品、甜食和飲料中創(chuàng)建素食和純素食，為此類用戶提供傳統(tǒng)的肉類和奶類產(chǎn)品的替代品。
氣味分析運算和大數(shù)據(jù)分析處理充分發(fā)揮人工智能的優(yōu)勢，為食品定制口味、優(yōu)化口感提供解決方案，也加快了產(chǎn)品研發(fā)的周期，減少食物浪費及人力時間成本。 將研發(fā)人員從大量重復勞動中解放，得以更專注于AI做不到的事，如新配方的試吃、品味和改良。
Firmenich調(diào)味品公司總裁Emmanuel Butstraen表示，新冠疫情危機改變了食品創(chuàng)新格局以及消費市場，“我們必須以更快的速度，以更大的創(chuàng)造力來理解和應對快速發(fā)展的需求。無論是通過提供舒適和愉悅的時刻，還是解決向更健康的食品和飲料的更大轉(zhuǎn)變”他說。“AI的加入使我們能夠更好地利用不同的原材料去探索新的創(chuàng)意線索?？紤]到特定的產(chǎn)品參數(shù)，例如100%天然成分和法規(guī)要求，該技術(shù)增強了我們的調(diào)味師創(chuàng)建優(yōu)質(zhì)口味解決方案，并加速了我們產(chǎn)品研發(fā)的能力。” 目前，F(xiàn)irmenich正對基于其核心口味的幾款新型人工智能風味進行高級測試。
結(jié)語
AI技術(shù)人工智能在快餐生產(chǎn)自動化、算法匹配食材、新品研發(fā)等方面已趨成熟，成為廚房里的好幫手。人工智能無法取代人類廚師，卻能讓大廚如虎添翼，幫助我們擁有一個由更好的食物創(chuàng)造的，更好的世界。
(以上圖片皆源于網(wǎng)絡)
參考資料:
1. 雷鋒網(wǎng)《全能型AI機器人“廚師”來了 網(wǎng)友：又來搶飯碗?》
2. 機器人在線《Flippy ROAR導軌導航升級，廚房機器人在食品行業(yè)大顯身手》
3. 獵云網(wǎng)《Miso Robotics推出Flippy 2廚房機器人》
4.Peter Basildon《Pic2Recipe:Discover a Recipe from a Picture》
5. 硅谷密探《它山之石 | 還有這種操作，AI為三星米其林廚師寫食譜》
深挖智能這口井，同好添加vx：zhinengxiaoyan
此內(nèi)容為【智能相對論】原創(chuàng)，
僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復制或建立鏡像。
部分圖片來自網(wǎng)絡，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
