Inteligența artificială sugerează rețete bazate pe fotografii alimentare MIT News Massachusetts Institute of
Contact presa:
Imaginea anterioară Imaginea următoare
Există puține lucruri pe care utilizatorii de rețele sociale le plac mai mult decât să-și inunde feed-urile cu fotografii cu mâncare. Cu toate acestea, rareori folosim aceste imagini pentru mult mai mult decât o derulare rapidă pe telefoanele noastre mobile.
Cercetătorii de la Laboratorul de Informatică și Inteligență Artificială (CSAIL) al MIT consideră că analiza unor fotografii ca acestea ne-ar putea ajuta să învățăm rețete și să înțelegem mai bine obiceiurile alimentare ale oamenilor. Într-o nouă lucrare cu Qatar Computing Research Institute (QCRI), echipa a instruit un sistem de inteligență artificială numit Pic2Recipe pentru a privi o fotografie a alimentelor și pentru a putea prezice ingredientele și a sugera rețete similare.
„În viziunea computerizată, alimentele sunt în mare parte neglijate deoarece nu avem seturile de date la scară largă necesare pentru a face predicții”, spune Yusuf Aytar, un postdoctor al MIT care a co-scris o lucrare despre sistem împreună cu profesorul MIT Antonio Torralba. „Dar fotografiile aparent inutile de pe rețelele de socializare pot oferi de fapt o perspectivă valoroasă asupra obiceiurilor de sănătate și a preferințelor dietetice”.
Lucrarea va fi prezentată la sfârșitul acestei luni la conferința Computer Vision and Pattern Recognition din Honolulu. Nick Hynes, student absolvent al CSAIL, a fost autorul principal alături de Amaia Salvador de la Universitatea Politehnică din Catalonia din Spania. Printre co-autori se numără post-doctoratul CSAIL Javier Marin, precum și omul de știință Ferda Ofli și directorul de cercetare Ingmar Weber al QCRI.
Cum functioneaza
Web-ul a stimulat o creștere imensă a cercetării în domeniul clasificării datelor despre alimente, dar majoritatea au folosit seturi de date mult mai mici, ceea ce duce adesea la lacune majore în etichetarea alimentelor.
În 2014, cercetătorii elvețieni au creat setul de date „Food-101” și l-au folosit pentru a dezvolta un algoritm care ar putea recunoaște imaginile alimentelor cu o precizie de 50%. Iterațiile viitoare au îmbunătățit doar precizia la aproximativ 80%, sugerând că dimensiunea setului de date poate fi un factor limitativ.
Chiar și seturile de date mai mari au fost adesea oarecum limitate în ceea ce privește cât de bine se generalizează între populații. O bază de date de la City University din Hong Kong are peste 110.000 de imagini și 65.000 de rețete, fiecare cu liste de ingrediente și instrucțiuni, dar conține doar bucătărie chineză.