به گزارش ایران سپید  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. این پروژه در ادامه تلاشهایی است که پیش از این توسط pinterest و پروژه‌های واقعی همچون برنامه Not Hotdog توسعه داده شده‌اند. این طور که پیش میرود ظاهرا ۲۰۱۷ سال پیشرفت تشخیص مواد غذایی از طریق هوش مصنوعی است.تیم CSAIL دانشگاه ام‌آی‌تی شبکه عصبی تشخیص مواد غذایی خود را Recipe1M نام نهاده است که در واقع این اسم بیانگر ۱میلیون دستور غذا و بیش از ۸۰۰ هزار تصویر از غذاهای مختلف است که در فرایند تشخیص مورد استفاده سیستم قرار میگیرد.تاکنون این بزرگترین شبکه‌ای هوش مصنوعی است که برای تشخیص هوشمند مواد غذایی توسعه داده شده است. الگوریتم به کار رفته به صورت خودکار از روی تصویر گرفته شده و جستجو در شبکه ای از اطلاعات قادر است نزدیکترین دستور پختهای مرتبط با آن 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 است که یادآور پروژه‌هایی همچون edges2cats و یا pix2pix است. البته این وب پورتال به جای تولید کابوسهای شبانه، تصویر مواد غذایی را دریافت میکند و بر اساس سیستم رتبه بندی خود، نزدیکترین غذاها و دستورات مرتبط با آنها را به کاربر نمایش میدهد.در ابتدا گفته شد”در تئوری” چرا که 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 در آمد. تصویر تاری که از Chex Mix ارائه شد نتایجی نزدیکتر و قابل قبول‌تری همچون بادام زنجبیلی و بادام زمینی تایلندی نمایش داد. تنها تصویری که توانستم نتیجه درستی از سیستم بگیرم، عکس یک‌هات داگ بود که نتایج بهتری به همراه داشت.البته منظور من این نیست که این سیستم تنها قادر به تشخیص‌هات داگ است. نتایج سیستم تا همینجا به اندازه کافی سرگرم کننده است. این محصول در ابتدای راه است و هنوز بهبودهای بیشتری لازم است تا در آینده بتواند در قالب یک محصول واقعی کاربردهای واقعی در زندگی روزمره ما داشته باشد.