文/藏狐

　　听说读写，在如今的AI身上早已不是什么新鲜事了。

　　智能语音助手、同声传译、人脸识别、自动新闻撰写等应用已经在大众用户和产业端广泛普及开来，AI模仿人类视觉、听觉、触觉的能力也在不断精进，但在辨别“味道”方面，似乎很少听到AI发光发热的应用案例。

　　当然，这并不意味着AI就在味觉和嗅觉领域“开天窗”了，实际上，也有不少研究团队试图摘下这朵的“高岭之花”。

　　有味道的AI：噱头营销还是真功夫？

　　当机器人在看路、行走等应用上跌跌撞撞宛如幼儿的时候，可能很少有人知道，利用人工智能驱动的味觉测试机器人已经在中国运行了三年。

　　中国轻工业联合会在 4 月提交的一份报告显示，自 2015 年以来，有超过 10 家传统中国食品制造商参与了政府支持的“AI 试味”项目，在生产过程中通过AI验证测试食品味道是否符合标准，保证食品安全。目前，测试对象包括干面条、米醋、茶和黄酒。

　　这些奇迹人配备了不少子和光学传感器，可模拟眼睛，鼻子和舌头。传感器收集食物和配料的视觉和气味信息，神经网络算法处理所有信息并查找数据中的模式，不断进行学习。

　　既然AI已经证明了自己的“辩味”实力，鉴别酸、甜、苦、咸、鲜等都不在话下，而且机器人的效率更高，可以在不到一秒的时间内完成每次品尝，每天24小时运行。

　　中国轻工业协会的报告显示，味觉测试机器人在降低成本的同时，能够有效提高食品行业的生产效率和质量。加入试验计划的公司声称，自2015年以来，人工智能帮助制造商增加了超过4450万美元的利润。

　　那为什么，人们却很少见到“AI取代米其林评审员”“机器人秒杀人类大厨”之类的炸裂新闻呢？

　　复杂的“味道”，与困难重重的AI“辩味”

　　从上述应用中不难看出，味道的传感器+神经网络，大多被应用在工业化实物的测试环节，亦或是未知味道的创新开发上，从某种意义上说明了AI在“辩味”这件事上，还存在哪些不足？

　　首先，AI“辩味”需要清晰的数据边界，比如食物配方，化学成分，消费者口味信息等等，这显然违背了味觉与嗅觉的基本逻辑。人类在感知气味的时候，就不需要将其分解成各种成分来进行单独感知，而是依赖于现场实时感受到的一种整体氛围，比如香氛，就是以整体信息来进行表征的。

　　“味道”本身的整体性，会使得高度依赖结构化数据的AI模型准确度有待提升，只能应用在一些高度机械化的场景，比如食物测试当中。

　　另外，AI“辩味”依赖于交互感知、材料学、动力学等多种技术的集成和协作，比如电子舌、电子鼻、组合化学等等，AI起的作用并不十分突出。

　　韩国研究者做出了比人类味觉强 10000倍的 E-tongue（电子舌头），需要先利用生物技术从与味觉相关的细胞中抽取基因信息，插入到其他细胞当中。再把改造后的细胞放到石墨烯材料上，感受到电流的变化。最后，才是借助深度神经网络对味道的电信号进行计算，来获知E-tongue 到底获得了什么样的味道。

　　显然，要保证AI机器人对味道有充足的感受，仅凭AI一己之力是无法搞定的，复杂可靠的传感器阵列和其他学科的辅助也至为关键。

　　3.降低机器学习模型的训练成本。我们知道，传统机器学习需要大量标注数据来完成训练，但显然，嗅觉和味觉AI系统都不是那么运作的。它们不需要辨认庞大规模的无用特征，就能够得到比较高的性能效果。将这种方式应用到传统机器学习模型的训练当中，缩短训练时间与算力成本，岂不是很棒？

　　4.仿生性帮助探寻更具潜力的算法。以果蝇的嗅觉系统为例，它们已经知道接近成熟的香蕉味道，远离醋味，但如果环境比较复杂，它感知到一种新味道后，会将当下的味道与之前闻过的味道相比对，选择更接近的那个做出相应的反应。

（在果蝇嗅觉系统上获得灵感的Navlakha实验室成员）

　　有实验室就利用这种嗅觉上的“相似性”创造了一种新的搜索算法。在图片数据集中，基于生物嗅觉的算法要比传统的非生物算法效果好到2-3倍。

　　让AI帮助我们将世界看得更清楚，听得更准确，已经小有成就。而隐藏在舌尖和鼻端的玄妙世界，其实也很值得科技公司们为之努力。眼耳鼻舌身意，这些结合起来，才是我们想象中AI完整的样子。

本文来自： 脑极体