想换个新食谱？深度学习来帮你

据外媒报道，深度学习可帮助我们更新食谱。想象一下你最喜欢的首选食谱变成符合任何不同地区饮食文化的传统技艺和食材。例如，意式宽面，但是日本菜或埃塞俄比亚菜系里自然形成的一种意式宽面。没有“融合”，而是更深层的东西——按照其他地方的烹饪传统对意式宽面的定义进行全面改写。

这做起来未必简单或顺理成章，但由法国、美国和日本研究人员组成的团队开发的一种新的机器学习算法提供了基于神经网络和大量食物数据的自动化解决方案。2017年5月，(通过I Programmer网站)发表在arXiv预印本服务器上的一篇文章指出，该研究结果是一个系统，可以把给定的食谱转变成另一种饮食风格，例如寿司意面，还能对食谱的内在风格元素进行解析。

当谈到数据，食谱就是令人好奇的领域。一种食谱本身就是一种算法，它是文化的一个方面，被非常仔细地量化，无论量化形式是汤匙、盎司，还是各食材之间的比率。即使是想对食谱进行统计分析，似乎都是自然而然的事情，特别是在各种饮食文化持续地融合的情况下。

“随着全球化日益增加，经济不断发展，用特定的传统风格去确定一种食谱的饮食风格变得越来越困难，因为在亚洲、欧洲等地的很多国家饮食模式都在不断变化和融合。”该论文解释道，“对于这种变化融合带来的挑战，据我们所知，人们几乎没有放精力去开发算法来把一种食谱的饮食风格转换成任何选定的饮食模式。”

该系统的第一个组件所分配的任务是接收大量食谱，利用这些食谱训练神经网络，确定代表一个特定国家烹饪风格的食谱特点。然后，这个模式可以用来接收新的食材列表，预测该列表对应于哪个国家的菜系。这部分是一个相当典型的机器学习分类问题。系统的下一个部分是针对食谱的风格混合，并将其可视化为牛顿图（Newton diagram），在二维坐标图中显示了数据内的混合。系统的第三部分针对食材，通过所谓的word2vec模型将食材分组。这是词语之间——在本案例中是食谱食材之间——的一种量化关系方法，常用于文本分析。相似的词语或食材由相似的词语或食材关系表示。其结果是以很深入的方式来展现食材之间如何相似、什么食材可以代替其他食材等。这就是系统如何得出它的替代食谱变体。

该研究团队中有一名专业厨师，他们真的去烹饪由此得到的食谱。吃得更好是终极目标。“不健康的饮食风格是亟待解决的最重要公共卫生问题之一。”该论文指出，“鉴于过去的研究已经确定了健康食谱是什么，未来的努力应该集中于开发数据驱动系统，把健康食谱转换成任何给定的饮食风格。那么科学证明健康的且符合用户独特饮食偏好的饮食风格就能为用户所接受。”