涨姿势！AI不仅会写诗，还能“辨味”？

仙人掌，掌'我生活

听说读写，在如今的AI身上早已不是什么新鲜事了。

人脸识别、语音识别、同声传译等应用广泛普及开来，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，似乎少有耳闻 。

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

有“味道”的AI

最早由日本NEC公司和三重大学联合开发的能够“辩味”的机器人，可以在不吃，即不破坏实物的前提下，利用传感器向食物发射不同波长的红外线，结合反射数据画出食物的“红外指纹”，经过与数据库中的资料对比后，就可以准确地辨别出数十种实物的味道和名称。

在实际应用中，能够“辩味”的机器人可以帮助店主， 快速记录民众的喜好，把人类味觉化成可以检测的数值，利用大数据分析结果来调整食物的味道，以期提高竞争力。

类似的食物革命还包括了美国圣地亚哥的创业公司NotCo。它的创始人Pichara和Zamora开发了一款机器学习软件，用来发现不同动物和植物蛋白之间的联系。该软件就会在七个数据库中，通过描述食物和配料的分子数据，食物和配料的光谱图像，以及一系列由公司内部味觉测试人员收集的数据，如味觉、质地、回味、辛辣和酸度等等，以帮助NotCo公司推出香肠、肉沫、冰淇淋等高热量食物的纯素植物替代品。目前，已经为7000多株植物绘制了氨基乙酸结构图谱。

复杂的“味道”，与困难重重的AI“辨味”

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。

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。

最后，阻止AI“辩味”大规模应用的另一个关键问题，则是传统深度神经网络在味觉和嗅觉上的捉襟见肘。关于“味道”的神经机制与我们熟悉的以分层方式搭建的深度神经网络有着明显的不同。

醉翁之意：食物之外，才是新天地

关于AI在味道方面的应用显然还处于初级探索阶段，不外乎是检测和判断失误的味道，帮助商家提高效率、改进配方、吸引顾客等等，又或者是加载在冰箱上，在食物变味时提醒主人。听起来，好像都有点鸡肋的样子啊？

反倒是那种与食物联系并不紧密的领域，目前看来，却有可能是AI“辩味”未来最能带来惊喜的地方，比如：

1、环保监测。

随着传感器的发展，人工智能味觉系统也在向微型化、声波型等发展，除了能够对液体的物理味觉保持敏锐之外，还能够精准地检测出流体的质量、密度等一系列物理特征。尤其是使用了BP算法的神经网络，识别准确率常能达到我94%以上。

因此，这类系统在工业废水、地下水金属离子含量分析、海水重金属、工业生产的微生物数量等方面，得到了越来越广泛的应用。

2、安全保障与救援。

尽管在综合味道感知上不如人类，但在识别单一味觉，亦或是特殊气体方面，神经机器却有着得天独厚的优势。这种特殊的能力也被集成到一些安保产品当中，替代人类去完成一些特殊任务。

像是嗅敏仪就可以或许分辨出大约40多种的气体，其中就包括一氧化碳等一些人类都无法察觉的气体，因此能够很好地在一些危险情况中保护人类的安全。

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。

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。

文章综合整理自：钛媒体、脑极体、砍柴网

RECOMMEND