《矽谷》中的See Food不僅是真實的應用，還有真實的故事

機器之心報道

參與：李澤南

「我們知道楊靖的 app 是在食品領域中的，但我們假設它的實現基於手機攝像頭，」HBO《矽谷》第四季中矽谷的投資人這樣說道。「比如，你給食品拍照，應用會返回食品的營養成分、食譜或它的來源。」

楊靖是《矽谷》劇中巴赫曼「孵化器」中的一名程序員，他開發了一個名叫「Seafood」的應用，並把它拿到風險投資人的面前。他的想法來自於奶奶的章魚食譜，但 Seafood 的初衷很快遭到了風投公司的誤解。在會議結束後，楊靖的 app 成了「See Food」——Shazam 的食物版，從而得到了風投公司的青睞，即使相關的技術在談判結束時壓根就不存在。（Shazam 是「聽音識曲」軟體的鼻祖，可以通過手機麥克風接收聲音片段的方式識別出樂曲、電影、廣告和電視劇）

劇情在這裡變得搞笑起來。其實，有一個真實的食物識別程序在 2011 年就啟動了。

它叫「Meal Snap」，用戶可以通過拍照來識別食物信息，實時獲取卡路里數字，是的，它就是「Shazam 的食物版」。

創造 Meal Snap 的公司是 Daily Burn，它構建了一整套食物追蹤和保持身材的應用群。在其中，這個神奇的食物識別技術看起來尤為特別。「如果再快一點，準確性再提高一點，Meal Snap 可以成為一個神級應用，」那時的 CNET 是這樣評價 Meal Snap 的。

而在《矽谷》中，倉促上陣的楊靖和巴赫曼最終提出了一個自動化食物標籤系統。問題在於，它只能區分「熱狗」和「不是熱狗」，如果想要識別更多種類的食品，這個系統需要大量來自網路中帶有標記的圖片作為機器學習模型的訓練數據（巴赫曼在劇中試圖騙斯坦福大學計算機科學的學生免費來做）。這在今天看起來很有可能成功，不幸的是，在 2011 年，讓人工智慧實時識別食物對於 Meal Snap 團隊而言是一件難以逾越的挑戰，即使你的公司擁有再多的天才也無濟於事。

Google Brain 團隊在 2012 年才發表了著名的「貓論文」，展示了神經網路對於未標記數據的分析能力。而訓練這個神經網路用到了 16,000 個計算機處理器，和 1000 萬個 Youtube 上的視頻。

著名的「識別貓論文」：《Building High-level Features Using Large Scale Unsupervised Learning》，作者包括著名學者 Jeff Dean 與吳恩達。

在 Meal Snap 的網站中，圖像識別技術被稱為「魔法」。雖然該公司的 CEO Andy Smith 在採訪中曾提到這項技術涉及了人工參與，但沒有在透露更多細節。今天，Meal Snap 的秘密早已被人們發現：在用戶照相之後，應用會轉接到亞馬遜眾包平台 Mechanical Turk 上，由大量以重複勞動賺錢的人手動識別這些照片的食物，而應用端則接收他們識別出的食物名字，利用資料庫計算出卡路里的數量。

Meal Snap 並沒有火起來，因為它的收費方式讓人望而卻步——按識別次數收費。今天，設計這個 App 的公司 Daily Burn 運營的主業是在線形體課，按照訂閱收費。「我不看《矽谷》，」當 Smith 被問及這部流行美劇時說道。「它的故事和我的生活太近了，看起來令人筋疲力盡。」

隨著《矽谷》第四季第四集的播出，楊靖與巴赫曼的應用「Not Hotdog」也同期在 iTunes 上線了。在 HBO 的造勢中，這款應用可以通過手機攝像頭準確識別「熱狗」和「不是熱狗」，準確度和速度已得到了很多用戶的肯定。而劇中的開發者楊靖甚至接受了彭博社的專訪。

於是我們也下載了「Not Hotdog」，並進行了簡單的測試。

看起來它的準確度不錯。在 Hacker New 上，人們對 Not Hotdog 展開了熱烈的討論，一些網友表示這樣的應用（需要用到卷積神經網路）在 TensorFlow 上經過約 15 萬張圖片的訓練即可實現。在圖像識別技術高速發展的今天，昔日的夢想已變得觸手可及。今天看完這集，我們可以輕鬆一笑了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！