AI想要在吃這件事上造出點名堂，光有科學思維是不夠的

通衢大道上有這樣一家別有風情的酒吧，推開門便是滿滿的啤酒香，走到吧台，點上一杯名字很特別的酒，淺酌一口，不禁發出嘖嘖的讚歎聲。這時候老闆從外面風塵僕僕地進來，見到客人就上前攀談到，「您好，這是我們酒吧一杯用AI演算法釀造的啤酒，您感覺味道如何？」

你相信嗎？人工智慧在不知不覺間又和我們吃什麼這件事扯上了關係，智慧餐廳雖然之前也被人們津津樂道，但是人工智慧卻似乎不僅僅只滿足於做一個乖乖的服務生。所以，人工智慧還能在吃這件事上躁出點什麼名堂呢？

AI飲品開發來一波

首先，飲品行業的消費者構成偏年輕，以奶茶這一飲品為例，其目標消費群主要為追求潮流的80-90後年輕群體。而且年輕的千禧世代和Z世代普遍表示願意在高端餐點上花費更多，價格往往並不是他們的第一考慮因素，體驗為王才是他們在生活中最大的追求。

之前，倫敦的IntelligentLayer公司聯合牛津機器學習專家利用演算法釀造的那款啤酒為了保證口味的獨特性在AI演算法中加入了1000個「通配符」成分，隨機插入到啤酒的配方中。也就是說，AI可以自主添加各種新奇成分來保持啤酒帶給客人的驚喜度。

另外，隨著人群逐漸細分，互聯網當中的「長尾效應」開始延續到線下的消費場景，行業無一例外都開始走向了小眾化的道路。傳統的飲品開發方式開始難以適應快速的市場變化，就像許多知名的餐飲品牌：全聚德、吉野家、真功夫、味千拉麵，正在經歷的中年危機：「光有品牌而無吸引力」，亦從側面證明了如果不能快速抓住市場口味的變化，那麼客流量下降的焦慮只會在時間的流逝當中被越放越大。而AI演算法開發飲品利用人工智慧的演算法和機器學習功能，可以在客人飲過之後進行交互實時收集用戶反饋，讓AI能夠記住該顧客的數據，並在下一次的生產當中不斷通過工藝的調整使飲品更加符合客人的口味偏好。

一家飲品公司的成功往往特別注重營銷和產品兩個因素，AI二字本來就是飲品的活廣告，不斷迭代的口味又能夠滿足年輕一代求新求變的心情。因此，AI演算法飲品只要得到一定權威認證，其市場的規模一定不會小。

AI說，除了吃得奇，還要吃得更健康

中國的中產階級數量持續上升，隨之提高了大眾對食品營養的要求。根據麥肯錫的預估，到2022年，中國上層中產階級家庭數量將達到1.93億，大眾中產階級家庭數量7854萬，整個社會對食品營養的市場需求將大幅攀升。

Innova在2017年的調查數據中，有23%的中國消費者認為真材實料是最影響其購買食品飲料的因素，這一數據高於美國，澳大利亞，英國和西班牙。這表明在中國正有越來越多的消費者願意選擇接受他們自己心目當中更健康的飲食。《華盛頓郵報》一篇文章也預測到，2018年的飲食重點將是「通過食物預防和控制諸如阿茲海默症等疾病，以及促進消化健康」，而這份預測報告的結果是參考了13000多位營養專業人士的意見得出。

目前，都柏林有一家初創公司將人工智慧應用於營養學，名叫Nuritas。它將人工智慧與分子生物學相結合，建立食品資料庫，識別食物中的肽，讓被開發出來的食品更加健康。在傳統的食品製造商當中，他們主要關注的是成本控制和安全，但沒有想過通過識別食物當中一些比較特殊的有益於人體健康的物質來提高自己的食品質量。

人工智慧強大的記憶能力非常適合學習各種不同的營養元素，將人工智慧和食物營養元素資料庫連接到一起，通過演算法識別食物種類，結合人工智慧視覺識別功能，然後就可以知道食物所富含的營養成份。光知道營養成分還不夠，人工智慧還可以為這些食物根據營養成為做合理的搭配，和人類的味覺共同作用於食品開發。

虛擬營養師打開營養生活的另一扇門

在我國，居民的營養知識普及程度一直不高，而且國內專業營養師服務的普及率也同樣很低。據調查，在日本，每300人就配備有一個營養師；在美國，每4000人配備一個營養師；而在中國，每40多萬人才有一個營養師，可見，與發達國家相比，我國公共營養師的人才缺口極大。

David Zeevi團隊在2015年11月的時候於《Cell》上發表論文，闡釋了機器學習應用於營養學的積極作用。研究人員為機器學習演算法輸入了800名志願者的數據進行訓練，學會了預測食物對人體血糖水平的影響。在之後的第二組人群上（100個志願者）驗證機器學習得出的模型，結果非常理想。之後在第三組實驗當中機器也成功地給予了健康飲食指導，讓志願者餐後的血糖水平得到了精準控制。

所以，讓人工智慧來提供的虛擬的營養師可能是打造精準營養生活最好的助手。通過分析標準化飲食的結果，研究者還發現即便使用同樣的食品，不同人的反應依然存在巨大差異，這表明，過去根據經驗得出的「推薦營養攝入」從根本上就有「漏洞」，虛擬的營養師其實比真實營養師提供的建議效果會更好。

此外，諮詢者往往把自己針對身體健康的維護或諮詢當做是一種弱勢行為。當提及健康方面的問題，至少現階段還是比較顧忌對自己的評價。營養師通常要遵循的一個基本原則是盡量迴避隱私或敏感的話題，學會忘記諮詢者隱私。但是當這個營養師成為虛擬的時候，這種弱勢或許就並不存在了，因為它只是一台機器而已。

人工智慧想要飲食這件事上躁起來固然是一件好事。但AI卻不是神筆馬良，畫什麼餅就能吃什麼餅。筆者認為AI作用於人類飲食還需突破的難題有三道。

AI造物的普遍性還在下一個春天

今天AI在演算法學習下嘗試了製造啤酒，但對於很多做其他食品製造的企業來說，旗下的食品種類通常少則十幾種，多則上百種。AI在將造物的學習經驗從一類情況向另外一類情況遷移時，經常會遇到困難。這意味著，企業需要投入大量資金訓練一個新模型，有時候即使第二次的情況與之前的十分類似也很難避免回籠再造的命運。企業大則還好，對於剛起步的小企業而言，AI學習所要耗費的人力物力財力就不太友好了，因此，AI製造食品要想廣泛落地還需解決學習普遍性的問題。

虛擬營養師真實效果還需繼續耕耘

營養的作用的確是客觀存在的，但是人工智慧賦能的虛擬營養師對人體健康的干預作用究竟幾何是受很多因素影響的。營養知識的門檻原本並不算高，在中國只要有興趣的都可以去學習甚至是考得一個營養師的證書。

但是，儘管人們對健康很看重，餐餐按照規定的食譜進食卻不是每個人都能夠依從的條件。如同減肥一樣，每個人都知道，只要控制飲食和多運動的方法論，卻鮮少有人能夠完成自己最終的體重目標。

所以，虛擬營養師要想有市場，不僅僅是要除了需要獲取醫療機構的個人數據，還需要結合AI預測疾病的功能，精準顯示用戶在未來的潛在疾病發展方向，提前給用戶預警，否則如若不能調動用戶自覺遵循AI建議的積極性，虛擬營養師則難以發揮效用。

數據採集少些邏輯怪圈

人工智慧進入人類的飲食生活要有意義就必須比人做得更好，但是全面依賴數據的機器學習卻往往讓人很難相信它的使用能夠廣泛造福所有人，製造此類人工智慧產品的人不僅要有計算機科學的思維還必須有社會學的思維。

從我國的國情來說，2014年我國確立了12.8萬個貧困村，8900萬貧困人口，以兒童為例，在低收入和中等收入國家，仍然有2.5億兒童可能因貧困和發育遲緩而無法發揮潛力，貧困地區農村兒童營養問題遠比城市兒童更為突出，他們的生長遲緩率和低體重率通常是城市兒童的6-8倍，貧血問題也較普遍的存在。

但是，人工智慧所能收集到的個人數據主要來自醫療機構，而出身貧困家庭的兒童們可能鮮少有機會去醫院查看自己的健康問題，留存的數據也必然是遠不及城市兒童的，這就不免引起人工智慧的歧視問題，也就是說人工智慧的內在邏輯可能是用治「富貴病」的方法去治「貧窮病」，而這肯定是不合理的。

古人常說，「食色性也」，人類這樣一個嘴饞的雜食物種，要想過得活色生香絕對少不了吃。如今，有AI在人類吃什麼，怎麼吃上進行把關，雖然還不盡完美，但相信不久之後飲食男女一定能過上「智慧吃」的好日子。

【鈦媒體作者介紹：智能相對論，文 | 楊蘇穎，原標題：進擊吧！通往飲食界的AI巨人】

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！