智能語(yǔ)音助手、同聲傳譯、人臉識(shí)別、自動(dòng)新聞撰寫(xiě)等應(yīng)用已經(jīng)在大眾用戶和產(chǎn)業(yè)端廣泛普及開(kāi)來(lái)，AI模仿人類視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)的能力也在不斷精進(jìn)，但在辨別“味道”方面，似乎很少聽(tīng)到AI發(fā)光發(fā)熱的應(yīng)用案例。

當(dāng)然，這并不意味著AI就在味覺(jué)和嗅覺(jué)領(lǐng)域“開(kāi)天窗”了，實(shí)際上，也有不少研究團(tuán)隊(duì)試圖摘下這朵的“高嶺之花”。

當(dāng)機(jī)器人在看路、行走等應(yīng)用上跌跌撞撞宛如幼兒的時(shí)候，可能很少有人知道，利用人工智能驅(qū)動(dòng)的味覺(jué)測(cè)試機(jī)器人已經(jīng)在中國(guó)運(yùn)行了三年。

中國(guó)輕工業(yè)聯(lián)合會(huì)在 4 月提交的一份報(bào)告顯示，自 2015 年以來(lái)，有超過(guò) 10 家傳統(tǒng)中國(guó)食品制造商參與了政府支持的“AI 試味”項(xiàng)目，在生產(chǎn)過(guò)程中通過(guò)AI驗(yàn)證測(cè)試食品味道是否符合標(biāo)準(zhǔn)，保證食品安全。目前，測(cè)試對(duì)象包括干面條、米醋、茶和黃酒。

這些奇跡人配備了不少子和光學(xué)傳感器，可模擬眼睛，鼻子和舌頭。傳感器收集食物和配料的視覺(jué)和氣味信息，神經(jīng)網(wǎng)絡(luò)算法處理所有信息并查找數(shù)據(jù)中的模式，不斷進(jìn)行學(xué)習(xí)。

這種能夠“辯味”的機(jī)器人，最早是由日本NEC公司和三重大學(xué)聯(lián)合開(kāi)發(fā)的。它們可以在不吃，即不破壞實(shí)物的前提下，利用傳感器向食物發(fā)射不同波長(zhǎng)的紅外線，結(jié)合反射數(shù)據(jù)畫(huà)出食物的“紅外指紋”，經(jīng)過(guò)與數(shù)據(jù)庫(kù)中的資料對(duì)比后，就可以準(zhǔn)確地辨別出數(shù)十種實(shí)物的味道和名稱。

最近，日本一家“未來(lái)日本酒店”研發(fā)的全新儀器“Yummy Sake”，讓消費(fèi)者在不認(rèn)識(shí)產(chǎn)品的情況下，盲品10款不同味道的日本酒。AI則會(huì)快速記錄民眾的喜好，把人類味覺(jué)化成可以檢測(cè)的數(shù)值，利用大數(shù)據(jù)分析結(jié)果來(lái)調(diào)整食物的味道，以期提高競(jìng)爭(zhēng)力。

類似的食物革命還包括了美國(guó)圣地亞哥的創(chuàng)業(yè)公司NotCo。它的創(chuàng)始人Pichara和Zamora開(kāi)發(fā)了一款機(jī)器學(xué)習(xí)軟件，用來(lái)發(fā)現(xiàn)不同動(dòng)物和植物蛋白之間的聯(lián)系。該軟件就會(huì)在七個(gè)數(shù)據(jù)庫(kù)中，通過(guò)描述食物和配料的分子數(shù)據(jù)，食物和配料的光譜圖像，以及一系列由公司內(nèi)部味覺(jué)測(cè)試人員收集的數(shù)據(jù)，如味覺(jué)、質(zhì)地、回味、辛辣和酸度等等，以幫助NotCo公司推出香腸、肉沫、冰淇淋等高熱量食物的純素植物替代品。目前，已經(jīng)為7000多株植物繪制了氨基乙酸結(jié)構(gòu)圖譜。

既然AI已經(jīng)證明了自己的“辯味”實(shí)力，鑒別酸、甜、苦、咸、鮮等都不在話下，而且機(jī)器人的效率更高，可以在不到一秒的時(shí)間內(nèi)完成每次品嘗，每天24小時(shí)運(yùn)行。

中國(guó)輕工業(yè)協(xié)會(huì)的報(bào)告顯示，味覺(jué)測(cè)試機(jī)器人在降低成本的同時(shí)，能夠有效提高食品行業(yè)的生產(chǎn)效率和質(zhì)量。加入試驗(yàn)計(jì)劃的公司聲稱，自2015年以來(lái)，人工智能幫助制造商增加了超過(guò)4450萬(wàn)美元的利潤(rùn)。

那為什么，人們卻很少見(jiàn)到“AI取代米其林評(píng)審員”“機(jī)器人秒殺人類大廚”之類的炸裂新聞呢？

從上述應(yīng)用中不難看出，味道的傳感器+神經(jīng)網(wǎng)絡(luò)，大多被應(yīng)用在工業(yè)化實(shí)物的測(cè)試環(huán)節(jié)，亦或是未知味道的創(chuàng)新開(kāi)發(fā)上，從某種意義上說(shuō)明了AI在“辯味”這件事上，還存在哪些不足？

首先，AI“辯味”需要清晰的數(shù)據(jù)邊界，比如食物配方，化學(xué)成分，消費(fèi)者口味信息等等，這顯然違背了味覺(jué)與嗅覺(jué)的基本邏輯。人類在感知?dú)馕兜臅r(shí)候，就不需要將其分解成各種成分來(lái)進(jìn)行單獨(dú)感知，而是依賴于現(xiàn)場(chǎng)實(shí)時(shí)感受到的一種整體氛圍，比如香氛，就是以整體信息來(lái)進(jìn)行表征的。

“味道”本身的整體性，會(huì)使得高度依賴結(jié)構(gòu)化數(shù)據(jù)的AI模型準(zhǔn)確度有待提升，只能應(yīng)用在一些高度機(jī)械化的場(chǎng)景，比如食物測(cè)試當(dāng)中。

另外，AI“辯味”依賴于交互感知、材料學(xué)、動(dòng)力學(xué)等多種技術(shù)的集成和協(xié)作，比如電子舌、電子鼻、組合化學(xué)等等，AI起的作用并不十分突出。

韓國(guó)研究者做出了比人類味覺(jué)強(qiáng) 10000倍的 E-tongue（電子舌頭），需要先利用生物技術(shù)從與味覺(jué)相關(guān)的細(xì)胞中抽取基因信息，插入到其他細(xì)胞當(dāng)中。再把改造后的細(xì)胞放到石墨烯材料上，感受到電流的變化。最后，才是借助深度神經(jīng)網(wǎng)絡(luò)對(duì)味道的電信號(hào)進(jìn)行計(jì)算，來(lái)獲知E-tongue 到底獲得了什么樣的味道。

顯然，要保證AI機(jī)器人對(duì)味道有充足的感受，僅憑AI一己之力是無(wú)法搞定的，復(fù)雜可靠的傳感器陣列和其他學(xué)科的輔助也至為關(guān)鍵。

阻止AI“辯味”大規(guī)模應(yīng)用的另一個(gè)關(guān)鍵問(wèn)題，則是傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)在味覺(jué)和嗅覺(jué)上的捉襟見(jiàn)肘。關(guān)于“味道”的神經(jīng)機(jī)制與我們熟悉的以分層方式搭建的深度神經(jīng)網(wǎng)絡(luò)有著明顯的不同。

味覺(jué)和嗅覺(jué)的神經(jīng)元在識(shí)別味道的時(shí)候，關(guān)注那些特征是隨機(jī)采樣的，就像人類往往直接感知冰淇淋的香甜冷爽一樣，綜合感受很難給出結(jié)構(gòu)化的數(shù)據(jù)和特征指向，因此與味道有關(guān)的神經(jīng)網(wǎng)絡(luò)往往也不會(huì)涉及非常多層級(jí)的架構(gòu)。

2009年，英國(guó)斯科塞斯大學(xué)的研究者曾經(jīng)推出了一種基于昆蟲(chóng)的嗅覺(jué)模型，用來(lái)識(shí)別氣味，以及手寫(xiě)的數(shù)字。最后他們發(fā)現(xiàn)，即使去除了大部分神經(jīng)元，也不會(huì)過(guò)度影響模型性能。

訓(xùn)練數(shù)據(jù)和樣本并不確定導(dǎo)向最終的訓(xùn)練結(jié)果，這種特殊的仿生學(xué)現(xiàn)象，自然也進(jìn)一步加大了算法開(kāi)發(fā)的難度與門(mén)檻，從而進(jìn)一步延緩了AI融入“味道”的進(jìn)程。

和發(fā)展尚屬早期的AI“辯味”能力相比，人類對(duì)于“味道”的綜合感知力就顯得非常逆天了。2004年生理學(xué)諾貝爾獎(jiǎng)得主理查德阿克塞爾和琳達(dá)巴克曾經(jīng)在嗅覺(jué)機(jī)理研究中發(fā)現(xiàn)，人類雖然只有1000種左右的嗅覺(jué)基因（細(xì)胞類型），但可以感受和辨識(shí)10000種以上的氣味化學(xué)物質(zhì)。

也難怪中國(guó)廚師協(xié)會(huì)（China Cuisine Association）國(guó)際事務(wù)主管孫琳會(huì)直接斷言，“不同廚師做同樣的菜，AI未來(lái)二三十年內(nèi)都可能分辨不出來(lái)其中的不同之處”。人類作為吃貨的尊嚴(yán)算是暫時(shí)保住了！

關(guān)于AI在味道方面的應(yīng)用顯然還處于初級(jí)探索階段，不外乎是檢測(cè)和判斷失誤的味道，幫助商家提高效率、改進(jìn)配方、吸引顧客等等，又或者是加載在冰箱上，在食物變味時(shí)提醒主人。聽(tīng)起來(lái)，好像都有點(diǎn)雞肋的樣子啊？

反倒是那種與食物聯(lián)系并不緊密的領(lǐng)域，目前看來(lái)，卻有可能是AI“辯味”未來(lái)最能帶來(lái)驚喜的地方，比如：

1.環(huán)保監(jiān)測(cè)。隨著傳感器的發(fā)展，人工智能味覺(jué)系統(tǒng)也在向微型化、聲波型等發(fā)展，除了能夠?qū)σ后w的物理味覺(jué)保持敏銳之外，還能夠精準(zhǔn)地檢測(cè)出流體的質(zhì)量、密度等一系列物理特征。尤其是使用了BP算法的神經(jīng)網(wǎng)絡(luò)，識(shí)別準(zhǔn)確率常能達(dá)到我94%以上。

因此，這類系統(tǒng)在工業(yè)廢水、地下水金屬離子含量分析、海水重金屬、工業(yè)生產(chǎn)的微生物數(shù)量等方面，得到了越來(lái)越廣泛的應(yīng)用。

2.安全保障與救援。盡管在綜合味道感知上不如人類，但在識(shí)別單一味覺(jué)，亦或是特殊氣體方面，神經(jīng)機(jī)器卻有著得天獨(dú)厚的優(yōu)勢(shì)。這種特殊的能力也被集成到一些安保產(chǎn)品當(dāng)中，替代人類去完成一些特殊任務(wù)。

像是嗅敏儀就可以或許分辨出大約40多種的氣體，其中就包括一氧化碳等一些人類都無(wú)法察覺(jué)的氣體，因此能夠很好地在一些危險(xiǎn)情況中保護(hù)人類的安全。

3.降低機(jī)器學(xué)習(xí)模型的訓(xùn)練成本。我們知道，傳統(tǒng)機(jī)器學(xué)習(xí)需要大量標(biāo)注數(shù)據(jù)來(lái)完成訓(xùn)練，但顯然，嗅覺(jué)和味覺(jué)AI系統(tǒng)都不是那么運(yùn)作的。它們不需要辨認(rèn)龐大規(guī)模的無(wú)用特征，就能夠得到比較高的性能效果。將這種方式應(yīng)用到傳統(tǒng)機(jī)器學(xué)習(xí)模型的訓(xùn)練當(dāng)中，縮短訓(xùn)練時(shí)間與算力成本，豈不是很棒？

4.仿生性幫助探尋更具潛力的算法。以果蠅的嗅覺(jué)系統(tǒng)為例，它們已經(jīng)知道接近成熟的香蕉味道，遠(yuǎn)離醋味，但如果環(huán)境比較復(fù)雜，它感知到一種新味道后，會(huì)將當(dāng)下的味道與之前聞過(guò)的味道相比對(duì)，選擇更接近的那個(gè)做出相應(yīng)的反應(yīng)。

有實(shí)驗(yàn)室就利用這種嗅覺(jué)上的“相似性”創(chuàng)造了一種新的搜索算法。在圖片數(shù)據(jù)集中，基于生物嗅覺(jué)的算法要比傳統(tǒng)的非生物算法效果好到2-3倍。

讓AI幫助我們將世界看得更清楚，聽(tīng)得更準(zhǔn)確，已經(jīng)小有成就。而隱藏在舌尖和鼻端的玄妙世界，其實(shí)也很值得科技公司們?yōu)橹ΑＱ鄱巧嗌硪?，這些結(jié)合起來(lái)，才是我們想象中AI完整的樣子。