江苏龙网

  1. 首页 > 资讯 > 科技 > >

人工智能,麦仑仙人掌■涨姿势！AI不仅会写诗，还能“辨味”？( 二 )


显然 ， 要保证AI机器人对味道有充足的感受 ， 仅凭AI一己之力是无法搞定的 ， 复杂可靠的传感器阵列和其他学科的辅助也至为关键 。
人工智能,麦仑仙人掌■涨姿势！AI不仅会写诗，还能“辨味”？
文章图片

文章图片

人工智能,麦仑仙人掌■涨姿势！AI不仅会写诗，还能“辨味”？
文章图片

文章图片

视觉神经网络与嗅觉神经网络的不同架构
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 。
味觉和嗅觉的神经元在识别味道的时候 ， 关注那些特征是随机采样的 ， 就像人类往往直接感知冰淇淋的香甜冷爽一样 ， 综合感受很难给出结构化的数据和特征指向 ， 因此与味道有关的神经网络往往也不会涉及非常多层级的架构 。
2009年 ， 英国斯科塞斯大学的研究者曾经推出了一种基于昆虫的嗅觉模型 ， 用来识别气味 ， 以及手写的数字 。最后他们发现 ， 即使去除了大部分神经元 ， 也不会过度影响模型性能 。
训练数据和样本并不确定导向最终的训练结果 ， 这种特殊的仿生学现象 ， 自然也进一步加大了算法开发的难度与门槛 ， 从而进一步延缓了AI融入“味道”的进程 。
和发展尚属早期的AI“辩味”能力相比 ， 人类对于“味道”的综合感知力就显得非常逆天了 。2004年生理学诺贝尔奖得主理查德阿克塞尔和琳达巴克曾经在嗅觉机理研究中发现 ， 人类虽然只有1000种左右的嗅觉基因（细胞类型） ， 但可以感受和辨识10000种以上的气味化学物质 。
也难怪中国厨师协会(China Cuisine Association)国际事务主管孙琳会直接断言 ， “不同厨师做同样的菜 ， AI未来二三十年内都可能分辨不出来其中的不同之处” 。人类作为吃货的尊严算是暂时保住了！
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 。


推荐阅读


上一篇：##为什么我劝你买一个静音机箱？因为生活本该如此

下一篇：「」业界领先1/1.3英寸传感器 荣耀30系列主摄索尼定制