Те, що неможливо описати в правилах, штучний інтелект класифікує під час навчання.
25 липня 2017 року об 11:30 Мілан Гігель
БОСТОН, БРАТИСЛАВА. Ви сфотографуєте млинець з будь-яким гарніром, і комп’ютер не потребує багато праці, щоб з’ясувати, що млинцеве тісто складається із звичайного борошна, яєць, молока та цукру. Подібно до соусів та рагу.
Нейронні мережі можуть вирішувати незвичні завдання. Що традиційні програмісти повинні писати поетапно в традиційному програмному забезпеченні, нейронні мережі можуть обробляти аналіз та навчання. Прикладом є остання система Pic2Recipe, яку презентували професійній громадськості розробники з Бостонського інституту MIT.
Ви відскануєте їжу на тарілці, і експертна система спробує створити перелік використовуваних інгредієнтів, а також рецепт, якого шеф-кухар дотримувався під час приготування їжі. Хоча в даний час це лише 65 відсотків успіху, розробники вже заявляють, що мобільні телефони можуть використовувати подібні технології для захисту наших калорій та харчових звичок.
За даними журналу Gizmodo, основний пакет даних для вивчення системи був отриманий розробниками з проектів All Recipes та Food.com.
Вони створили величезну базу даних з них, яка містить більше мільйона фотографій, списків та рецептів. Потім вони пройшли аналіз системи, щоб стати основою для подальших рішень.
Там, де спосіб подачі не розкриває сутності їжі, допоможуть поєднання кольорів чи інші символи.
Для системи більше не проблема відрізняти смажені та запечені страви від парових, сирі овочеві салати від рагу. Отже, вчені працюють і надалі, щоб зосередити систему на інших деталях обробки або переробки сировини.