來自特拉維夫大學(xué)的一組研究人員開發(fā)了一種神經(jīng)網(wǎng)絡(luò)，能夠讀取食譜并生成烹飪完成后的熟食產(chǎn)品的圖像。嗯，好像可以更換人頭拍色情片的DeepFakes還不夠糟糕，現(xiàn)在我們無法確定我們在網(wǎng)上看到的美味食物都是否是真實的了。由研究人員Ori Bar El，Ori Licht和Netanel Yosephian組成的特拉維夫團(tuán)隊使用名為StackGAN V2的生成對抗網(wǎng)絡(luò)（GAN）的修改版本和巨大的recipe1M數(shù)據(jù)集中的52K圖像/配方組合創(chuàng)建了他們的AI。

該團(tuán)隊開發(fā)了一種人工智能，只需要列出任何配方和說明清單，就可以運(yùn)算成品食品的樣子。

這一切都是一名研究人員在向祖母詢問她傳統(tǒng)的番茄醬炸魚排配方時開始的。由于她年事已高，她不記得確切的食譜，所以吃貨科學(xué)家就建立了一個能夠給出食物圖像的系統(tǒng)，方便輸出食譜。由于人們很難從飯菜中獲得具有實際數(shù)量和“隱藏”成分的精確配方，如鹽，胡椒，黃油，面粉等。因此基于配方生成食物圖像就成了有用的做法，這項任務(wù)對于人類來說非常具有挑戰(zhàn)性，對于計算機(jī)更是如此。

由于目前大多數(shù)人工智能系統(tǒng)都試圖在人類易于完成的任務(wù)中取代人類專家，解決一項甚至超出人類能力的任務(wù)會很有趣。

值得一提的是，與CUB和Oxford102數(shù)據(jù)集中的圖像相比，recipe1M數(shù)據(jù)集中的圖像質(zhì)量較低。這反映在許多模糊的圖像上，光照條件差，“粥狀圖像”以及圖像不是方形（這使得訓(xùn)練模型變得困難）。這個事實可能會解釋這兩個模型成功生成“類似粥”的食物圖像（例如面食，米飯，湯，沙拉），但卻難以生成具有獨(dú)特形狀的食物圖像（例如漢堡包，雞肉，飲料） ）。

如果有足夠的配方，特拉維夫團(tuán)隊的人工智能現(xiàn)在可以將它變成一個看起來足夠好的圖像，根據(jù)研究論文顯示，在盲測中，人類有時更喜歡計算機(jī)生成的圖片而不是真實照片。

該團(tuán)隊打算繼續(xù)開發(fā)該系統(tǒng)，希望擴(kuò)展到超越食物的領(lǐng)域。包括完善當(dāng)前的數(shù)據(jù)集質(zhì)量，還考慮構(gòu)建一個包含兒童書籍文本和相應(yīng)圖像的數(shù)據(jù)集，這樣就可以讓計算機(jī)看文章畫插畫了。