Шеф-повар с искусственным интеллектом: Как роботы научились готовить

Робот на кухне одного из ресторанов в Китае.

Фото: GLOBAL LOOK PRESS

В сентябре этого года исследователи из Массачусетского технологического университета (США) приготовили пиццу по рецепту искусственной нейронной сети, с которой они экспериментировали в рамках проекта «Как сгенерировать (почти) все на свете». Компьютер проанализировал сотни рецептов пиццы и предложил свои варианты. Для начинки он выбрал ингредиенты, которые, по его мнению, хорошо сочетаются друг с другом. По словам руководителя группы Пинар Янардаг, рецепты получились весьма неожиданные: например, машина предложила объединить креветки, итальянские сосиски и джем. Наряду со странными пиццами без сыра или с «соусом из резаной карамели» нейросеть создала и вполне съедобные рецепты, которые затем по просьбе студентов доработал шеф-повар бостонской пиццерии. Так появились, например, пиццы с черникой, шпинатом и фетой, с беконом, авокадо и персиками. Пинар Янардаг говорит, что своим проектом исследователи призывают не бояться искусственного интеллекта: «Мы можем работать сообща и получать самые креативные и эффективные результаты. Искусственный интеллект нас не заменит — он будет помогать нам во всем, от приготовления пиццы до разработки дизайна одежды».

Нейросеть готовит равиоли

Эксперименты с машинной кулинарией проводил и российский кулинарный стартап «Гурманова». Команда готовила равиоли по рецептам искусственного интеллекта.

«Я вообще давняя любительница фантастики и идеи замены рутинных человеческих процессов на труд роботов, — говорит руководитель проекта Анна Галкина. — Когда нужно было нанять технолога для разработки рецептур, я провела собеседование более чем с 20 кандидатами, включая шеф-поваров. Никто не предложил интересных вариантов, более того, технологи в основном предлагали заменить половину состава на ГМО и усилители вкуса. А это в корне противоречило моему подходу к созданию продукта».

В ассортименте было 9 натуральных деликатесных начинок, от мяса верблюда и камчатского краба до черники с уткой. Рецептуры разрабатывала нейросеть, обученная на данных крупных кулинарных сайтов. Однако бизнес оказался невыгодным и его пришлось закрыть: цена таких равиоли доходила до 2000-2500 за кг, мало кто готов выложить такие деньги за продукт, пусть даже такой высокотехнологичный. По словам Анны Галкиной, привлечение искусственного интеллекта сэкономить не помогло: «Если бы какое-то пищевое производство захотело такую технологию внедрить, это бы стоило безумных денег. У меня просто есть доступ к этим технологиям, но стороннему производству нужно будет нанять пять высокоуровневых программистов с зарплатой по 200 тысяч, плюс затраты на серверные и вычислительные мощности, что может обходиться в районе $1000 ежемесячно. Такую систему может себе позволить международный бизнес-гигант, но обычному пельменному производству дешевле держать одного-двух технологов».

Галкина не унывает и запускает новый проект - он тоже связан с технологиями в питании. Это мобильное приложение umno, которое будет расшифровывать для потребителя состав продуктов и бытовой химии: просканировав этикетку, программа сообщит о свойствах ингредиентов со сложными названиями.

Скажет, сколько калорий

Идеей с “расшифровкой” еды вдохновлялись и американские разработчики приложения для помощи в снижении веса Lose It. Оно, вроде бы, умеет определять калорийность блюда по фотографии. Работает так: фотографируете свою трапезу, алгоритм распознает на тарелке известные ему продукты и предлагает пользователю выбрать наиболее похожий, уточнив способ приготовления, вид начинки и соуса. Затем система рассчитывает калорийность блюда. Приложение ведет дневник завтраков, обедов, ужинов и перекусов и позволяет ставить цели по снижению или набору веса.

Приложение Lose It работает не идеально.

Увы, Lose It работает, мягко говоря, не идеально. Например, оно не может распознать мандарин, предлагая из похожих фруктов только лимон и грушу. При этом классическую «советскую» корзиночку с кремом система видит «капкейком», что, впрочем, можно считать иностранным аналогом нашего рецепта. Предлагается множество вариантов пирожного, например, шоколадный, фруктовый и диетический капкейки. А вот с помидором ошибки не возникает: система угадывает его и дает выбрать размер овоща. При виде русских пельменей приложение предлагает учесть равиоли, но среди возможных начинок есть только сложные варианты и нет просто мясного фарша, поэтому соответствие получается также весьма приблизительное.

Бургеромат

Роботизированные рестораны уже давно не диковинка. Но в Сан-Франциско недавно открылось уникальное место - бургерная Creator, где еду от начала до конца готовит робот. Правда, по рецепту человека. Робот представляет собой полностью автоматизированный конвейер: как только машина получает заказ, по трубе из местной пекарни по принципу пневматической почты поднимается свежая булочка, попадая под нож специальной гильотины. Пока булочка обжаривается и намазывается маслом, робот ставит коробку для бургера на конвейерную ленту. Многочисленные сенсоры отмеряют порции соуса с точностью до миллилитра, а специй – до грамма, при этом необходимое количество заказчики могут указать через мобильное приложение. Булочка проезжает под диспенсерами-нарезателями лука, помидоров и маринованных огурчиков, затем под теркой сыра, а потом через печку, где тот плавится. В это время мясо прокручивается через мясорубку и превращается в котлету.

По словам сооснователя стартапа Алекса Вардакостаса, фарш укладывается не как попало, а определенным образом, чтобы бургер удобно было кусать. Наконец, котлета встречается с приправленной булочкой, и готовый продукт приезжает в руки официанта. Все это время посетитель может следить за ходом приготовления своего обеда на экране планшета.

Так выглядит “шеф-повар” в полностью роботизированной бургерной. ФОТО creator.rest

Бургер стоит вполне обычные 6$, но директор кафе Алекс Вардакостас говорит, что их бургеры лучше обычных, потому что компания тратит на ингредиенты значительно больше, чем другие рестораны, ведь роботы позволяют экономить на оплате человеческого труда. Идея автоматизировать производство популярной еды появилась у предпринимателя во время работы в ресторане у родителей, когда он стряпал по 400 бургеров в день вручную. На разработку такого робота-конвейера у него ушло 8 лет.

Робот-кассир

В России рестораторы пока доверяют умным машинам только работу кассира и метрдотеля. Пионером выступила сеть точек быстрого питания «Теремок», купившая в этом году двух роботов «Маруся» производства российской компании «Альфа-роботикс».

Рыжеволосые буфетчицы с ярко-синими глазами работают в торговых центрах Москвы и Санкт-Петербурга. Они привлекают клиентов, разговаривают с ними и удаленно оформляют заказы, которые можно в удобное время забрать в ближайшем «Теремке». Продавать блины и другие блюда русской кухни «Марусе» позволяет искусственный интеллект — собственная разработка «Альфа-роботикс». Робот самостоятельно передвигается, распознает посетителей и принимает оплату с банковской карты.

Впрочем, «Маруся» — скорее, рекламная находка, позволяющая приглашать посетителей в кафе на дальних подступах, потому что рядом с кафе такие роботы не нужны, по сравнению с людьми они все еще малоэффективны.

Холодильник вас накормит

Какое устройство объединит искусственный интеллект и компьютерное зрение, интернет вещей и сервисы доставки еды? Правильно, холодильник.

Российская IT-компания Сognitive Technologies, известная в частности своими разработками для беспилотных автомобилей, получила интереснейший предзаказ - создать систему искусственного интеллекта для холодильников нового поколения. Кто именно заказал, президент компании Ольга Ускова не раскрывает.

«Обсуждаемый подход принципиально отличался от классической схемы, имеющей очевидные недостатки, - говорит Ускова. - Так сегодня, когда мы покупаем товары в какой-либо из продуктовых сетей или заказываем в интернете, как правило, берем их с запасом. При этом у купленных продуктов нередко бывают проблемы со сроком годности. В итоге, многие продукты портятся и выбрасываются. Наконец, нам не всегда удается купить то, что хочется».

Умный холодильник сможет постепенно обучаться всем предпочтениям его владельца: ассортименту, точной дозировке товаров, времени закупок, и со временем его заказы станут все точнее. Взаимодействие между холодильником и поставщиком товара будет происходить с помощью технологий интернета вещей.

Причем эта разработка, считает Ускова, приведет к тому, что исчезнут посредники – торговые сети, продавцы и мерчендайзеры.

Интересный момент: в умном холодильнике появится полка Try & Bye. И задачей производителя и продавца продуктов станет - попасть на эту полку тестирования.

“Эта целевая функция уже не будет никак связана с традиционной рекламой продукта по телевизору, в журнале или интернете, с тем, есть ли щеночек в рекламе масла или нет, — комментирует Ольга Ускова. - Появится новый тип маркетинга — когнитивный или таргетный".

Но здесь у обычного потребителя возникает резонный, совершенно человеческий вопрос: если отдать покупательскую инициативу компьютеру, как я, человек, смогу купить мороженое или колбасу, которые обычно не ем, но вдруг страсть как захотелось? Что если занудная машина лишит нас таких вот маленьких радостей - спонтанных гастрономических удовольствий?

Разработчики признают: да, умный холодильник будет стараться, чтобы человек не переплачивал и питался только свежими продуктами, но все-таки оставит ему право на ошибку, предусмотрев механизм заказов вне устоявшейся логики. Ведь иначе получится, что холодильник будет полностью контролировать еду владельца, и тогда уже неизвестно, кто чей хозяин.

К счастью, пока все эксперименты с роботами в сфере питания показывают, что кулинарная власть - в руках человека. А искусственный интеллект выступает лишь его подмастерьем. Так что судьба Чарли Чаплина, который остался голодной жертвой машины для кормления в фильме «Новые времена», вроде бы нам не грозит.

Судьба Чарли Чаплина, который так и не смог поесть с помощью машины для кормления, нам пока не грозит. Фото: Кадр из фильма “Новые времена”.

КОММЕНТАРИЙ ЭКСПЕРТА

“Ожидания завышены”

Глубинное обучение (то есть многослойные нейронные сети) сейчас находится на вершине так называемой кривой хайпа, или кривой зрелости технологии: ожидания от этих алгоритмов сейчас максимально завышены, — считает Григорий Губарев, заместитель директора Центра исследования больших данных МИСиС, руководитель ИИ-стартапа IRELA. — Внедрение нейросетей — удовольствие достаточно дорогое и требующее значительных ресурсов. Но поддаваясь ажиотажу, многие сейчас пробуют применять нейросети в том числе и там, где гораздо выгоднее было бы обходиться более простыми технологиями. Однако иногда приложения глубинного обучения в неожиданных сферах, например, в кулинарии, рождают нечто концептуально новое. Такие эксперименты показывают нам, что потенциал этих алгоритмов действительно очень большой и что совместными усилиями люди и технологии могут создать нечто большее, чем по отдельности.

КСТАТИ

Как научить робота различать вкус и запах

Гиганты пищевой индустрии регулярно сообщают о внедрении искусственного интеллекта. Так, в конце 2017 года в Дании при участии специалистов Научно-исследовательской лаборатории Carlsberg стартовал проект «Пивная дактилоскопия». Его задача — научить искусственный интеллект анализировать вкус и аромат напитка. Для этого разрабатывается специальная сенсорная платформа, которую в будущем можно будет использовать для того, чтобы быстрее и дешевле разрабатывать новые сорта пива.