麻省理工學(xué)院的一組研究人員最近開發(fā)了一個(gè)人工智能模型，它可以獲取指令列表并生成一個(gè)成品。未來對(duì)建筑和機(jī)器人領(lǐng)域的影響巨大，但團(tuán)隊(duì)決定從我們現(xiàn)在都需要的東西開始：披薩。

pizza GAN是麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）和卡塔爾計(jì)算研究所（QCRI）天才們創(chuàng)造的最新神經(jīng)網(wǎng)絡(luò)，它是一個(gè)生成性的對(duì)抗性網(wǎng)絡(luò)，可以在披薩烹飪前后創(chuàng)建披薩的圖像。

不，它實(shí)際上不是做一個(gè)你可以吃的披薩——至少，現(xiàn)在還做不到。當(dāng)我們聽到機(jī)器人在食品工業(yè)中取代人類時(shí)，我們可能會(huì)想象波士頓動(dòng)力機(jī)器在廚房里走動(dòng)，翻轉(zhuǎn)漢堡，做薯?xiàng)l，然后大喊“點(diǎn)餐”。但事實(shí)要溫和得多。

實(shí)際上，這些餐館使用的是自動(dòng)化技術(shù)，而不是人工智能。漢堡翻轉(zhuǎn)機(jī)器人不關(guān)心它的抹刀上是否有真正的漢堡或冰球。它不了解漢堡包，也不知道成品應(yīng)該是什么樣子。這些機(jī)器在家里，就像在漢堡店把包裝盒關(guān)在亞馬遜的倉(cāng)庫(kù)里一樣。他們不是智能的。

麻省理工學(xué)院和QCRI所做的是創(chuàng)建一個(gè)神經(jīng)網(wǎng)絡(luò)，它可以查看比薩餅的圖像，確定配料的類型和分布，并在烹飪前確定比薩餅分層的正確順序。它理解任何人工智能都能理解，做披薩從頭到尾應(yīng)該有的過程。

聯(lián)合小組通過一種新穎的模塊化方法完成了這一任務(wù)。它開發(fā)了人工智能，能夠根據(jù)添加或刪除的成分來可視化比薩餅應(yīng)該是什么樣子。例如，你可以給它看一張比薩餅的圖片，然后讓它去掉蘑菇和洋蔥，它就會(huì)生成一張修改過的披薩圖片。

研究人員稱：

從視覺角度來看，每一個(gè)指令步驟都可以被視為通過添加額外的對(duì)象（例如添加配料）或更改現(xiàn)有對(duì)象（例如烹飪菜）的外觀來更改菜的視覺外觀的一種方法。

為了讓機(jī)器人或機(jī)器有一天能在現(xiàn)實(shí)世界里做披薩，它必須了解披薩是什么。到目前為止，人類，即使是CSAIL和QCRI里真正的人類，在機(jī)器人中復(fù)制視覺的能力也比味蕾?gòu)?qiáng)得多。

例如，Domino’Pizza目前正在測(cè)試一種用于質(zhì)量控制的計(jì)算機(jī)視覺解決方案。它在一些地方使用人工智能來監(jiān)控從烤箱里出來的每一個(gè)比薩餅，以確定它們是否看起來足夠好，能夠滿足公司的標(biāo)準(zhǔn)。像澆頭分配、甚至烹飪、圓度之類的東西也可以通過機(jī)器實(shí)時(shí)學(xué)習(xí)來測(cè)量和量化，以確?？蛻舨粫?huì)得到一個(gè)糟糕的披薩。

麻省理工學(xué)院和QCRI的解決方案整合了烹飪前的階段，并確定了適當(dāng)?shù)姆謱樱灾谱髅牢?、誘人的披薩。至少在理論上，我們可能離一個(gè)端到端的人工智能解決方案還需要好幾年的時(shí)間來準(zhǔn)備、烹飪和供應(yīng)比薩餅。

當(dāng)然，一旦機(jī)器人了解了配料的細(xì)微差別、操作說明以及項(xiàng)目最終結(jié)果應(yīng)該如何出現(xiàn)，那么比薩餅就并不是機(jī)器人唯一能做的事了。

研究人員得出結(jié)論，PizzaGAN背后的人工智能模型可能在其他領(lǐng)域也有用武之地：

雖然我們只是在比薩的背景下對(duì)我們的模型進(jìn)行了評(píng)估，但我們相信，對(duì)于其他自然分層的食物，如漢堡、三明治和沙拉，類似的方法是有希望的。除了食物，我們還將有趣地看到我們的模型在數(shù)字時(shí)尚購(gòu)物助理等領(lǐng)域的表現(xiàn)，其中一個(gè)關(guān)鍵的操作是不同層次衣服的虛擬組合。

但是，老實(shí)說，我們都不會(huì)正式進(jìn)入人工智能時(shí)代，除非有一天，我們可以得到一個(gè)體面的磚爐瑪格麗塔比薩餅自制機(jī)器人。