Een team van onderzoekers van de Universiteit van Tel Aviv ontwikkelde een neuronaal netwerk dat een recept kan lezen en een afbeelding kan genereren van hoe het afgewerkte, gekookte product eruit zou zien. Alsof DeepFakes nog niet erg genoeg waren, kunnen we nu niet meer zeker zijn dat het heerlijke eten dat we online zien echt is.
Kort gezegd heeft het team een AI ontwikkeld die bijna elke lijst met ingrediënten en instructies kan nemen en kan bepalen hoe het uiteindelijke voedsel product eruitziet.
Onderzoeker Ori Bar El vertelde aan The Next Web:
"[Het] begon allemaal toen ik mijn grootmoeder om het recept vroeg voor haar legendarische visschnitzels met tomatensaus. Vanwege haar hoge leeftijd herinnerde ze zich het exacte recept niet meer. Dus vroeg ik me af of ik een systeem kon bouwen dat, gegeven een foto van eten, het recept kan uitvoeren. Na hier een tijdje over nagedacht te hebben, concludeerde ik dat het voor een systeem te moeilijk is om een exact recept te krijgen met echte hoeveelheden en met “verborgen” ingrediënten zoals zout, peper, boter, bloem enz.
Vervolgens vroeg ik me af of ik het tegenovergestelde zou kunnen doen. Namelijk het genereren van afbeeldingen van gerechten op basis van de recepten. Wij geloven dat deze taak zeer uitdagend is om door mensen te worden volbracht, laat staan door computers. Aangezien de meeste huidige AI-systemen proberen menselijke experts te vervangen in taken die gemakkelijk zijn voor mensen, vonden wij het interessant om een soort taak op te lossen die zelfs buiten het vermogen van mensen ligt. Zoals u kunt zien, kan het tot op zekere hoogte met succes worden gedaan."
De onderzoekers erkennen ook, in hun whitepaper, dat het systeem nog niet helemaal perfect is:
"Het is vermeldenswaard dat de kwaliteit van de afbeeldingen in de recipe1M-dataset laag is in vergelijking met de afbeeldingen in de CUB- en Oxford102-datasets. Dit komt tot uiting in veel wazige afbeeldingen met slechte lichtomstandigheden, “papachtige afbeeldingen” en het feit dat de afbeeldingen niet vierkant van vorm zijn (wat het trainen van de modellen bemoeilijkt). Dit feit zou een verklaring kunnen geven voor het feit dat beide modellen erin slaagden om “papachtige” voedselfoto's te genereren (bijv. pasta, rijst, soepen, salade), maar moeite hebben met het genereren van voedselfoto's die een duidelijke vorm hebben (bijv. hamburger, kip, dranken)."
Dit is het enige AI-systeem in zijn soort dat wij kennen, dus verwacht niet dat dit binnenkort een app op je telefoon zal zijn. Maar het is duidelijk wat er gaat gebeuren. En als het een recept betreft, kan de AI van het Tel-Aviv-team het omzetten in een afbeelding die er zo goed uitziet dat, volgens het onderzoeksartikel, mensen deze soms verkiezen boven een foto van het echte gerecht.
Wat denk je?

Het team is van plan om het systeem verder te ontwikkelen, hopelijk met uitbreiding naar domeinen buiten voedsel. Ori Bar El vertelde ons:
We plannen het werk uit te breiden door ons systeem te trainen op de rest van de recepten (we hebben nog ongeveer 350.000 afbeeldingen), maar het probleem is dat de huidige dataset van lage kwaliteit is. We hebben geen andere beschikbare dataset gevonden die geschikt is voor onze behoeften, maar we zouden zelf een dataset kunnen opbouwen die teksten uit kinderboeken en bijbehorende afbeeldingen bevat.
Deze getalenteerde onderzoekers hebben foodies op Instagram mogelijk veroordeld tot een wereld waarin we niet helemaal zeker kunnen zijn of waar we kwijlen echt is, of slechts de visie van een robot op een soufflé.
Het is waarschijnlijk een goed moment voor ons allemaal om de echte wereld in te gaan en onze gezichten in wat echt eten te steken. Je weet wel, het soort gemaakt door wetenschappers en bereid door robots.
Dit verhaal is opnieuw gepubliceerd van The Next Web onder een Creative Commons-licentie. Lees het originele artikel hier.


Comments (0)
Share your thoughts and join the technology debate!
No comments yet
Be the first to share your thoughts!