崔曉暉，李 偉，顧誠(chéng)淳

（1 武漢大學(xué)國(guó)家網(wǎng)絡(luò)安全學(xué)院 武漢430072 2 江南大學(xué)人工智能與計(jì)算機(jī)學(xué)院 江蘇省媒體設(shè)計(jì)與軟件技術(shù)重點(diǎn)實(shí)驗(yàn)室 未來(lái)食品科學(xué)中心 江蘇無(wú)錫214122）

1 人工智能與大數(shù)據(jù)簡(jiǎn)介

1.1 人工智能

自1956年達(dá)特茅斯會(huì)議，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見(jiàn)卓識(shí)的年輕科學(xué)家在一起聚會(huì)，首次提出“人工智能”（AI）這一術(shù)語(yǔ)，它標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。進(jìn)入20世紀(jì)70年代，許多國(guó)家都開展了人工智能的研究，涌現(xiàn)了大量的研究成果。然而，和其它新興學(xué)科的發(fā)展一樣，人工智能的發(fā)展道路也不是平坦的。1973年，美國(guó)和英國(guó)都停止了對(duì)沒(méi)有明確目標(biāo)的人工智能研究項(xiàng)目的投資，盡管后來(lái)美國(guó)又在AI 行業(yè)投資了數(shù)十億研究經(jīng)費(fèi)，這些投資者還是在上世紀(jì)80年代末撤回了投資。在研究領(lǐng)域，如神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等方面，也都遇到困難，使人工智能的研究一時(shí)陷入困境。AI領(lǐng)域研究的高潮和低潮不斷交替出現(xiàn)，如今依然有人對(duì)AI 的前景保持相當(dāng)樂(lè)觀的態(tài)度[1]。2006年，深度學(xué)習(xí)的出現(xiàn)，計(jì)算機(jī)計(jì)算能力的增強(qiáng)與數(shù)據(jù)采集能力的增強(qiáng)突破了人工智能的瓶頸[2]，使得人工智能這門學(xué)科能夠處理困難且更切合實(shí)際的應(yīng)用問(wèn)題。

早在2001年，就有學(xué)者提倡將人工智能運(yùn)用于食品領(lǐng)域[3]。目前人工智能的技術(shù)越來(lái)越成熟，將這技術(shù)運(yùn)用在食品領(lǐng)域，突破了一個(gè)又一個(gè)難題，打破了一個(gè)又一個(gè)局限。

1.2 大數(shù)據(jù)

大數(shù)據(jù)（Big data）是一個(gè)抽象的概念，是對(duì)當(dāng)前，無(wú)論是企業(yè)還是政府、高校等單位面臨的數(shù)據(jù)無(wú)法存儲(chǔ)、無(wú)法計(jì)算的狀態(tài)的形容詞，單從字面上看，大數(shù)據(jù)這一概念很難和之前“海量數(shù)據(jù)”（Massive data）的概念有所區(qū)別[4]。針對(duì)這個(gè)概念，目前有很多理解和定義。

Kusnetzky[5]和Vance[6]認(rèn)為的大數(shù)據(jù)，又稱巨量數(shù)據(jù)，是指?jìng)鹘y(tǒng)數(shù)據(jù)處理應(yīng)用軟件不足以處理的大或復(fù)雜的數(shù)據(jù)集的術(shù)語(yǔ)。麥肯錫在其報(bào)告《大數(shù)據(jù)：創(chuàng)新，競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿》中給出大數(shù)據(jù)的定義[7]：大數(shù)據(jù)是大小超出常規(guī)的數(shù)據(jù)庫(kù)工具獲取、存儲(chǔ)、管理和分析能力的數(shù)據(jù)集。其同時(shí)強(qiáng)調(diào)，并不是說(shuō)一定要超過(guò)特定TB 值的數(shù)據(jù)集才能算是大數(shù)據(jù)。

根據(jù)美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（National Institute of Standards and Technology，NIST）發(fā)布的研究中的定義，大數(shù)據(jù)是用來(lái)描述在數(shù)字網(wǎng)絡(luò)世界中數(shù)據(jù)泛濫現(xiàn)象的常用詞語(yǔ)。大量數(shù)據(jù)資源為解決以前不可能解決的問(wèn)題帶來(lái)了可能性。

Mayer-Sch?nberger 等[8]在他的著作《大數(shù)據(jù)時(shí)代》中提出大數(shù)據(jù)的4V 特性：規(guī)模性（Volume）、高速性（Velocity）、多樣性（Variety）、價(jià)值性（Value）。規(guī)模性是大數(shù)據(jù)中的數(shù)據(jù)量爆炸性地增長(zhǎng)。高速性是大數(shù)據(jù)相對(duì)傳統(tǒng)數(shù)據(jù)挖掘，對(duì)于處理數(shù)據(jù)的響應(yīng)速度有更嚴(yán)格的要求。多樣性是數(shù)據(jù)來(lái)源、數(shù)據(jù)類型的多樣。價(jià)值型是大數(shù)據(jù)背后隱藏著巨大的潛在價(jià)值。

大數(shù)據(jù)的核心作用是數(shù)據(jù)價(jià)值化，簡(jiǎn)單地說(shuō)，大數(shù)據(jù)讓數(shù)據(jù)產(chǎn)生各種“價(jià)值”，這個(gè)數(shù)據(jù)價(jià)值化的過(guò)程就是大數(shù)據(jù)要做的主要事情。大數(shù)據(jù)做的是：記錄一切、描述一切、預(yù)測(cè)一切。

由于近期技術(shù)的進(jìn)步，發(fā)布新數(shù)據(jù)的便捷性和全球大多數(shù)政府對(duì)數(shù)據(jù)高透明性的要求，海量數(shù)據(jù)分析在現(xiàn)代研究中越來(lái)越突出[9]。大數(shù)據(jù)主要應(yīng)用在給人類提供輔助服務(wù)，以及為智能體提供決策服務(wù)。通俗地說(shuō)“大數(shù)據(jù)就像互聯(lián)網(wǎng)+，可以應(yīng)用在各行各業(yè)”，如在食品行業(yè)中，利用大數(shù)據(jù)技術(shù)幫助地方餐廳作出調(diào)整決策，發(fā)現(xiàn)食品中隱藏的規(guī)律等等案例已十分多見(jiàn)。

1.3 人工智能與大數(shù)據(jù)的關(guān)系

隨著時(shí)代更迭和計(jì)算機(jī)科學(xué)的進(jìn)步，數(shù)據(jù)的采集變得前所未有的便利，由此推動(dòng)了人工智能技術(shù)和大數(shù)據(jù)技術(shù)的進(jìn)步。這些新興的智能技術(shù)影響著現(xiàn)實(shí)生活中的各個(gè)方面，人們可以深刻感受到人工智能、大數(shù)據(jù)帶來(lái)的便利，尤其是在食品行業(yè)，人工智能與大數(shù)據(jù)技術(shù)在食品安全、食品口味、食品搭配等方面的效果卓有成效。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的方法、技術(shù)和手段。人工智能技術(shù)企圖了解智能的實(shí)質(zhì)，并產(chǎn)生一種新的能以人類智能相似方式作出反應(yīng)的機(jī)器，其研究領(lǐng)域包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、專家系統(tǒng)等。

大數(shù)據(jù)是人工智能的基礎(chǔ)，大數(shù)據(jù)本身的概念不僅指海量的數(shù)據(jù)和資料，也包括數(shù)據(jù)里蘊(yùn)含的價(jià)值。人們使用大數(shù)據(jù)技術(shù)獲得和存儲(chǔ)大規(guī)模、多樣性的數(shù)據(jù)，并對(duì)獲取的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)數(shù)據(jù)中規(guī)律，然后作出科學(xué)的決策。

大數(shù)據(jù)和人工智能關(guān)注點(diǎn)不同，然而二者關(guān)系密切，相輔相成、互助發(fā)展。大數(shù)據(jù)是人工發(fā)展的基石、動(dòng)力。只有通過(guò)海量的多樣性好、價(jià)值高的數(shù)據(jù)（包括文本、視頻、圖片等），人工智能才能學(xué)習(xí)到更多的信息，從而更好地模擬人的思維，擴(kuò)展人的智能。換句話說(shuō)，人工智能是大數(shù)據(jù)應(yīng)用的體現(xiàn)，是大數(shù)據(jù)的應(yīng)用場(chǎng)景[10]。

2 人工智能與大數(shù)據(jù)在食品領(lǐng)域上的應(yīng)用

隨著時(shí)代的進(jìn)步和經(jīng)濟(jì)的發(fā)展，我國(guó)對(duì)于食物的要求已經(jīng)從“吃飽”轉(zhuǎn)型成“吃得好和吃得健康”。現(xiàn)今人們更加關(guān)注食品風(fēng)味和食品營(yíng)養(yǎng)，傳統(tǒng)的食品科學(xué)技術(shù)逐漸不能滿足這些需求。而新興的人工智能與大數(shù)據(jù)分析技術(shù)給食品領(lǐng)域帶來(lái)了全新的科學(xué)分析方式。例如，Kazama 等[11]利用大數(shù)據(jù)來(lái)構(gòu)成一個(gè)能轉(zhuǎn)換國(guó)家、地區(qū)風(fēng)味的神經(jīng)網(wǎng)絡(luò)，讓人們更方便地品嘗到異域風(fēng)味的料理；為了讓大家更關(guān)注自己餐盤里食物的營(yíng)養(yǎng)，Kalra 等[12]構(gòu)建了一個(gè)基于大數(shù)據(jù)的營(yíng)養(yǎng)評(píng)估系統(tǒng)，通過(guò)食譜分析，計(jì)算食物的營(yíng)養(yǎng)。

食品安全是人對(duì)食物的基本要求，是人們正常生活的基本保證。食品安全追溯系統(tǒng)是確保食品安全，為食品供應(yīng)鏈組件創(chuàng)造收益的關(guān)鍵，傳統(tǒng)的追溯系統(tǒng)通過(guò)射頻識(shí)別（RFID）技術(shù)追溯貨物的來(lái)源，該方法高昂的成本一直制約著RFID 的的普及和應(yīng)用[13]。目前出現(xiàn)了功能更強(qiáng)大的新型智能追溯系統(tǒng)[14]，通過(guò)利用先進(jìn)的互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，以二維碼為載體，作為每件貨物的“身份證”，實(shí)現(xiàn)了一物一碼，并在北京、天津、河北等地區(qū)進(jìn)行了檢測(cè)試驗(yàn)。除此之外，Whitehouse 等[15]使用人工智能技術(shù)（監(jiān)控?cái)z像頭）對(duì)廚房操作進(jìn)行監(jiān)控，提高了食品的安全性，讓坐在餐桌上的客人更加安心。

不僅從食物的角度，人工智能和大數(shù)據(jù)技術(shù)也能建議食客選擇優(yōu)質(zhì)餐廳和幫助餐館的管理者作出最優(yōu)秀、最合理的決策。Zuheros 等[16]提出一種基于人工智能情感分析的決策模型，對(duì)Tripadvisor 中的餐館點(diǎn)評(píng)進(jìn)行分析和評(píng)估，從而給用戶推薦餐廳。Delanoy 等[17]認(rèn)為通過(guò)大數(shù)據(jù)分析可以幫助管理者作出合理的業(yè)務(wù)決策，運(yùn)用在飲食行業(yè)中，利用龐大的數(shù)據(jù)集和精湛的分析技術(shù)，分析用戶的需求變化，從而作出最合理的決策。

綜上所述，這些技術(shù)不僅能提升食品的安全性，提供多樣的口味，給出更營(yíng)養(yǎng)的食物搭配，還能幫助管理者決策，使得食品科學(xué)更好地為人類服務(wù)。

2.1 大數(shù)據(jù)在食品風(fēng)味上的應(yīng)用

2.1.1 基于大數(shù)據(jù)驅(qū)動(dòng)的風(fēng)味網(wǎng)絡(luò)構(gòu)建 過(guò)去十幾年中，已有一些廚師和食品科學(xué)家注意到一個(gè)規(guī)律：相比不含共享風(fēng)味化合物的食物搭配，共享風(fēng)味化合物的搭配更受人們的歡迎。例如，外國(guó)流行把藍(lán)紋奶酪和巧克力搭配起來(lái)，這兩種食材共享風(fēng)味化合物高達(dá)73 種。為了證實(shí)以上的規(guī)律，Ahn 等[18-19]對(duì)此進(jìn)行了相關(guān)研究，構(gòu)建了包含381種食材和1 021 種風(fēng)味化合物的風(fēng)味網(wǎng)絡(luò)。網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)代表一種食材，節(jié)點(diǎn)與節(jié)點(diǎn)之間的連線粗細(xì)代表這兩個(gè)節(jié)點(diǎn)所代表的食材之間共享風(fēng)味化合物的數(shù)量大小。

圖1 風(fēng)味網(wǎng)絡(luò)示意圖[18]Fig.1 The backbone of the flavor network[18]

由于Ahn 等[18-19]的風(fēng)味網(wǎng)絡(luò)僅用作試驗(yàn)和觀察，因此他們的網(wǎng)絡(luò)僅采用相對(duì)少量的數(shù)據(jù)形成了可視化網(wǎng)絡(luò)。同時(shí)為了避免對(duì)世界美食給出西方化的解釋，他們的食譜取自北美、西歐、南歐、拉丁美洲和東亞。

網(wǎng)絡(luò)構(gòu)成的結(jié)果表明：北美食譜配方中，兩種食材共有的風(fēng)味化合物越多，它們一起出現(xiàn)在食譜中的可能性就越大，而與之相反的是在東亞食譜中，兩種食材共享化合物越多，一起使用的可能性就越小，這就是 “食物配對(duì)”（Food-pairing）原則。盡管不可能用科學(xué)的角度來(lái)全面解釋烹飪藝術(shù)，至少還可以了解，對(duì)于東亞人來(lái)說(shuō)，更傾向于共享化合物較少的食物搭配，并由此來(lái)考慮食材搭配。

風(fēng)味網(wǎng)絡(luò)是大數(shù)據(jù)的產(chǎn)物，通過(guò)建立兩種材料之間的聯(lián)系，依據(jù)聯(lián)系的強(qiáng)、弱，可以判斷這幾種材料是否適合出現(xiàn)在某個(gè)地區(qū)的菜譜中，為人們選擇菜譜搭配提供更加智能和科學(xué)的思考方式。

2.1.2 基于風(fēng)味網(wǎng)絡(luò)的地區(qū)食物搭配模式 風(fēng)味網(wǎng)絡(luò)的發(fā)現(xiàn)給食品科學(xué)家?guī)?lái)了全新的分析方式，他們從這個(gè)微觀的角度來(lái)觀察各地區(qū)食物之間的聯(lián)系。

印度學(xué)者Jain 等[20]根據(jù)風(fēng)味網(wǎng)絡(luò)調(diào)查了印度的食物配對(duì)情況，他們發(fā)現(xiàn)印度各地區(qū)的美食都遵循負(fù)面的食物搭配模式，即在印度美食中遵循風(fēng)味共享程度越高，在烹飪中它們共同出現(xiàn)的頻率就越小。

Ozturk 等[21]為了在馬爾馬拉地區(qū)創(chuàng)造新型菜譜，基于風(fēng)味化合物網(wǎng)絡(luò)的分析方法，根據(jù)食物材料的常見(jiàn)化合物數(shù)量來(lái)評(píng)估菜譜的成分，結(jié)果發(fā)現(xiàn)8 種常見(jiàn)的化合物，它們包含了相似的風(fēng)味和香氣，表明風(fēng)味配對(duì)理論可用于該地方的新配方，在他們的設(shè)計(jì)試驗(yàn)中，20 名成員中的80%表示非常喜歡新的配方。盡管最后的結(jié)果是樂(lè)觀的，然而，Ozturk 等[21]在大米、牛奶、干豆和無(wú)花果中發(fā)現(xiàn)的8 種常見(jiàn)化合物可能難以具有代表性，應(yīng)采用更多的統(tǒng)計(jì)數(shù)據(jù)來(lái)說(shuō)明。

2.1.3 大數(shù)據(jù)驅(qū)動(dòng)的新風(fēng)味食品開發(fā) 自風(fēng)味網(wǎng)絡(luò)被提出后，食品科學(xué)領(lǐng)域的研究人員開始重視風(fēng)味化合物的數(shù)據(jù)，由此誕生了FlavorDB。FlavorDB 是一種資源數(shù)據(jù)庫(kù)，廣泛覆蓋25 595 種風(fēng)味化合物，在數(shù)據(jù)庫(kù)中列出的分子中，這些天然成分被進(jìn)一步分為34 類，并映射到527 種不同的天然來(lái)源。這些風(fēng)味化合物數(shù)據(jù)庫(kù)的建立彌補(bǔ)了之前風(fēng)味網(wǎng)絡(luò)數(shù)據(jù)不完整的缺陷，使得風(fēng)味網(wǎng)絡(luò)的數(shù)據(jù)分析更加科學(xué)、精準(zhǔn)，避免了一些因數(shù)據(jù)缺失而導(dǎo)致的不全面的結(jié)論，方便了后續(xù)數(shù)據(jù)驅(qū)動(dòng)的新風(fēng)味食品開發(fā)。

2019年，香料公司McCormick 公布，他們將利用IBM 的人工智能技術(shù)，結(jié)合自身的專業(yè)知識(shí)來(lái)開發(fā)全新的調(diào)味產(chǎn)品[23]。在風(fēng)味化學(xué)的世界，香料和味道都是一門科學(xué)。世界上存在著大量可用的風(fēng)味組合，而新風(fēng)味配方的開發(fā)需要耗費(fèi)大量的時(shí)間與資金。McCormick 公司大量的風(fēng)味數(shù)據(jù)和IBM 的AI 算法結(jié)合，只要花費(fèi)少量的時(shí)間就能預(yù)測(cè)配方的替代品，配料的正確比例，甚至人們會(huì)對(duì)味道做出哪些反應(yīng)。

3 人工智能在社會(huì)飲食上的應(yīng)用

3.1 基于語(yǔ)義分析技術(shù)的社會(huì)飲食分析

隨著移動(dòng)設(shè)備的普及，各種各樣的社交媒體應(yīng)聲而起，例如Twitter、Facebook、微信朋友圈、微博等。人們分享生活方式和生活細(xì)節(jié)的方式越來(lái)越方便和快捷。更多的人愿意在網(wǎng)上分享美食和心得，成千上萬(wàn)的人都樂(lè)此不疲，這些分享在網(wǎng)絡(luò)上的數(shù)據(jù)有文字、圖片，甚至是視頻，有學(xué)者收集這些數(shù)據(jù)并利用人工智能語(yǔ)義分析技術(shù)來(lái)進(jìn)行解讀。語(yǔ)義分析技術(shù)不僅能夠分析語(yǔ)言，也包含能夠?qū)D片和視頻轉(zhuǎn)換成文字描述后解讀的技術(shù)[24]。有了這些技術(shù)，就能夠判斷用戶對(duì)特定食物的喜好程度，利用關(guān)鍵字的矢量空間模型方法構(gòu)建用戶飲食偏好模型，在此基礎(chǔ)上進(jìn)行分析，能夠得到該用戶的口味偏好并能為用戶推薦菜品和餐館信息等[25-26]。

Jalal 等[27]抓取肯尼亞居民在社交媒體Instagram 上發(fā)布的圖片，通過(guò)分類器KenyanFC 區(qū)分食物圖像和非食物圖像，提出一種關(guān)鍵字抓取技術(shù)獲取圖像的類別，接著將這些數(shù)據(jù)作為模型Kenyan-FTR 的訓(xùn)練集進(jìn)行深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。這個(gè)模型可以識(shí)別13 種肯尼亞的流行食物，在Instagram 圖像上的準(zhǔn)確率高達(dá)81%。后續(xù)直接使用Kenyan-FTR 讀取Instagram 上的食物圖像，統(tǒng)計(jì)結(jié)果表明，蛋糕和烤肉是2019年3月在肯尼亞最受歡迎的食物。然而，消融研究表明，13 種食物中的3 種僅通過(guò)圖像進(jìn)行分類非常困難，例如土豆泥這種不具有固定形狀的食物，食物的形狀只取決于它的制作者，因此還需通過(guò)添加輔助的文字信息進(jìn)行語(yǔ)義分析，提取關(guān)鍵字，以提升正確率。

通過(guò)對(duì)這些在社交媒體上實(shí)時(shí)更新的數(shù)據(jù)進(jìn)行分析，能夠掌握某個(gè)地區(qū)的人們?cè)谀硞€(gè)時(shí)間段的社會(huì)飲食習(xí)慣和偏好，從而幫助餐廳或企業(yè)采取相應(yīng)的營(yíng)銷策略。

3.2 疫情背景下基于社交網(wǎng)絡(luò)的社會(huì)飲食監(jiān)測(cè)

目前COVID19 病毒，即新型冠狀肺炎病毒席卷全球，對(duì)人們的生活方式、心理健康和飲食習(xí)慣造成重大影響。針對(duì)這樣的情況，意大利的學(xué)者對(duì)意大利的患者進(jìn)行了在線調(diào)查[28]，數(shù)據(jù)分析總共包括602 名患者，很大比例的人經(jīng)歷了情緒低落、焦慮感和失眠，而且?guī)缀跤幸话氲氖茉L者因其飲食習(xí)慣而感到焦慮，更傾向于增加食物的攝入量和選擇令人舒適的食物。由于這項(xiàng)調(diào)查的數(shù)據(jù)來(lái)自抽樣調(diào)查，僅選擇602 患者，因此對(duì)該較小的群體的分析很難獲得具有代表性的結(jié)果。截至2021年1月2日，全球確診患有新型冠狀病毒的人數(shù)已高達(dá)2 300 萬(wàn)人，面對(duì)龐大的患病人群，逐個(gè)統(tǒng)計(jì)分析的成本昂貴且不切實(shí)際，且國(guó)與國(guó)之間的疫情合作難以統(tǒng)一。

鑒于這種情況，通過(guò)人工智能技術(shù)分析患者社交網(wǎng)絡(luò)的動(dòng)態(tài)，不僅成本相對(duì)較低，而且受眾較廣，獲得的數(shù)據(jù)還具有一定的實(shí)時(shí)性。目前Eftimov 等[29]使用AI 技術(shù)對(duì)隔離后的食物消費(fèi)模式進(jìn)行分析，他們收集了最大的美食社交網(wǎng)絡(luò)——AllRecipes（https：//www.allrecipes.com/）上發(fā)布的兩套食譜：一套是隔離開始之前發(fā)布的配方的集合，另一套是隔離之后發(fā)布的。這些食譜來(lái)自不同地區(qū)和飲食習(xí)慣。為了分析配方，他們采用一個(gè)名為DietHub[30]的方法，通過(guò)這個(gè)方法，只需將配方制備的文字描述作為輸入，就可以輸出一系列主要成分的列表，接著，把這些主要成分通過(guò)在Hansard 語(yǔ)料庫(kù)[16]中的分層語(yǔ)義標(biāo)簽自動(dòng)注釋。通過(guò)這些方法Eftimov 等[29]觀察了COVID-19 對(duì)食物消費(fèi)方式的影響并進(jìn)行食品語(yǔ)義標(biāo)簽相對(duì)頻率的統(tǒng)計(jì)分析，以此觀察人們?cè)谝咔楦綦x期間一餐的健康程度是否存在問(wèn)題，并打算以此研究結(jié)構(gòu)構(gòu)建有針對(duì)性的通用配方推薦系統(tǒng)。

4 人工智能在未來(lái)食品上的應(yīng)用

4.1 未來(lái)食品

回顧之前的食品發(fā)展[31]，1886年，約翰·彭伯頓醫(yī)生把碳酸水加蘇打水?dāng)囋谝粔K，制成一款黑色糖漿，該飲料即可口可樂(lè)。1928年之前，沒(méi)有人嘗過(guò)泡泡糖是什么滋味。而跳跳糖的誕生讓人們知道，糖不僅可以吃，也可以很有趣。1934年Tom Carvel 的冰激凌車爆胎，不得不將融化的冰激凌出售給路人，兩天內(nèi)就出售了所有的冰激凌，這給他帶來(lái)開發(fā)軟冰激凌配方的靈感——軟而非硬的冰凍甜點(diǎn)。1990年，紅牛公司展示的一種口味獨(dú)特的藥用風(fēng)味，自此成為能量飲料的代言詞。

可口可樂(lè)、泡泡糖、跳跳糖等食品對(duì)于各自年代的人來(lái)說(shuō)就是未來(lái)食品，具有不同于當(dāng)時(shí)的口味和人們從未見(jiàn)過(guò)的新奇。冰激凌滿足了人們對(duì)于新口感冰凍甜點(diǎn)的需求，紅牛則滿足了人們對(duì)于好喝的保健飲料的需求。

人們很難給出未來(lái)食品的精確定義，不過(guò)可以確定的是人們吃的食物一直在發(fā)展，新的口味一直在創(chuàng)造，嶄新的未來(lái)食品一直在遵循以人為本的原則發(fā)展著，滿足著人們?nèi)找姘l(fā)展的需求。

4.2 基于個(gè)人遺傳因子的未來(lái)飲食推薦系統(tǒng)

2015年，來(lái)自以色列的Zeevi 等[32]在幾天內(nèi)追蹤了800 人的血液中的血糖水平，令人驚訝的是，人們對(duì)于相同食物的生物化學(xué)反應(yīng)差異大不相同。有些人吃了含糖冰激凌后血糖升高，而另一些人僅隨著淀粉的攝入而升高，這一觀點(diǎn)和傳統(tǒng)觀念不符。人體對(duì)于養(yǎng)分的特殊處理似乎取決于基因，目前已有科學(xué)家做了針對(duì)個(gè)人DNA 提供飲食建議的研究[33]，這項(xiàng)研究已投入實(shí)際生活中，如一些公司提供所謂的“營(yíng)養(yǎng)遺傳服務(wù)”，通過(guò)測(cè)試用戶的遺傳信息提供適合用戶的飲食建議。

因?yàn)閭€(gè)體的差異性，所以生產(chǎn)個(gè)性化的飲食可能是未來(lái)食品發(fā)展的趨勢(shì)。正如Zeevi 等[32]所提到的，基于基因的飲食推薦因可能涉及個(gè)人隱私以及耗費(fèi)大量的資源而在現(xiàn)階段難以普及化，展望未來(lái)進(jìn)一步發(fā)展的技術(shù)，有望能夠解決這一系列難題。

5 人工智能和大數(shù)據(jù)的局限性

使用人工智能和大數(shù)據(jù)技術(shù)可以幫助人們解決很多食品領(lǐng)域的實(shí)際問(wèn)題，然而，這些方技術(shù)目前處在不斷上升的階段，還存在局限性，比如人工智能在深度學(xué)習(xí)方面盡管證明很有效，但是尚無(wú)完整的理論體系能夠解析其原理。目前人工智能的等級(jí)僅在較弱的水平上，不能真正學(xué)會(huì)推理和解決問(wèn)題。

為了擬合個(gè)人的需求，不得不獲取一些個(gè)人的信息。以上述按照個(gè)人的DNA 來(lái)推薦飲食建議的方法，這個(gè)想法著實(shí)新穎且可行，然而，遺傳信息是每個(gè)人不分國(guó)界的身份證，包含大量的信息，如果這些信息泄露則可能導(dǎo)致一系列不必要的倫理問(wèn)題發(fā)生。

再說(shuō)起大數(shù)據(jù)的發(fā)展前提是要有大量的數(shù)據(jù)源頭，即使對(duì)于IT 行業(yè)而言數(shù)據(jù)化程度較高，仍然缺少資源共享和信息交換機(jī)制，且網(wǎng)絡(luò)上某些公開的數(shù)據(jù)缺乏真實(shí)性和完整性。難以辨識(shí)真假的數(shù)據(jù)使得研究結(jié)果可能產(chǎn)生偏差，特別是與人類健康和正常生活息息相關(guān)的食物方面的研究更不能出現(xiàn)問(wèn)題。

區(qū)塊鏈技術(shù)是解決大數(shù)據(jù)帶來(lái)的挑戰(zhàn)的可行方案[34]，它被認(rèn)為是一種革命性的解決方案，可以解決諸如身份、數(shù)據(jù)所有權(quán)等現(xiàn)代技術(shù)問(wèn)題。通俗地講，區(qū)塊鏈就像是一個(gè)公共賬本，一種集體來(lái)維護(hù)更新的網(wǎng)上數(shù)據(jù)庫(kù)?！皡^(qū)塊鏈+大數(shù)據(jù)”是未來(lái)解決數(shù)據(jù)擁有者間數(shù)據(jù)共享的問(wèn)題的可行方案，是促進(jìn)食品行業(yè)人工智能化的強(qiáng)大推力。目前區(qū)塊鏈技術(shù)處于新興階段，仍有待技術(shù)的進(jìn)一步成熟。

6 總結(jié)與展望

隨著社會(huì)的快速發(fā)展，食品行業(yè)累積了大量來(lái)源廣泛，增長(zhǎng)速度快，價(jià)值密度低而應(yīng)用價(jià)值高的數(shù)據(jù)。如何使用大數(shù)據(jù)與人工智能技術(shù)挖掘食品數(shù)據(jù)更多潛在的應(yīng)用價(jià)值，從而促進(jìn)食品行業(yè)的可持續(xù)發(fā)展，成為食品領(lǐng)域重點(diǎn)研究的問(wèn)題。本文主要介紹了食品領(lǐng)域大數(shù)據(jù)與人工智能技術(shù)在不同國(guó)家、地區(qū)的發(fā)展現(xiàn)狀、技術(shù)優(yōu)、缺點(diǎn)，闡述不同食品子領(lǐng)域如何利用大數(shù)據(jù)與人工智能技術(shù)的優(yōu)勢(shì)而創(chuàng)新發(fā)展。例如：食品感官是食品領(lǐng)域的關(guān)注點(diǎn)之一。如何使創(chuàng)新的食材，如人造肉、人造蛋以及個(gè)性化食品等更加符合人們的口感并愉悅身心，物聯(lián)網(wǎng)、區(qū)塊鏈、大數(shù)據(jù)以及人工智能是解決這個(gè)問(wèn)題的重要途徑?？赏ㄟ^(guò)生物穿戴傳感器的方法實(shí)時(shí)采集個(gè)體數(shù)據(jù)，并上傳到云鏈上。通過(guò)大數(shù)據(jù)技術(shù)將收集到的數(shù)據(jù)進(jìn)行融合，統(tǒng)一格式。利用人工智能自然語(yǔ)言處理技術(shù)、圖片處理技術(shù)等分析處理后的數(shù)據(jù)，使得訓(xùn)練的模型能夠感知人們利用自然語(yǔ)言描述的“美味”，或者看到圖片而聯(lián)想到的“美味”。最后，利用人工智能的推薦技術(shù)為個(gè)人定制獨(dú)特口味，使得推薦的食物最擬合當(dāng)前用戶身體的需求。

又如：食藥同源也是當(dāng)下關(guān)注的焦點(diǎn)。其原因：一是我國(guó)人民的需求已從“吃的好”逐漸轉(zhuǎn)向于“吃的健康”；二是我國(guó)人民需要自己的膳食結(jié)構(gòu)，而非西方生搬硬套的膳食結(jié)構(gòu)?；谖覈?guó)傳統(tǒng)飲食文化的食藥同源理論，不少植物既是食材又是藥材。利用大數(shù)據(jù)與人工智能技術(shù)創(chuàng)新食藥同源網(wǎng)絡(luò)，開發(fā)新的滿足不同人群口味的藥膳譜，是未來(lái)食品科學(xué)發(fā)展的一個(gè)重要方向。通過(guò)大數(shù)據(jù)技術(shù)分析不同食材的各種化學(xué)成分，依據(jù)這些成分組建食藥同源網(wǎng)絡(luò)。利用人工智能的個(gè)性化推薦技術(shù)，生成深度網(wǎng)絡(luò)模型等，不斷創(chuàng)新藥膳譜，使其不僅能夠滿足人的營(yíng)養(yǎng)需求之欲，也能預(yù)防并干預(yù)一些慢性疾病。