CC BY
0УДК 004
Негорожин С.В.
магистрант
Северо-Кавказский федеральный университет (г. Ставрополь, Россия)
АНАЛИЗ И ОПТИМИЗАЦИЯ ПРИМЕНЕНИЯ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В КУЛИНАРИИ
Аннотация: в данной статье рассматриваются следующие аспекты искусственного интеллекта (ИИ): роль искусственного интеллекта в различных сферах, его функции, методы и технологии. Подробнее рассмотрены возможности внедрения ИИ в кулинарию и пищевую промышленность. Теоретической проблемой выступают разработки, способствующие использованию методов анализа больших данных и искусственного интеллекта в психологических исследованиях и их интеграции в традиционные методы исследований. С помощью ИИ можно создать разнообразные рецепты, подходящие под потребности и вкусовые предпочтения пользователей. Также ИИ способствует повышению гибкости логистики, минимизировать перебои с поставками, тем самым увеличить стабильность работы ресторанов и кафе.
Ключевые слова: искусственный интеллект, нейросети, пищевая промышленность, методы, кулинария, роль, алгоритмы.
Развитие технологий искусственного интеллекта (ИИ) происходит с огромной скоростью, благодаря чему, ИИ внедряется в большое количество сфер. В настоящее время ИИ начинает играть все большую роль и в кулинарной сфере, что требует его изучения, анализа и оптимизации применения.
Искусственный интеллект (ИИ) - область науки, которая изучает создание и разработку компьютерных систем и программ, способных выполнять задачи, обычно требующие интеллектуальной активности человека.
1580
Алгоритм - последовательность шагов, которую выполняет компьютерная система для достижения определенной цели или решения задачи [1].
Машинное обучение - методика искусственного интеллекта, позволяющая компьютерам обучаться на основе данных и опыта, без явного программирования.
На данный момент существует довольно ограниченное количество научно-технической литературы по применению искусственного интеллекта в области кулинарии. Однако, есть достаточное количество книг и научных публикаций, посвященных искусственному интеллекту и нейросетям в целом. В источниках, приведенных ниже, описывается информация, которая поможет в написании программ и приложения на ИИ, для применения их в кулинарии.
Так, книга «Глубокое обучение» Ян Гудфеллоу «представляет собой единственное полное изложение предмета», по мнению Илона Маска. Данная книга может применятся в качестве базового справчника по искусственному интеллекту, как для студентов, так и для профессиональных программистов, которые стремятся применять технологии глубокого обучения в своих продуктах. В ней представлены математические и концептуальные основы линейной алгебры, теории вероятностей и теории информации, численных расчётов и машинного обучения в необходимом для понимания материала объёме [2].
Клинарная Книга «Искусственный интеллект для интернета вещей» отвечает на вопросы о методах машинного и глубокого обучения для прогнозной аналитики данных. При создании интеллектуальных приложений возникают различные сложности, данная книга поможет с легкостью найти решения проблем. Здесь описываются прогрессивные методы для разработки, внедрения и поддержки систем на основе компьютерного зрения, нелинейного программирования и машинного обучения [3].
Робототехника с точными приводами правильно сортирует продукты, в то время как алгоритмы искусственного интеллекта оценивают данные и
1581
фотографии, чтобы найти недостатки и характеристики. Искусственный интеллект также делает возможными персонализированные варианты питания, анализируя данные потребителей, чтобы предложить специализированные продукты и планы питания, адаптированные к индивидуальным предпочтениям и диетическим потребностям и, чтобы победить самых опытных людей в наших собственных играх, таких как шахматы [4].
В сфере кулинарии использование ИИ может значительно улучшить и оптимизировать различные процессы в данной области [6]. Так, могут быть применены следующие методы искусственного интеллекта: машинное обучение, обработка естественного языка, роботика, анализ данных, рекомендательные системы [5].
Среди известных моделей машинного обучения - ANN, деревья решений (DT), машины опорных векторов (SVM), регрессионный анализ, байесовские сети, генетический алгоритм, машины ядра и федеративное обучение. ML обычно используется для решения сложных задач и обработки огромного объема данных, а также множества переменных, когда для решения задачи не существует предварительной формулы. Помимо этого, модели ML обладают дополнительной способностью учиться на примерах, а не программироваться с помощью правил [6].
К числу методов ML, используемых в пищевой промышленности, относятся обычная регрессия наименьших квадратов (OLS-R), ступенчатая линейная регрессия (SL-R), регрессия главных компонент (PC-R), частичная регрессия наименьших квадратов (PLS-R), регрессия опорных векторов (SVM-R), усиленная логистическая регрессия (BLR), регрессия случайного леса (RF-R) и регрессия k ближайших соседей (kNN-R).
ANFIS - это тип искусственного интеллекта, в котором FL и ANN объединены таким образом, что он объединяет человекоподобный стиль рассуждений системы FL с вычислительными и обучающими возможностями ANN [7].
1582
Пищевая промышленность является основным видом производственной деятельности в Европейском Союзе, на ее долю приходится 14,2% производства и ее стоимость превышает 1,093 миллиарда евро. Между тем, в Испании, согласно Ежегодному отчету испанской пищевой промышленности за 2021-2022 гг. Министерства сельского хозяйства, рыболовства и продовольствия, это ведущая производственная отрасль промышленного сектора, согласно последним данным из статистики структурных компаний INE, с оборотом 126 354,1 млн. евро [8].
Это составляет 25,4% производственного сектора и 22,5% занятых в Испании. Более того, согласно последним данным, собранным Центральным бизнес-справочником INE, количество компаний в отрасли составляет 30 260, что составляет 15,7% от всей обрабатывающей промышленности страны [9].
Предлагаемый метод состоит из нескольких модулей, включая кодировщик изображений, декодер ингредиентов, кодировщик ингредиентов и, наконец, декодер инструкций. Кодировщик изображений берет входное изображение и извлекает богатые визуальные характеристики, встраивая его в пространство скрытых функций. Декодер ингредиентов предсказывает ингредиенты, принимая в качестве входных данных встраивания изображений. Затем ингредиенты передаются в кодировщик ингредиентов, который генерирует вложения для ингредиентов. Наконец, декодер инструкций принимает эти вложения и выводит название рецепта с последовательностью этапов приготовления [9].
Исследователи обучили модели на базе данных Recipe1M, который содержит более 1 миллиона образцов рецептов со всего Интернета. Оценка метода показала, что он превосходит другие методы прогнозирования ингредиентов и что метод способен генерировать рецепты, которые более убедительны, чем при использовании традиционных подходов, основанных на поиске.
Таким образом, рассмотренные данные и проанализированные существующие решения на базе искусственного интеллекта, показывают его
1583
эффективность применяемые в кулинарии. Были составлены результаты роли ИИ и как его применение влияет на продажи. Эти данные помогут в реализации будущих программных решений для понимания безопасности и востребованности разрабатываемых приложений.
СПИСОК ЛИТЕРАТУРЫ:
1. Budiyanto G., Ipnuwati S., Al Gifari SA, Huda M., Jalal B., Abdul Latif A., Lia Hananto A. (2018) Web based expert system for diagnosing disease pest on banana plant.Int J Eng Technol (UAE) 7(4):4715-4721. DOI: 10.14419/ijet EDN: XEBXKT;
2. Hamet P., Tremblay J. (2017) Artificial intelligence in medicine. Metabolism: Clinical and Experimental 69, S36-S40. DOI: 10.1016/j.metabol.2017.01.011;
3. Nidhi Rajesh Mavani et al. (2021) Application of Artificial Intelligence in Food Industry - a Guideline Food Engineering Reviews (2022) 14:134-175. DOI: 10.1007/s12393-021 -09290-z;
4. Sipos A (2020) A knowledge-based system as a sustainable software application for the supervision and intelligent control of an alcoholic fermentation process. Sustainability 12(23):10205. DOI: 10.3390/su122310205;
5. Аверкин А.Н., Гаазе-Рапопорт М.Г., Поспелов Д.А. Толковый словарь по искусственному интеллекту. М.: Радио и связь, 1992. 256 с;
6. Боргардт Е.А., Бобель Д.Н. Технологии искусственного интеллекта в системе управления качеством // Международный журнал гуманитарных и естественных наук. 2021. Т. 8-1 (59). С. 178-180;
7. ГОСТ Р ЕН 13018-2014: Контроль визуальный. М.: Стандартинформ. 2019. 8 с;
8. Скарюкина А.В. Рябков О.А. Понятие «Контроль качества» и его виды // Экономика и социум. 2022. № 1 (44). С. 1266-1271;
9. Сорокин А.В. Управление качеством: Учебное пособие для студентов всех форм обучения направления подготовки «Менеджмент». Издание 2-е дополненное и исправленное. Рубцовск, 2021. 106 с
1584
Negorozhin S.V.
North Caucasus Federal University (Stavropol, Russia)
ANALYSIS AND OPTIMIZATION OF THE APPLICATION OF ARTIFICIAL INTELLIGENCE METHODS IN COOKING
Abstract: this article discusses the following aspects of artificial intelligence (AI): the role of artificial intelligence in various fields, its functions, methods and technologies. The possibilities of introducing AI into cooking and the food industry are discussed in more detail. The theoretical problem is developments that promote the use of big data analysis methods and artificial intelligence in psychological research and their integration into traditional research methods. With the help of AI, you can create a variety of recipes that suit the needs and taste preferences of users. AI also helps to increase the flexibility of logistics, minimize supply disruptions, thereby increasing the stability of restaurants and cafes.
Keywords: artificial intelligence, neural networks, food industry, methods, cooking, role, algorithms.
1585
