Зачем Google создала программу для подсчета калорий по фотографиям

kaloriiОбласти использования искусственного интеллекта безграничны. Почему Google решила воспользоваться им для подсчета калорийности блюд по фотографиям? Может быть, просто потому, что это обязательно попадет в новости и лишний раз обратит внимание на бренд. Или в этом есть более глубокий смысл? 

Основная область использования искусственного интеллекта (ИИ) в Google — поиск информации в интернете. Именно это является самой очевидной причиной покупки DeepMind в 2014 году за 400 миллионов долларов. Опыт британской компании должен помочь “глубокому обучению” поисковых алгоритмов. Кроме того, Googleplex собирают и другие яркие умы в области ИИ и робототехники. Среди официальных причин — создание самоуправляемых машин, дронов, доставляющих товары, и некоторые другие проекты, завязанные на ИИ. В чем еще приуспел искусственный интеллект Google?

В еде

На днях в Бостоне состоялась конференция Deep Learning. Исследователь из Google Кевин Мерфи представил проект, в котором сложнейшие алгоритмы машинного обучения используются для анализа фотографий еды и подсчета калорий, попавших на тарелку. Проект называется Im2Calories.

В одном из продемонстрированных примеров система нашла на фотографии два яйца, два блинчика и три кусочка бекона. Для определения массы каждого кусочка алгоритм сопоставляет их размеры с диаметром тарелки, а также с некоторыми приправами. Для Im2Calories не нужны фотогафии идеального качества и с высоким разрешением. Сработает стандартный снимок из Instagram.

А как подсчитываются калории? Разработчики Im2Calories не захотели нагружать нас подробностями об этом. Но, я думаю, любой кто пытался следить за своей диетой понимает, что в этом нет ничего сложного, если определены продукт и его масса.

Мерфи хочет дать пользователям простой способ вести дневник своего питания. Теперь не надо вручную вводить каждое блюдо, гадать о массе съеденного и ингредиентах. Система работает в полу-автоматическом режиме. Если какой-то продукт определен некорректно, то пользователь может внести поправки с помощью выпадающих меню. По мнению Мерфи, если алгоритм будет срабатывать в 30% случаев, то этого достаточно, чтобы люди начали пользоваться приложением. А это позволит позволит накопить большой объем данных, необходимых для улучшения ИИ.

Ожирение остается острой проблемой для Соединенных Штатов и многих развитых стран. Поэтому даже платная версия Im2Calories будет довольно популярной. Но самое главное не в доходах от продажи приложения.

Попробуем ближе разобраться в том, как это работает. Как и во многих других системах глубокого обучения, здесь все начинается с обработки изображения и распознавания образов. Im2Calories устанавливает связь между тем, как выглядит порция того или иного блюда с базой данных по содержанию в нем калорий. Но системы “глубокого обучения” отличаются тем, что постоянно совершенствуются. Чем больше мы используем их, тем более точными получаются результаты.

Как определяются продукты на фотографиях? Если Im2Calories обнаружила гамбургер — это значит, что некоторые участки фотографии похожи на другие изображения гамбургеров, которые ей показывали ранее. Разработчикам не надо было вводить в нее подробное описание того, как должен выглядеть гамбургер. Чтобы система глубокого обучения была полезна, она должна уметь извлекать смысл из аудио, видео, фото на основании некоторых внутренних критериев.

Im2Calories никогда не станет точной на 100%. Но разработчик не считает это особой проблемой. По мнению Мерфи, людям очень нужен подобный инструмент. Пусть даже его точность будет 20%, информация за неделю, месяц или год будет обобщена и усреднена.

Кроме того, будут собираться и анализироваться данные о диете огромного количества людей. Для специалистов в области здравоохранения и диетологии это бесценная информация.

Детальной информацией об алгоритмах работы Im2Calories Мерфи не спешит делиться, так как заявки на соответствующие патенты были поданы лишь недавно. А в долгосрочной перспективе эта технология обретет более широкую сферу применения. И еще более упрочит позиции Google. Мерфи считает, что если с программой для подсчета калорий все получится, как задумано, то она обретет сумасшедшую популярность.

Это лишь начало

Представьте себе систему, анализирующую обстановку на улице. Она не просто определит, что за машины проезжают перекресток.  Определяется положение автомобилей в пространстве, их размеры и скорости. Это позволяет рассчитывать вероятность столкновения. А еще подобный алгоритм может выбрать идеальное место для парковки. По сути во всех этих случаях используются одни и те же технологии, мы просто меняем данные, которые “скармливаем” им.

Конечно, ожирение является проблемой, заслуживающей внимания Google. Но, если честно, меня больше воодушевляют машины-роботы, объезжающие пробки, избегающие аварий и самостоятельно паркующиеся в самых удобных местах. Не удивительно, что технологии глубокого обучения так увлекли Силиконовую долину. Во всяком случае, диета и калории — это только начало огромной истории.

Оставить комментарий