close
Sara Robinson在谷歌雲端從事人工智能工作。在大流行期間，她喜歡烘焙，並將她的AI技能轉向瞭這個愛好。她首先收集瞭一組食譜的數據，並建立瞭一個TensorFlow模型，以吸收配料清單，並得出 "97%的面包，2%的蛋糕，1%的餅幹"這樣的預測。
該模型能夠準確地按類型對食譜進行分類，她提出瞭一個新的食譜，確定這個食譜50%是餅幹，50%是蛋糕。它被稱為cakie。羅賓遜說，人工智能的配方很美味，味道就像她想象的那樣，如果她告訴人工智能做一個蛋糕餅幹混合體，會發生有趣的事情。
羅賓遜與另一位研究人員合作，用更大的數據集、新的工具和可解釋的模型建立瞭烘焙2.0模型，讓人們深入瞭解蛋糕、餅幹和面包的制作過程。該模型提出瞭一種名為 "breakie"的新配方，這是一種面包餅幹的混合體。研究人員使用的數據集包括16種核心成分和600種材料的配料單。
作為預處理的最後一部分，研究人員使用瞭一種數據增強技巧。數據增強是一種從已經擁有的數據中創建新的訓練例子的方法，例如，該人工智能被設計成對食譜的食用量不敏感，因此研究人員會隨機將配料量增加一倍和三倍。
機器學習模型可以預測食譜類型，並提供瞭一個對話，讓研究人員給模型命名，他們希望模型訓練多長時間，並指出在訓練中使用什麼輸入特征。結果是一個模型能夠正確地預測它所得到的食譜的類別，並為最有助於其預測的成分指定重要性的分數。
全站熱搜
留言列表
