麻省理工學院的一組研究人員最近開發(fā)了一個人工智能模型，它可以獲取指令列表并生成一個成品。未來對建筑和機器人領域的影響巨大，但團隊決定從我們現(xiàn)在都需要的東西開始：披薩。

pizza GAN是麻省理工學院計算機科學與人工智能實驗室（CSAIL）和卡塔爾計算研究所（QCRI）天才們創(chuàng)造的最新神經(jīng)網(wǎng)絡，它是一個生成性的對抗性網(wǎng)絡，可以在披薩烹飪前后創(chuàng)建披薩的圖像。

不，它實際上不是做一個你可以吃的披薩——至少，現(xiàn)在還做不到。當我們聽到機器人在食品工業(yè)中取代人類時，我們可能會想象波士頓動力機器在廚房里走動，翻轉(zhuǎn)漢堡，做薯條，然后大喊“點餐”。但事實要溫和得多。

實際上，這些餐館使用的是自動化技術，而不是人工智能。漢堡翻轉(zhuǎn)機器人不關心它的抹刀上是否有真正的漢堡或冰球。它不了解漢堡包，也不知道成品應該是什么樣子。這些機器在家里，就像在漢堡店把包裝盒關在亞馬遜的倉庫里一樣。他們不是智能的。

麻省理工學院和QCRI所做的是創(chuàng)建一個神經(jīng)網(wǎng)絡，它可以查看比薩餅的圖像，確定配料的類型和分布，并在烹飪前確定比薩餅分層的正確順序。它理解任何人工智能都能理解，做披薩從頭到尾應該有的過程。

聯(lián)合小組通過一種新穎的模塊化方法完成了這一任務。它開發(fā)了人工智能，能夠根據(jù)添加或刪除的成分來可視化比薩餅應該是什么樣子。例如，你可以給它看一張比薩餅的圖片，然后讓它去掉蘑菇和洋蔥，它就會生成一張修改過的披薩圖片。

研究人員稱：

從視覺角度來看，每一個指令步驟都可以被視為通過添加額外的對象（例如添加配料）或更改現(xiàn)有對象（例如烹飪菜）的外觀來更改菜的視覺外觀的一種方法。

為了讓機器人或機器有一天能在現(xiàn)實世界里做披薩，它必須了解披薩是什么。到目前為止，人類，即使是CSAIL和QCRI里真正的人類，在機器人中復制視覺的能力也比味蕾強得多。

例如，Domino’Pizza目前正在測試一種用于質(zhì)量控制的計算機視覺解決方案。它在一些地方使用人工智能來監(jiān)控從烤箱里出來的每一個比薩餅，以確定它們是否看起來足夠好，能夠滿足公司的標準。像澆頭分配、甚至烹飪、圓度之類的東西也可以通過機器實時學習來測量和量化，以確保客戶不會得到一個糟糕的披薩。

麻省理工學院和QCRI的解決方案整合了烹飪前的階段，并確定了適當?shù)姆謱樱灾谱髅牢丁⒄T人的披薩。至少在理論上，我們可能離一個端到端的人工智能解決方案還需要好幾年的時間來準備、烹飪和供應比薩餅。

當然，一旦機器人了解了配料的細微差別、操作說明以及項目最終結(jié)果應該如何出現(xiàn)，那么比薩餅就并不是機器人唯一能做的事了。

研究人員得出結(jié)論，PizzaGAN背后的人工智能模型可能在其他領域也有用武之地：

雖然我們只是在比薩的背景下對我們的模型進行了評估，但我們相信，對于其他自然分層的食物，如漢堡、三明治和沙拉，類似的方法是有希望的。除了食物，我們還將有趣地看到我們的模型在數(shù)字時尚購物助理等領域的表現(xiàn)，其中一個關鍵的操作是不同層次衣服的虛擬組合。

但是，老實說，我們都不會正式進入人工智能時代，除非有一天，我們可以得到一個體面的磚爐瑪格麗塔比薩餅自制機器人。