Contoh penerapan Artificial Intelligence (AI) sudah sampai ke dapur. Selain menenagai berbagai peralatan dapur pintar, peranan AI dalam pengolahan makanan juga mulai berkembang.
Pernahkah Anda mendapati kulkas di dapur dipenuhi berbagai bahan mentah yang siap dimasak tapi Anda tidak tahu harus masak apa? Membuka lembaran-lembaran resep di buku masak atau browsing resep-resep di internet tentu akan memakan waktu. Di sinilah contoh penerapan Artificial Intelligence bisa ditemukan.
Berkat teknologi AI, seperti image recognition dan machine learning, kita dapat menghemat waktu, makanan, dan biaya di dapur untuk mempraktikkan resep-resep makanan yang lezat, bahkan menciptakan resep-resep baru dengan selera yang lebih personal.
Mengubah Gambar Jadi Resep
Roti kayu manis yang empuk dan hangat dengan lapisan gula meleleh di atasnya. Atau pizza yang sarat topping warna warni di atasnya, dengan lelehan keju yang masih mendesis karena baru diangkat dari oven. Namun ketika hidangan-hidangan itu tersaji hanya dalam bentuk gambar, tanpa resep, Anda akan urung mencoba membuatnya. Bagi seorang chef, itu bisa membuat mereka frustasi.
Menjawab tantangan ini Facebook menciptakan sebuah sistem pembuat resep yang bersumber dari gambar (image-to-recipe generation system) sehingga memungkinkan pengguna melakukan reverse engineering terhadap sebuah resep.
Sistem ini dapat menganalisis foto sebuah hidangan dan “menuliskan” resepnya dari nol. Dalam hitungan detik, sistem akan mengeluarkan daftar bahan yang dibutuhkan, lengkap dengan langkah-langkah untuk memasaknya. Sistem yang merupakan contoh penerapan AI ini memang tidak bisa mengidentifikasi jenis tepung atau cetakan atau suhu temperatur yang sama persis dengan resep aslinya (jika ada), tapi sistem akan memberikan resep yang, menurut Facebook, kredibel (dan lezat).
Di balik sistem yang masih dalam tahap riset ini, ada teknologi computer vision, yaitu teknologi memungkinkan ekstraksi terhadap informasi pada gambar digital dan video untuk memberikan pemahaman visual tingkat tinggi kepada komputer. Penerapan teknologi computer vision kini sudah banyak dijumpai dalam kehidupan sehari-hari. Misalnya, pada aplikasi smartphone yang memungkinkan kita mengidentifikasi apakah yang kita sorot dengan kamera adalah tanaman atau hewan. Atau pada aplikasi pemindai data pada kartu kredit sehingga pemilik kartu kredit tidak perlu berulang kali mengetikkan nomor kartunya.
Namun ini bukan sistem computer vision biasa karena ada “materi abu-abu” atau “grey matter” di dalam sistem ini. Pada manusia, grey matter ini terletak pada lobus frontal otak dan merupakan tempat paling aktif di otak.
Untuk menghasilkan kemampuan seperti grey matter, sistem yang dibangun Facebook ini disokong oleh dua neural network sekaligus. Neural network bernama Recipe1M ini dibangun oleh MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) yang berisi satu juta gambar hidangan dan resep, serta algoritme yang dirancang untuk mengenali pola dalam gambar digital.
Dikutip dari laman about.fb.com, Michal Drozdzal, Research Scientist di Facebook AI Research, menjelaskan sistem inverse cooking ini membagi masalah ekstraksi gambar menjadi resep menjadi dua bagian: satu neural network mengidentifikasi bahan baku yang terlihat di gambar hidangan, dan neural network yang lain merancang resep berdasarkan daftar bahan baku yang teridentifikasi.
Misalnya, pengguna memberikan input kepada sistem berupa gambar paella, hidangan nasi khas Spanyol. Neural network pertama akan mengidentifikasi adanya nasi, bawang bombai, tomat, dan beberapa jenis seafood pada gambar tersebut. Neural network kedua bekerja membuat resep berdasarkan informasi bahan yang teridentifikasi tadi. Secara keseluruhan, sistem bekerja dengan high level reasoning menggunakan tiga sumber informasi: gambar, daftar bahan yang teridentifikasi dari gambar tersebut, dan pengetahuan yang sudah dimiliki sistem sebelumnya (dari Recipe1M dataset) untuk menghasilkan prediksi yang lebih presisi.
Sistem ini digadang-gadang Drozdzal jauh lebih canggih dari sistem sebelumnya. Sistem food recognition sebelumnya akan mencocokkan gambar yang di-input pengguna dengan gambar-gambar hidangan dan resepnya yang sudah tersimpan di sistem. “Seperti punya satu foto kemudian mencari foto yang sama di buku resep yang sangat besar,” Drozdzal mendeskripsikan sistem sebelumnya.
Jenis hidangan dan bahan makanan yang beraneka ragam, dan perubahan bentuk pada bahan-bahan tersebut setelah dimasak membuat teknik food recognition sebagai salah satu area yang menantang dalam bidang natural image understanding. Namun dengan sistem berbasis AI, sistem memiliki kemampuan reasoning dan prior knowledge yang membuatnya lebih cerdas dalam mengenali dan membuat resep berdasarkan gambar.
Masak Apa Hari Ini?
Pertanyaan ini kerap muncul di benak kita, terutama para ibu rumah tangga. Kita seringkali kehabisan ide mau masak apa dan akhirnya hidangan itu-itu saja yang kita sajikan.
Contoh penerapan AI yang didemonstrasikan oleh aplikasi Plant Jammer dan Chefling mencoba menjawab tantangan itu. Memanfaatkan teknologi AI dan pembelajaran gastronomi, kedua aplikasi ini membantu orang menciptakan resep hidangan yang lezat dan terpersonalisasi, menggunakan bahan-bahan yang tersedia.
Menjalankan algoritme berbasis database yang berisi cara pemrosesan bahan baku, langkah-langkah memasak hidangan, dan label rasa, sistem ini akan merekomendasikan resep berdasarkan bahan baku yang tersedia dan preferensi pengguna. Sistem ini dapat berintegrasi dengan smart home appliances seperti kulkas dan oven cerdas untuk mengidentifikasi bahan baku yang tersedia saat itu, temperatur dan waktu mengolah hidangan.
Tak hanya menghemat waktu dan tenaga dalam menyiapkan makanan, aplikasi dengan AI juga disebut berpotensi mengurangi limbah berupa sisa makanan yang terbuang.
Menciptakan Cita Rasa Baru dari Masa Lalu
IBM Research dan McCormick & Company menciptakan sebuah sistem berbasis AI yang dapat menciptakan rasa baru dengan lebih efisien dan efektif. Menciptakan cita rasa baru secara manual adalah sebuah pekerjaan yang menantang karena keterbatasan kemampuan dan pengalaman manusia.
Namun dengan menerapkan AI, kita dapat memadukan cita rasa secara lebih efektif berdasarkan data-data yang dikumpulkan sistem dari industri makanan selama beberapa dekade, misalnya formula yang dibuat di masa lalu, komponen bahan mentah, hasil eksperimen dan uji konsumen, kisah produk pangan yang sukses di pasar, dan sebagainya.
Sistem bernama McCormick ONE ini disokong oleh algoritme machine learning tingkat lanjut untuk mempelajari dan memprediksi bahan mentah dan kombinasi formula. Berdasarkan insight dari sistem ini, produsen makanan dapat mengoptimalkan formula rasa (flavor) yang sudah ada atau mengembangkan cita rasa baru yang disesuaikan dengan preferensi tertentu.
Contoh penerapan AI di area dapur ini tidak sebatas pada aktivitas mengolah makanan. Teknologi Artificial Intelligence juga mulai banyak ditemui pada perangkat dapur pintar, seperti kulkas, oven, pencuci piring dan sebagainya.
Restoran dan dapur-dapur komersial pun berupaya menerapkan AI di backend, misalnya untuk menghadirkan supply chain cerdas untuk menghubungkan rantai pasok secara keseluruhan. Ketika sistem ERP terintegrasi dengan solusi inventory management berbasis cloud dan sistem POS, pelaku bisnis di bidang makanan ini dapat memprediksi permintaan dan membuat perencanaannya.