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.
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR