シェフや食べ物にとって、大きなデータは新しい秘密の原料になる可能性があります

写真提供:IBM;サンフランシスコ—チョコレート、バニラ、パインナッツ、ブロッコリー。

食品と技術

集合的に、それらの食品は、自分のパレットを満たしている成分の最も明白な組み合わせのようには聞こえないかもしれません。

それでも、彼らは満足のいく方法で、少なくともいくつかの味の芽については、一緒に働くことが判明しています。誰が考えただろうか?

シェフ・ワトソン、それは誰か、それとも何か、もしあなたがそれについて技術的に知りたいのであれば。

シェフ・ハットは、キッチンレシピのような基本的なものではなく、医療と教育に革命を起こすという野心とは一線を画した画期的な認知システムであるIBMワトソンにとって、より主流のアトラクションを獲得するアプリケーションの1つに過ぎません。

ワトソン氏は、数十年にわたるテレビゲームショーJeopardyの技術的な発言やコードではなく、自然言語での質問を認識し対応することができる人工知能コンピューターとして、2011年に全国的な注目を集めました。

ワトソン氏は、膨大な数のビッグデータに基づいたコンピュータサイエンスの新しいサブセットである機械学習の進歩により、これを実現できます。

過去の数年にわたり、ますますデジタル化されたグローバル市場で先を進めるための重要なデータとして、大きなデータ – 過去の話題よりも優れた言葉が欠けています。

シェフと食べ物のために大きなデータが新しい秘密の原料かもしれない; IBMのシェフ・ワトソンがボン・アペリティの食べ物のお気に入りと大きなデータをミキシングする; Q&A:10年後に接続されたキッチンのためのイケアの青写真; Bite Silicon Valley:ChefJet Pro

しかし、機械学習の導入は、理論的にはより賢明な評価や予測を吐き出すために、既存のデータに基づいてアルゴリズムを使ってコンピュータシステムに自分自身で学習する能力を与え、大きなデータ分析をさらに進めています。 (FacebookやSpotifyの提案した曲やプレイリストの写真の友人には、リスナーの好みや振る舞いに基づいてタグを付けることができます。

IBM Watsonの誕生からほんの数年後、機械学習と認知システムは、多くの起業家やビジネス大国が新たな収入源を生み出すために量的な洞察力を駆使し、最終的に波を作り出しています。

驚くことではないが、機械学習は、Amazon Web ServicesやGoogle、IBMなどのクラウドサービスプロバイダーから、PinterestやAirbnbなどの消費者に優しいWunderkindに、技術をもたらした業界初の恩恵をもたらしました。

今やIBMのような技術大手は、新興スタートアップの少数に続いて、生産者からシェフ、家庭料理者までの食物連鎖に沿った認知技術を実験しています。

ビッグデータ分析、Big Data Analytics、DataRobotはデータサイエンスの欠点を自動化することを目指している、Big Data Analytics、MapR創設者のJohn Schroederが辞任し、交換するCOO

フードフロンティア

25名の従業員を擁し、2年前のエンジニアリングスタートアップFyusionは、サンフランシスコの急速に優雅なDogpatch地区にあるかなり一般的なオフィスビルの4階の日差しのオープンフロアプランオフィススペースに快適に座っています。

ダウンタウンから少し離れたバスや、近くの通勤鉄道のシリコンバレーから少し離れたところにありますが、最近では都市でのピークテック(またはバブル前のポップ)文化として評価されている批評家が増えています。ベイ。

しかし、FyusionのCEOと共同設立者のRadu Rusu氏は、6月の午後に明るい6月の午後にデモ・リールを小さな会議室で走らせたため、ここで設計された技術は現地のインキュベーターショーケースでのいくつかの開発と同様にクッキーカッターではありません。

Rusuは、機械学習によってもたらされた課題のいくつかを概説しました。その多くは最近、技術の新たな熱い味で解決されています。

食品産業は、視覚的な外観、特に高級レストランのようなものです。しかし、どんなレストランでも自分の食べ物をとてもいい方法で紹介したいと思っています。

ルース氏は、若いキャプテン・カークを描いた抜粋で、再起動時の場面で時間と空間の両方を使って場所をナビゲートすることを説明しながら、「何かが欠落していると考え始めた。続編、スタートレック:Into Darkness。

それを現実世界に適応させるというアイデアは、ロボットデバイスを配備し、埋め込まれたカメラレンズをジャイロスコープに向けることで、3D形式の写真を構築し、エンドユーザがそれ自身でナビゲートできるビジュアルグラフをつなぎ合わせることです。

Rusu氏は、さまざまな角度で移動するにつれて、必要に応じて3D印刷が可能な背後にあるジオメトリをユーザーが視覚化できることを説明しました。

世界はデスクトップからモバイルに変わっています」とRusuは訴えました。モバイル上のすべてのものは、インタラクティブ機能の空間に入り込み、パッシブから離れる傾向があります。たとえフィードが変化しています。

ロボットと機械学習の融合は、エンジニアと消費者を「現時点でやっているやり方から」離れさせます。より現代的な視覚データの取り込み方法は、これまで以上に正確な結果をより迅速に発見することができます。

技術者として、私はデータについて異なった考えをしています。「ルスは反映しました。」もうフレームはありません。私たちは1秒あたりのフレーム数について考えています。それはすべて連続した空間です。消費者の面では、私は非常にインタラクティブになることができます。

Rusuの理論化された機械学習は、まだ適切なデータソースのすべてをまだ持っていないため、徐々に進歩しています。大きな挑戦は、この技術を利用して、それをインキュベートし、理解できる製品として消費者に投げつけている、と彼は言いました。

機械学習のためにスピンできるデータの1つのプライマリ(プライマリではない場合)のソースがスマートフォンになりました。食べ物については、食べ物の写真をレストランと共有することで、人々がこれらのデバイスでしばしば行動する行動を推測することは難しくありません。

「食品業界は視覚的な外観、特に高級レストランが多いですが、いずれのレストランも食べ物をとても素敵な方法で紹介したいと考えています。

非常に基本的なレベルでは、RusuはFyusionのアプリ「Fyuse」をレストランや皿(すなわちステーキとジャガイモ)にラベルを割り当てて、「物理的なPost-Its」として機能させることができると提案した。

素敵なことは、それらをクリックすると、購入のためにウェブサイトに行くことができるということです」とRusu氏は、Eコマース、ファッション、小売業の “大規模な影響”について、このインスピレーションを与えた彼のチームを加えることを提案しました。

先週のサンタクララのLevi’s Stadiumで開催されたBite Silicon Valleyカンファレンスのブースで始まったフュージョンは、食品業界との関係を確立した後、ブリュッセルで公開された。最終的に有名なシェフとレストランのMichael Minaに至りました。

このように、Fyusionは、サッカースタジアムでレストランBourbon Steakのミューナの個人プロフィールをFyusionやクリップ(以下のようなもの)に展示しました。

Fyusionは、この機能が公開された時点でどれも名前を付けることはできませんでしたが、パイプラインのレストランやチェーンとのパートナーシップがあります。

ルスは、メニューが将来どのように見えるかを把握することが今の機会であると明言しています。これはブリック・モルタルのほか、YelpやFoursquareのようなプラットフォームでも同様に適用できます。

当分の間、Rusuは、Fyusionがこれらの方法で組織を強化することに集中し続けていることを確認しました。

長期的には、RusuはFyusionが、これらの自動でインテリジェントなアクションによって、ビジュアルサーチを突破するという最終目的で世界のより良い感覚を作るためのアルゴリズムを活用できると予測しました。

シードステージ

シードステージは、サンフランシスコのベイエリアでは別の意味合いを持つかもしれませんが、NoukaTechは苗の価値を取り入れ、より多くの文字通り収穫します。

ペンシルバニア大学の研究開発チームと共同で2013年に設立された初期段階のスタートアップは、栽培者の収益と純売上高を増やすための分析のためのロボット、センサー、機械学習のミスマッチを集めました。

人々は解決策ではなく技術を求めています。

NoukaTechは、4つの州(カリフォルニア、ワシントン、オレゴン、ペンシルバニアの主要な農業拠点ではあるが)から小規模に始まり、トウモロコシのような主要作物ではなく、専門の作物(ワイナリー用のリンゴやオレンジやブドウ)

NoukaTechは、密集した果樹園の果樹園で果物を検出する問題に機械学習を適用しています。

NoukaTechのCEOで創業者のRegina Gindinによると、気候変動の影響を受けて果物の配分と資源を考慮した過去数年間のデータはもはや正確ではないということです。 FoodBytes 2.0は、エレベーターピッチスタイルのデモの午後のショーケースで、Y Combinator Demo DayやTechCrunch Disruptを彷彿とさせます。

私たちは、IoTが大きな影響を与える場所と、大規模なデータ分析の将来についてどのような意味があるのか​​を掘り下げます。

Gindinは率直に言って、個々の栽培者や団体との過去の会話を思い出しながら、「解決策ではなくテクノロジーを求めています。

PennのR&DチームとGindinの間で大企業の社長による自己資金を積み上げているStill NoukaTechは、非常に高度な自家開発技術を中心としています。

NoukaTechは、Pennで開発されたドローンを含む様々な製造業者によって作られた低空飛行型空中ロボットによって捕獲された画像のフルーツピクセルをセグメント化するための教師あり学習アルゴリズムを設計しました。

これらのアルゴリズムは、専門の研究者が訓練画像セットでサンプルフルーツとブドウにラベルを付けることを可能にし、ポジティブ(果実)とネガティブ(葉のような果実以外の詳細)の例をもたらす。アルゴリズムはこれらの入力を受け取り、将来の未ラベルデータで果物を識別できるように一連の基準を学習します。

顔のタグ付けに相当する農業と考えてください。

このモデルの最初の利点の1つは、果樹園の果実の二重計数を減らすことです。結果はまだリアルタイムでは表示されていませんが、果樹園で無人機で飛行してから24時間以内にすぐに分析結果を得ることができます。

より正確で最新のカウントでは、果物と野菜の栽培者は、自分の短期および長期の事業計画を書き換えることができます。

NoukaTechは、LiDAR(3Dキャノピー測定)やマルチスペクトル画像(植物の活力の見積もり)などの他のセンサーからのデータを組み込むことができる将来のモデルのリビジョンを作成しています。

NoukaTechはまた、渇水したカリフォルニア州の両方で、シトラス栽培者のブース牧場やE&J Galloワイナリーのような有名な施設を拾い上げ、顧客基盤を拡大しています。

ワトソンがプレートまで歩く

Chef Watsonアプリのための最近のミニメディア・ブリッツにもかかわらず、カジュアルな技術ユーザーは、IBM WatsonをJeopardyを獲得したコンピュータとしてしか認識しないかもしれません!数年前。

IBM Watson Groupのワトソン・ライフ担当ディレクター、スティーブ・エイブラムス氏は、ウェブサイトへのインタビューで「それはただの質問に答えるだけだった」と語った。あなたはテキストを理解し、迅速に答えを見つけなければなりません。しばしば答えはすでにそこにあります。しかし、まだ知られていないものはどうですか?

Abrams氏は、IBMがその道筋を探ることを決めた後、人気の高い人間の関心領域について、そのアイデアが進化するにつれて進化しました。

この世界には食べ物以上の人々が関心を持つものは少ないです。

食品は、先進的なコンピューティングを通じて新しい洞察を発見するためのシステムを構築し、展示するための確かな基盤として提示されました。

したがって、料理の芸術は、社会における食糧の役割を果たしていることと、明らかに誰もが理解している分野であることの両方から選択されたとAbrams氏は指摘する。

Abrams氏は、「食糧と健康は本当に手を携えている」と語った。「このトリックは、個人について学ぶことになるだろう。あなたが個人としてより多くのことを学ぶことができればするほど、あなたのことを学びカスタマイズすることができます。

エイブラムスは、シェフ・ワトソンが単にユーザーの好き嫌いを知ることができれば、運動や医療記録を記録している健康やフィットネスアプリのように、ワトソンはよりパーソナライズされた経験を提供できると精緻化しました。

ここでの主なことは、人々に「ワトソンが私のためにこれをキッチンで行うことができるのであれば、私の業界でできることを想像してください」と思うようにすることです。

6月にベータ版から一般公開版にプッシュされたばかりのシェフ・ワトソンは、愛された食べ物「ボン・アペリティ」が提供する1万点以上のオリジナルレシピからアイデアを得ています。

「Bon Appetitとのパートナーシップは、消費者向けの料理ブランドを使ってこの技術をもっと現実的な形で一般に公開することでした」とAbrams氏は述べています。

シェフ・ワトソンはグルメの宝物を使って本質的に料理の学校に通っています。ピーナッツ・バターやチョコレートのような一般的な成分、サンドイッチ、スープ、サラダの基本的な成分、食物やスパイスは世界中の特定の料理(イタリアのオリーブオイルやPecorino Romanoチーズなど)を継承しています。

シェフ・ワトソン・アプリ(写真提供:IBM);シェフ・ワトソンは、自分の気持ちをキッチンに持ち込み、料理の基礎知識を身につけ、料理の基礎化学、人気のある化学化合物ペアと味。

ワトソンは最終的にその情報を使用して、これまでに行われたことがない場合でもうまくいく組み合わせについての予測を行います。

Abrams氏は、シェフ・ワトソンが「可能な組み合わせの五分の一」を上回ることができ、ワトソンが最も受け入れられると思われるトップ検索結果を提示する前に、いろいろな基準で得点を挙げることができます。

「結局のところ、ワトソンができることについて私たちにとって興味深いのは、それがパターンを見ることができ、考えすぎないと思っていたことを指摘することもできる」とBon AppetitのデジタルディレクターStacey Rivera氏は語った。ワトソンはレシピを作るだけのソースではなく、料理の思考を広げるゲームチェンジャーを見たことはありません。

あるケースでは、リバザはワトソンがクルミを加えることを提案したパンチレシピを説明しました。リベラは人々が詰まる可能性があると指摘して、このアイデアを拒絶した。

しかし、数週間後、ボン・アフェアイトのスタッフがレストランで一緒に食事をしていた時、編集者はウォルナット・シロップを使ったメニューでカクテルを見て、エディターに「ワトソンはもう一度元気だった!

リベラが説明したように、ワトソンはナッツの風味がうまくいくと思っていたので、ナッツの文字通りの解釈ではないかもしれません。ボン・アペティットの読者層(読者のほとんどは実験的だと書いていたが、最初は食べ物について違った考え方をしていた)を押し付けることができるのは、この種の探索である、とリベラは示唆した。

ほとんどの人は調理する方法ではなく、調理する方法を知っている」とリベラは指摘する。「レシピを必要とする人々はたくさんあり、インスピレーションを必要とする人々もたくさんいる。

シェフ・ワトソンは、創造性を発揮するための手段である、とAbramsは同意しました。 Abramsは、あなたがイチゴでそれらを取り除くまで、鶏、きのこ、ニンニクのグループを推薦しました。

このすべてにおいて、認知システムであるワトソンが以前に見たことのないものを発見するのを助けることができることを実際に示しています。「専門家として、あなたは膨大な情報、情報過多に直面しています。すべてを覚えていない。ワトソンはスレッドを見つけてそれらを出発点として提示することになっています。

Abramsは、シェフ・ワトソンの2つの異なる観客と平行線を概説しました。

最初は、シェフのワトソンの開発に寄与した料理教授研究所の学生のような、プロのシェフと上司となるでしょう。

Abrams氏は、Webベースのアプリでは、このような料理人には多くの鐘や笛、機能が必要ないかもしれないと指摘しましたが、ワトソンが特定の成分を組み合わせることを提案している理由を知りたいと考えています。

Abrams氏は、食品業界からのフィードバックを加えて、IBMが適切な料理書「シェフ・ワトソンとの認知的な料理」を発表するように動機づけたと自慢しています。

2番目のトラックは、ホームクックとフードブロガーで構成されています。InstagramとTumblrを経て創作物を共有している食べ物を含む、IBM自身が確立し、時間をかけて成長したいデジタルコミュニティの心臓部を形成しています。

ほとんどの人は調理する方法ではなく、調理する方法の感覚を持つ必要があります。レシピが必要な人はたくさんいますが、インスピレーションを必要とする人がたくさんいます。

Abrams氏によると、シェフ・ワトソンのチームは、学校のシェフ、レストランチェーン、消費者製品メーカーから食料品店までの他の食品業界の専門家との商業パートナーシップを強化することに関心があるという。

それにもかかわらず、シェフ・ワトソンはもっと大きなプラットフォームとスキームのアプリケーションとコンポーネントの1つに過ぎないという、ここでの大きなイメージを無視することはできません。 Abramsは、癌と戦うタンパク質についての未実証された関係や製薬発見の可能性を列挙したり、関連する裁判事件に基づいて法的ブリーフで新しい議論の出発点を促したりしました。

Abrams氏は、「ワトソンが私のためにこれをキッチンで行うことができるのであれば、私の業界でできることを想像してみてください。

それでも、シリコンバレーやそれに類似したスタートアップコミュニティで機械学習や魅力的な技術動向を魅了しているような機械学習が、食べ物の世界に影響を与えるのは、 。

Forrester Researchの副社長兼アナリスト、テッド・シャドラーは、「これは面白いデモかもしれないが、食生活を大きく変えないだろう」と語った。

しかし、リヴァーダは、ワトソンは単にレシピアプリではなく、コンテンツをデータに変換する仕組みであり、新しいフレーバーの組み合わせ、製品、さらにはレストランにまで扉を開いてくれることを繰り返し強調しました。

昨年、シェフ・ワトソンがベータ版に入っていたとき、リヴァーダはボット・アフェアットに何を証明したのかを明らかにしました。ワトソンは人々がそれを使って食事制限を管理し、食べ物の無駄を克服するなど日々の食糧問題を解決しました。

リベラは、家庭の食物浪費を減らすために、食事制限を受けながら、ただ1つの成分でも提案をすることができると提唱しました。

人々は彼らがグルテンフリーであることを理解していると思っていますが、誰もがワトソンの知識を持っているわけではありません、 “リベラは肯定しました”あなたはワトソンが持っている食物科学の良い感覚を持っているならば、選択肢を作る。

Schadlerは、認識技術が差をつける可能性のある食物連鎖の他の分野を認め、精緻化しました。

例えば、業界アナリストは、異なる天候および肥料および種子の組み合わせを有する異なる年からのマイクロプロットに関する作物収量データを使用することを提案した。そのようなデータは、個々の農家、肥料会社、あるいはモンサントのような多国籍農薬会社でさえ、収量をより良く最適化するのに役立ちます。

そこから、Schadler氏は続けました。これらの認知パターンは、食品サプライチェーン全体で需要から在庫、流通まで拡大する可能性があります。

この例は、機会とそれを完成させる複雑さを明らかにします」と、Schadlerは認めました。しかし、このようなことは避けられません。

LinkedInが新しいブログプラットフォームを発表

これはBig OLAPの時代ですか?

DataRobotは、データサイエンスの果実を自動化することを目指しています

MapRの創設者John Schroederが辞任し、COOが辞任