通衢大道上有这样一家别有风情的酒吧，推开门便是满满的啤酒香，走到吧台，点上一杯名字很特别的酒，浅酌一口，不禁发出啧啧的赞叹声。这时候老板从外面风尘仆仆地进来，见到客人就上前攀谈到，“您好，这是我们酒吧一杯用AI算法酿造的啤酒，您感觉味道如何？”
你相信吗？人工智能在不知不觉间又和我们吃什么这件事扯上了关系，智慧餐厅虽然之前也被人们津津乐道，但是人工智能却似乎不仅仅只满足于做一个乖乖的服务生。所以，人工智能还能在吃这件事上躁出点什么名堂呢？
AI，饮品开发来一波
首先，饮品行业的消费者构成偏年轻，以奶茶这一饮品为例，其目标消费群主要为追求潮流的80-90后年轻群体。而且年轻的千禧世代和Z世代普遍表示愿意在高端餐点上花费更多，价格往往并不是他们的第一考虑因素，体验为王才是他们在生活中最大的追求。
之前，伦敦的IntelligentLayer公司联合牛津机器学习专家利用算法酿造的那款啤酒为了保证口味的独特性在AI算法中加入了1000个“通配符”成分，随机插入到啤酒的配方中。也就是说，AI可以自主添加各种新奇成分来保持啤酒带给客人的惊喜度。
另外，随着人群逐渐细分，互联网当中的“长尾效应”开始延续到线下的消费场景，行业无一例外都开始走向了小众化的道路。传统的饮品开发方式开始难以适应快速的市场变化，就像许多知名的餐饮品牌：全聚德、吉野家、真功夫、味千拉面，正在经历的中年危机：“光有品牌而无吸引力”，亦从侧面证明了如果不能快速抓住市场口味的变化，那么客流量下降的焦虑只会在时间的流逝当中被越放越大，最后倒在各家咨询公司的年度总结报告中：“2018年度餐饮阵亡名单”。而AI算法开发饮品利用人工智能的算法和机器学习功能，可以在客人饮过之后进行交互实时收集用户反馈，让AI能够记住该顾客的数据，并在下一次的生产当中不断通过工艺的调整使饮品更加符合客人的口味偏好。
一家饮品公司的成功往往特别注重营销和产品两个因素，AI二字本来就是饮品的活广告，不断迭代的口味又能够满足年轻一代求新求变的心情。因此，AI算法饮品只要得到一定权威认证，其市场的规模一定不会小。
AI说，除了吃得奇，还要吃得更健康
中国的中产阶级数量持续上升，随之提高了大众对食品营养的要求。根据麦肯锡的预估，到2022年，中国上层中产阶级家庭数量将达到1.93亿，大众中产阶级家庭数量7854万，整个社会对食品营养的市场需求将大幅攀升。
Innova在2017年的调查数据中，有23%的中国消费者认为真材实料是最影响其购买食品饮料的因素，这一数据高于美国，澳大利亚，英国和西班牙。这表明在中国正有越来越多的消费者愿意选择接受他们自己心目当中更健康的饮食。《华盛顿邮报》一篇文章也预测到，2018年的饮食重点将是“通过食物预防和控制诸如阿兹海默症等疾病，以及促进消化健康”，而这份预测报告的结果是参考了13000多位营养专业人士的意见得出。
目前，都柏林有一家初创公司将人工智能应用于营养学，名叫Nuritas。它将人工智能与分子生物学相结合，建立食品数据库，识别食物中的肽，让被开发出来的食品更加健康。在传统的食品制造商当中，他们主要关注的是成本控制和安全，但没有想过通过识别食物当中一些比较特殊的有益于人体健康的物质来提高自己的食品质量。
人工智能强大的记忆能力非常适合学习各种不同的营养元素，将人工智能和食物营养元素数据库连接到一起，通过算法识别食物种类，结合人工智能视觉识别功能，然后就可以知道食物所富含的营养成份。光知道营养成分还不够，人工智能还可以为这些食物根据营养成为做合理的搭配，和人类的味觉共同作用于食品开发。
虚拟营养师打开营养生活的另一扇门
在我国，居民的营养知识普及程度一直不高，而且国内专业营养师服务的普及率也同样很低。据调查，在日本，每300人就配备有一个营养师；在美国，每4000人配备一个营养师；而在中国，每40多万人才有一个营养师，可见，与发达国家相比，我国公共营养师的人才缺口极大。
David Zeevi团队在2015年11月的时候于《Cell》上发表论文，阐释了机器学习应用于营养学的积极作用。研究人员为机器学习算法输入了800名志愿者的数据进行训练，学会了预测食物对人体血糖水平的影响。在之后的第二组人群上（100个志愿者）验证机器学习得出的模型，结果非常理想。之后在第三组实验当中机器也成功地给予了健康饮食指导，让志愿者餐后的血糖水平得到了精准控制。
所以，让人工智能来提供的虚拟的营养师可能是打造精准营养生活最好的助手。通过分析标准化饮食的结果，研究者还发现即便使用同样的食品，不同人的反应依然存在巨大差异，这表明，过去根据经验得出的“推荐营养摄入”从根本上就有“漏洞”，虚拟的营养师其实比真实营养师提供的建议效果会更好。
此外，咨询者往往把自己针对身体健康的维护或咨询当做是一种弱势行为。当提及健康方面的问题，至少现阶段还是比较顾忌对自己的评价。营养师通常要遵循的一个基本原则是尽量回避隐私或敏感的话题，学会忘记咨询者隐私。但是当这个营养师成为虚拟的时候，这种弱势或许就并不存在了，因为它只是一台机器而已。
人工智能想要饮食这件事上燥起来固然是一件好事。但AI却不是神笔马良，画什么饼就能吃什么饼。智能相对论分析师杨苏颖认为AI作用于人类饮食还需突破的难题有三道。
1、AI造物的普遍性还在下一个春天
今天AI在算法学习下尝试了制造啤酒，但对于很多做其他食品制造的企业来说，旗下的食品种类通常少则十几种，多则上百种。AI在将造物的学习经验从一类情况向另外一类情况迁移时，经常会遇到困难。这意味着，企业需要投入大量资金训练一个新模型，有时候即使第二次的情况与之前的十分类似也很难避免回笼再造的命运。企业大则还好，对于刚起步的小企业而言，AI学习所要耗费的人力物力财力就不太友好了，因此，AI制造食品要想广泛落地还需解决学习普遍性的问题。
2、虚拟营养师真实效果还需继续耕耘
营养的作用的确是客观存在的，但是人工智能赋能的虚拟营养师对人体健康的干预作用究竟几何是受很多因素影响的。营养知识的门槛原本并不算高，在中国只要有兴趣的都可以去学习甚至是考得一个营养师的证书。
但是，尽管人们对健康很看重，餐餐按照规定的食谱进食却不是每个人都能够依从的条件。如同减肥一样，每个人都知道，只要控制饮食和多运动的方法论，却鲜少有人能够完成自己最终的体重目标。
所以，虚拟营养师要想有市场，不仅仅是要除了需要获取医疗机构的个人数据，还需要结合AI预测疾病的功能，精准显示用户在未来的潜在疾病发展方向，提前给用户预警，否则如若不能调动用户自觉遵循AI建议的积极性，虚拟营养师则难以发挥效用。
3、数据采集少些逻辑怪圈
人工智能进入人类的饮食生活要有意义就必须比人做得更好，但是全面依赖数据的机器学习却往往让人很难相信它的使用能够广泛造福所有人，制造此类人工智能产品的人不仅要有计算机科学的思维还必须有社会学的思维。
从我国的国情来说，2014年我国确立了12.8万个贫困村，8900万贫困人口，以儿童为例，在低收入和中等收入国家，仍然有2.5亿儿童可能因贫困和发育迟缓而无法发挥潜力，贫困地区农村儿童营养问题远比城市儿童更为突出，他们的生长迟缓率和低体重率通常是城市儿童的6-8倍，贫血问题也较普遍的存在。
但是，人工智能所能收集到的个人数据主要来自医疗机构，而出身贫困家庭的儿童们可能鲜少有机会去医院查看自己的健康问题，留存的数据也必然是远不及城市儿童的，这就不免引起人工智能的歧视问题，也就是说人工智能的内在逻辑可能是用治“富贵病”的方法去治“贫穷病”，而这肯定是不合理的。
古人常说，“食色性也”，人类这样一个嘴馋的杂食物种，要想过得活色生香绝对少不了吃。如今，有AI在人类吃什么，怎么吃上进行把关，虽然还不尽完美，但相信不久之后饮食男女一定能过上“智慧吃”的好日子。
