崔曉暉，李 偉，顧誠淳

（1 武漢大學(xué)國家網(wǎng)絡(luò)安全學(xué)院 武漢430072 2 江南大學(xué)人工智能與計算機學(xué)院 江蘇省媒體設(shè)計與軟件技術(shù)重點實驗室 未來食品科學(xué)中心 江蘇無錫214122）

1 人工智能與大數(shù)據(jù)簡介

1.1 人工智能

自1956年達特茅斯會議，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠見卓識的年輕科學(xué)家在一起聚會，首次提出“人工智能”（AI）這一術(shù)語，它標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。進入20世紀(jì)70年代，許多國家都開展了人工智能的研究，涌現(xiàn)了大量的研究成果。然而，和其它新興學(xué)科的發(fā)展一樣，人工智能的發(fā)展道路也不是平坦的。1973年，美國和英國都停止了對沒有明確目標(biāo)的人工智能研究項目的投資，盡管后來美國又在AI 行業(yè)投資了數(shù)十億研究經(jīng)費，這些投資者還是在上世紀(jì)80年代末撤回了投資。在研究領(lǐng)域，如神經(jīng)網(wǎng)絡(luò)、機器學(xué)習(xí)等方面，也都遇到困難，使人工智能的研究一時陷入困境。AI領(lǐng)域研究的高潮和低潮不斷交替出現(xiàn)，如今依然有人對AI 的前景保持相當(dāng)樂觀的態(tài)度[1]。2006年，深度學(xué)習(xí)的出現(xiàn)，計算機計算能力的增強與數(shù)據(jù)采集能力的增強突破了人工智能的瓶頸[2]，使得人工智能這門學(xué)科能夠處理困難且更切合實際的應(yīng)用問題。

早在2001年，就有學(xué)者提倡將人工智能運用于食品領(lǐng)域[3]。目前人工智能的技術(shù)越來越成熟，將這技術(shù)運用在食品領(lǐng)域，突破了一個又一個難題，打破了一個又一個局限。

1.2 大數(shù)據(jù)

大數(shù)據(jù)（Big data）是一個抽象的概念，是對當(dāng)前，無論是企業(yè)還是政府、高校等單位面臨的數(shù)據(jù)無法存儲、無法計算的狀態(tài)的形容詞，單從字面上看，大數(shù)據(jù)這一概念很難和之前“海量數(shù)據(jù)”（Massive data）的概念有所區(qū)別[4]。針對這個概念，目前有很多理解和定義。

Kusnetzky[5]和Vance[6]認為的大數(shù)據(jù)，又稱巨量數(shù)據(jù)，是指傳統(tǒng)數(shù)據(jù)處理應(yīng)用軟件不足以處理的大或復(fù)雜的數(shù)據(jù)集的術(shù)語。麥肯錫在其報告《大數(shù)據(jù)：創(chuàng)新，競爭和生產(chǎn)力的下一個前沿》中給出大數(shù)據(jù)的定義[7]：大數(shù)據(jù)是大小超出常規(guī)的數(shù)據(jù)庫工具獲取、存儲、管理和分析能力的數(shù)據(jù)集。其同時強調(diào)，并不是說一定要超過特定TB 值的數(shù)據(jù)集才能算是大數(shù)據(jù)。

根據(jù)美國國家標(biāo)準(zhǔn)與技術(shù)研究院（National Institute of Standards and Technology，NIST）發(fā)布的研究中的定義，大數(shù)據(jù)是用來描述在數(shù)字網(wǎng)絡(luò)世界中數(shù)據(jù)泛濫現(xiàn)象的常用詞語。大量數(shù)據(jù)資源為解決以前不可能解決的問題帶來了可能性。

Mayer-Sch?nberger 等[8]在他的著作《大數(shù)據(jù)時代》中提出大數(shù)據(jù)的4V 特性：規(guī)模性（Volume）、高速性（Velocity）、多樣性（Variety）、價值性（Value）。規(guī)模性是大數(shù)據(jù)中的數(shù)據(jù)量爆炸性地增長。高速性是大數(shù)據(jù)相對傳統(tǒng)數(shù)據(jù)挖掘，對于處理數(shù)據(jù)的響應(yīng)速度有更嚴(yán)格的要求。多樣性是數(shù)據(jù)來源、數(shù)據(jù)類型的多樣。價值型是大數(shù)據(jù)背后隱藏著巨大的潛在價值。

大數(shù)據(jù)的核心作用是數(shù)據(jù)價值化，簡單地說，大數(shù)據(jù)讓數(shù)據(jù)產(chǎn)生各種“價值”，這個數(shù)據(jù)價值化的過程就是大數(shù)據(jù)要做的主要事情。大數(shù)據(jù)做的是：記錄一切、描述一切、預(yù)測一切。

由于近期技術(shù)的進步，發(fā)布新數(shù)據(jù)的便捷性和全球大多數(shù)政府對數(shù)據(jù)高透明性的要求，海量數(shù)據(jù)分析在現(xiàn)代研究中越來越突出[9]。大數(shù)據(jù)主要應(yīng)用在給人類提供輔助服務(wù)，以及為智能體提供決策服務(wù)。通俗地說“大數(shù)據(jù)就像互聯(lián)網(wǎng)+，可以應(yīng)用在各行各業(yè)”，如在食品行業(yè)中，利用大數(shù)據(jù)技術(shù)幫助地方餐廳作出調(diào)整決策，發(fā)現(xiàn)食品中隱藏的規(guī)律等等案例已十分多見。

1.3 人工智能與大數(shù)據(jù)的關(guān)系

隨著時代更迭和計算機科學(xué)的進步，數(shù)據(jù)的采集變得前所未有的便利，由此推動了人工智能技術(shù)和大數(shù)據(jù)技術(shù)的進步。這些新興的智能技術(shù)影響著現(xiàn)實生活中的各個方面，人們可以深刻感受到人工智能、大數(shù)據(jù)帶來的便利，尤其是在食品行業(yè)，人工智能與大數(shù)據(jù)技術(shù)在食品安全、食品口味、食品搭配等方面的效果卓有成效。

人工智能是計算機科學(xué)的一個分支，它是研究、開發(fā)用于模擬、延伸和擴展人的智能的方法、技術(shù)和手段。人工智能技術(shù)企圖了解智能的實質(zhì)，并產(chǎn)生一種新的能以人類智能相似方式作出反應(yīng)的機器，其研究領(lǐng)域包括機器人、語言識別、圖像識別、專家系統(tǒng)等。

大數(shù)據(jù)是人工智能的基礎(chǔ)，大數(shù)據(jù)本身的概念不僅指海量的數(shù)據(jù)和資料，也包括數(shù)據(jù)里蘊含的價值。人們使用大數(shù)據(jù)技術(shù)獲得和存儲大規(guī)模、多樣性的數(shù)據(jù)，并對獲取的數(shù)據(jù)進行分析，發(fā)現(xiàn)數(shù)據(jù)中規(guī)律，然后作出科學(xué)的決策。

大數(shù)據(jù)和人工智能關(guān)注點不同，然而二者關(guān)系密切，相輔相成、互助發(fā)展。大數(shù)據(jù)是人工發(fā)展的基石、動力。只有通過海量的多樣性好、價值高的數(shù)據(jù)（包括文本、視頻、圖片等），人工智能才能學(xué)習(xí)到更多的信息，從而更好地模擬人的思維，擴展人的智能。換句話說，人工智能是大數(shù)據(jù)應(yīng)用的體現(xiàn)，是大數(shù)據(jù)的應(yīng)用場景[10]。

2 人工智能與大數(shù)據(jù)在食品領(lǐng)域上的應(yīng)用

隨著時代的進步和經(jīng)濟的發(fā)展，我國對于食物的要求已經(jīng)從“吃飽”轉(zhuǎn)型成“吃得好和吃得健康”?，F(xiàn)今人們更加關(guān)注食品風(fēng)味和食品營養(yǎng)，傳統(tǒng)的食品科學(xué)技術(shù)逐漸不能滿足這些需求。而新興的人工智能與大數(shù)據(jù)分析技術(shù)給食品領(lǐng)域帶來了全新的科學(xué)分析方式。例如，Kazama 等[11]利用大數(shù)據(jù)來構(gòu)成一個能轉(zhuǎn)換國家、地區(qū)風(fēng)味的神經(jīng)網(wǎng)絡(luò)，讓人們更方便地品嘗到異域風(fēng)味的料理；為了讓大家更關(guān)注自己餐盤里食物的營養(yǎng)，Kalra 等[12]構(gòu)建了一個基于大數(shù)據(jù)的營養(yǎng)評估系統(tǒng)，通過食譜分析，計算食物的營養(yǎng)。

食品安全是人對食物的基本要求，是人們正常生活的基本保證。食品安全追溯系統(tǒng)是確保食品安全，為食品供應(yīng)鏈組件創(chuàng)造收益的關(guān)鍵，傳統(tǒng)的追溯系統(tǒng)通過射頻識別（RFID）技術(shù)追溯貨物的來源，該方法高昂的成本一直制約著RFID 的的普及和應(yīng)用[13]。目前出現(xiàn)了功能更強大的新型智能追溯系統(tǒng)[14]，通過利用先進的互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，以二維碼為載體，作為每件貨物的“身份證”，實現(xiàn)了一物一碼，并在北京、天津、河北等地區(qū)進行了檢測試驗。除此之外，Whitehouse 等[15]使用人工智能技術(shù)（監(jiān)控攝像頭）對廚房操作進行監(jiān)控，提高了食品的安全性，讓坐在餐桌上的客人更加安心。

不僅從食物的角度，人工智能和大數(shù)據(jù)技術(shù)也能建議食客選擇優(yōu)質(zhì)餐廳和幫助餐館的管理者作出最優(yōu)秀、最合理的決策。Zuheros 等[16]提出一種基于人工智能情感分析的決策模型，對Tripadvisor 中的餐館點評進行分析和評估，從而給用戶推薦餐廳。Delanoy 等[17]認為通過大數(shù)據(jù)分析可以幫助管理者作出合理的業(yè)務(wù)決策，運用在飲食行業(yè)中，利用龐大的數(shù)據(jù)集和精湛的分析技術(shù)，分析用戶的需求變化，從而作出最合理的決策。

綜上所述，這些技術(shù)不僅能提升食品的安全性，提供多樣的口味，給出更營養(yǎng)的食物搭配，還能幫助管理者決策，使得食品科學(xué)更好地為人類服務(wù)。

2.1 大數(shù)據(jù)在食品風(fēng)味上的應(yīng)用

2.1.1 基于大數(shù)據(jù)驅(qū)動的風(fēng)味網(wǎng)絡(luò)構(gòu)建 過去十幾年中，已有一些廚師和食品科學(xué)家注意到一個規(guī)律：相比不含共享風(fēng)味化合物的食物搭配，共享風(fēng)味化合物的搭配更受人們的歡迎。例如，外國流行把藍紋奶酪和巧克力搭配起來，這兩種食材共享風(fēng)味化合物高達73 種。為了證實以上的規(guī)律，Ahn 等[18-19]對此進行了相關(guān)研究，構(gòu)建了包含381種食材和1 021 種風(fēng)味化合物的風(fēng)味網(wǎng)絡(luò)。網(wǎng)絡(luò)中每個節(jié)點代表一種食材，節(jié)點與節(jié)點之間的連線粗細代表這兩個節(jié)點所代表的食材之間共享風(fēng)味化合物的數(shù)量大小。

圖1 風(fēng)味網(wǎng)絡(luò)示意圖[18]Fig.1 The backbone of the flavor network[18]

由于Ahn 等[18-19]的風(fēng)味網(wǎng)絡(luò)僅用作試驗和觀察，因此他們的網(wǎng)絡(luò)僅采用相對少量的數(shù)據(jù)形成了可視化網(wǎng)絡(luò)。同時為了避免對世界美食給出西方化的解釋，他們的食譜取自北美、西歐、南歐、拉丁美洲和東亞。

網(wǎng)絡(luò)構(gòu)成的結(jié)果表明：北美食譜配方中，兩種食材共有的風(fēng)味化合物越多，它們一起出現(xiàn)在食譜中的可能性就越大，而與之相反的是在東亞食譜中，兩種食材共享化合物越多，一起使用的可能性就越小，這就是 “食物配對”（Food-pairing）原則。盡管不可能用科學(xué)的角度來全面解釋烹飪藝術(shù)，至少還可以了解，對于東亞人來說，更傾向于共享化合物較少的食物搭配，并由此來考慮食材搭配。

風(fēng)味網(wǎng)絡(luò)是大數(shù)據(jù)的產(chǎn)物，通過建立兩種材料之間的聯(lián)系，依據(jù)聯(lián)系的強、弱，可以判斷這幾種材料是否適合出現(xiàn)在某個地區(qū)的菜譜中，為人們選擇菜譜搭配提供更加智能和科學(xué)的思考方式。

2.1.2 基于風(fēng)味網(wǎng)絡(luò)的地區(qū)食物搭配模式 風(fēng)味網(wǎng)絡(luò)的發(fā)現(xiàn)給食品科學(xué)家?guī)砹巳碌姆治龇绞剑麄儚倪@個微觀的角度來觀察各地區(qū)食物之間的聯(lián)系。

印度學(xué)者Jain 等[20]根據(jù)風(fēng)味網(wǎng)絡(luò)調(diào)查了印度的食物配對情況，他們發(fā)現(xiàn)印度各地區(qū)的美食都遵循負面的食物搭配模式，即在印度美食中遵循風(fēng)味共享程度越高，在烹飪中它們共同出現(xiàn)的頻率就越小。

Ozturk 等[21]為了在馬爾馬拉地區(qū)創(chuàng)造新型菜譜，基于風(fēng)味化合物網(wǎng)絡(luò)的分析方法，根據(jù)食物材料的常見化合物數(shù)量來評估菜譜的成分，結(jié)果發(fā)現(xiàn)8 種常見的化合物，它們包含了相似的風(fēng)味和香氣，表明風(fēng)味配對理論可用于該地方的新配方，在他們的設(shè)計試驗中，20 名成員中的80%表示非常喜歡新的配方。盡管最后的結(jié)果是樂觀的，然而，Ozturk 等[21]在大米、牛奶、干豆和無花果中發(fā)現(xiàn)的8 種常見化合物可能難以具有代表性，應(yīng)采用更多的統(tǒng)計數(shù)據(jù)來說明。

2.1.3 大數(shù)據(jù)驅(qū)動的新風(fēng)味食品開發(fā) 自風(fēng)味網(wǎng)絡(luò)被提出后，食品科學(xué)領(lǐng)域的研究人員開始重視風(fēng)味化合物的數(shù)據(jù)，由此誕生了FlavorDB。FlavorDB 是一種資源數(shù)據(jù)庫，廣泛覆蓋25 595 種風(fēng)味化合物，在數(shù)據(jù)庫中列出的分子中，這些天然成分被進一步分為34 類，并映射到527 種不同的天然來源。這些風(fēng)味化合物數(shù)據(jù)庫的建立彌補了之前風(fēng)味網(wǎng)絡(luò)數(shù)據(jù)不完整的缺陷，使得風(fēng)味網(wǎng)絡(luò)的數(shù)據(jù)分析更加科學(xué)、精準(zhǔn)，避免了一些因數(shù)據(jù)缺失而導(dǎo)致的不全面的結(jié)論，方便了后續(xù)數(shù)據(jù)驅(qū)動的新風(fēng)味食品開發(fā)。

2019年，香料公司McCormick 公布，他們將利用IBM 的人工智能技術(shù)，結(jié)合自身的專業(yè)知識來開發(fā)全新的調(diào)味產(chǎn)品[23]。在風(fēng)味化學(xué)的世界，香料和味道都是一門科學(xué)。世界上存在著大量可用的風(fēng)味組合，而新風(fēng)味配方的開發(fā)需要耗費大量的時間與資金。McCormick 公司大量的風(fēng)味數(shù)據(jù)和IBM 的AI 算法結(jié)合，只要花費少量的時間就能預(yù)測配方的替代品，配料的正確比例，甚至人們會對味道做出哪些反應(yīng)。

3 人工智能在社會飲食上的應(yīng)用

3.1 基于語義分析技術(shù)的社會飲食分析

隨著移動設(shè)備的普及，各種各樣的社交媒體應(yīng)聲而起，例如Twitter、Facebook、微信朋友圈、微博等。人們分享生活方式和生活細節(jié)的方式越來越方便和快捷。更多的人愿意在網(wǎng)上分享美食和心得，成千上萬的人都樂此不疲，這些分享在網(wǎng)絡(luò)上的數(shù)據(jù)有文字、圖片，甚至是視頻，有學(xué)者收集這些數(shù)據(jù)并利用人工智能語義分析技術(shù)來進行解讀。語義分析技術(shù)不僅能夠分析語言，也包含能夠?qū)D片和視頻轉(zhuǎn)換成文字描述后解讀的技術(shù)[24]。有了這些技術(shù)，就能夠判斷用戶對特定食物的喜好程度，利用關(guān)鍵字的矢量空間模型方法構(gòu)建用戶飲食偏好模型，在此基礎(chǔ)上進行分析，能夠得到該用戶的口味偏好并能為用戶推薦菜品和餐館信息等[25-26]。

Jalal 等[27]抓取肯尼亞居民在社交媒體Instagram 上發(fā)布的圖片，通過分類器KenyanFC 區(qū)分食物圖像和非食物圖像，提出一種關(guān)鍵字抓取技術(shù)獲取圖像的類別，接著將這些數(shù)據(jù)作為模型Kenyan-FTR 的訓(xùn)練集進行深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。這個模型可以識別13 種肯尼亞的流行食物，在Instagram 圖像上的準(zhǔn)確率高達81%。后續(xù)直接使用Kenyan-FTR 讀取Instagram 上的食物圖像，統(tǒng)計結(jié)果表明，蛋糕和烤肉是2019年3月在肯尼亞最受歡迎的食物。然而，消融研究表明，13 種食物中的3 種僅通過圖像進行分類非常困難，例如土豆泥這種不具有固定形狀的食物，食物的形狀只取決于它的制作者，因此還需通過添加輔助的文字信息進行語義分析，提取關(guān)鍵字，以提升正確率。

通過對這些在社交媒體上實時更新的數(shù)據(jù)進行分析，能夠掌握某個地區(qū)的人們在某個時間段的社會飲食習(xí)慣和偏好，從而幫助餐廳或企業(yè)采取相應(yīng)的營銷策略。

3.2 疫情背景下基于社交網(wǎng)絡(luò)的社會飲食監(jiān)測

目前COVID19 病毒，即新型冠狀肺炎病毒席卷全球，對人們的生活方式、心理健康和飲食習(xí)慣造成重大影響。針對這樣的情況，意大利的學(xué)者對意大利的患者進行了在線調(diào)查[28]，數(shù)據(jù)分析總共包括602 名患者，很大比例的人經(jīng)歷了情緒低落、焦慮感和失眠，而且?guī)缀跤幸话氲氖茉L者因其飲食習(xí)慣而感到焦慮，更傾向于增加食物的攝入量和選擇令人舒適的食物。由于這項調(diào)查的數(shù)據(jù)來自抽樣調(diào)查，僅選擇602 患者，因此對該較小的群體的分析很難獲得具有代表性的結(jié)果。截至2021年1月2日，全球確診患有新型冠狀病毒的人數(shù)已高達2 300 萬人，面對龐大的患病人群，逐個統(tǒng)計分析的成本昂貴且不切實際，且國與國之間的疫情合作難以統(tǒng)一。

鑒于這種情況，通過人工智能技術(shù)分析患者社交網(wǎng)絡(luò)的動態(tài)，不僅成本相對較低，而且受眾較廣，獲得的數(shù)據(jù)還具有一定的實時性。目前Eftimov 等[29]使用AI 技術(shù)對隔離后的食物消費模式進行分析，他們收集了最大的美食社交網(wǎng)絡(luò)——AllRecipes（https：//www.allrecipes.com/）上發(fā)布的兩套食譜：一套是隔離開始之前發(fā)布的配方的集合，另一套是隔離之后發(fā)布的。這些食譜來自不同地區(qū)和飲食習(xí)慣。為了分析配方，他們采用一個名為DietHub[30]的方法，通過這個方法，只需將配方制備的文字描述作為輸入，就可以輸出一系列主要成分的列表，接著，把這些主要成分通過在Hansard 語料庫[16]中的分層語義標(biāo)簽自動注釋。通過這些方法Eftimov 等[29]觀察了COVID-19 對食物消費方式的影響并進行食品語義標(biāo)簽相對頻率的統(tǒng)計分析，以此觀察人們在疫情隔離期間一餐的健康程度是否存在問題，并打算以此研究結(jié)構(gòu)構(gòu)建有針對性的通用配方推薦系統(tǒng)。

4 人工智能在未來食品上的應(yīng)用

4.1 未來食品

回顧之前的食品發(fā)展[31]，1886年，約翰·彭伯頓醫(yī)生把碳酸水加蘇打水?dāng)囋谝粔K，制成一款黑色糖漿，該飲料即可口可樂。1928年之前，沒有人嘗過泡泡糖是什么滋味。而跳跳糖的誕生讓人們知道，糖不僅可以吃，也可以很有趣。1934年Tom Carvel 的冰激凌車爆胎，不得不將融化的冰激凌出售給路人，兩天內(nèi)就出售了所有的冰激凌，這給他帶來開發(fā)軟冰激凌配方的靈感——軟而非硬的冰凍甜點。1990年，紅牛公司展示的一種口味獨特的藥用風(fēng)味，自此成為能量飲料的代言詞。

可口可樂、泡泡糖、跳跳糖等食品對于各自年代的人來說就是未來食品，具有不同于當(dāng)時的口味和人們從未見過的新奇。冰激凌滿足了人們對于新口感冰凍甜點的需求，紅牛則滿足了人們對于好喝的保健飲料的需求。

人們很難給出未來食品的精確定義，不過可以確定的是人們吃的食物一直在發(fā)展，新的口味一直在創(chuàng)造，嶄新的未來食品一直在遵循以人為本的原則發(fā)展著，滿足著人們?nèi)找姘l(fā)展的需求。

4.2 基于個人遺傳因子的未來飲食推薦系統(tǒng)

2015年，來自以色列的Zeevi 等[32]在幾天內(nèi)追蹤了800 人的血液中的血糖水平，令人驚訝的是，人們對于相同食物的生物化學(xué)反應(yīng)差異大不相同。有些人吃了含糖冰激凌后血糖升高，而另一些人僅隨著淀粉的攝入而升高，這一觀點和傳統(tǒng)觀念不符。人體對于養(yǎng)分的特殊處理似乎取決于基因，目前已有科學(xué)家做了針對個人DNA 提供飲食建議的研究[33]，這項研究已投入實際生活中，如一些公司提供所謂的“營養(yǎng)遺傳服務(wù)”，通過測試用戶的遺傳信息提供適合用戶的飲食建議。

因為個體的差異性，所以生產(chǎn)個性化的飲食可能是未來食品發(fā)展的趨勢。正如Zeevi 等[32]所提到的，基于基因的飲食推薦因可能涉及個人隱私以及耗費大量的資源而在現(xiàn)階段難以普及化，展望未來進一步發(fā)展的技術(shù)，有望能夠解決這一系列難題。

5 人工智能和大數(shù)據(jù)的局限性

使用人工智能和大數(shù)據(jù)技術(shù)可以幫助人們解決很多食品領(lǐng)域的實際問題，然而，這些方技術(shù)目前處在不斷上升的階段，還存在局限性，比如人工智能在深度學(xué)習(xí)方面盡管證明很有效，但是尚無完整的理論體系能夠解析其原理。目前人工智能的等級僅在較弱的水平上，不能真正學(xué)會推理和解決問題。

為了擬合個人的需求，不得不獲取一些個人的信息。以上述按照個人的DNA 來推薦飲食建議的方法，這個想法著實新穎且可行，然而，遺傳信息是每個人不分國界的身份證，包含大量的信息，如果這些信息泄露則可能導(dǎo)致一系列不必要的倫理問題發(fā)生。

再說起大數(shù)據(jù)的發(fā)展前提是要有大量的數(shù)據(jù)源頭，即使對于IT 行業(yè)而言數(shù)據(jù)化程度較高，仍然缺少資源共享和信息交換機制，且網(wǎng)絡(luò)上某些公開的數(shù)據(jù)缺乏真實性和完整性。難以辨識真假的數(shù)據(jù)使得研究結(jié)果可能產(chǎn)生偏差，特別是與人類健康和正常生活息息相關(guān)的食物方面的研究更不能出現(xiàn)問題。

區(qū)塊鏈技術(shù)是解決大數(shù)據(jù)帶來的挑戰(zhàn)的可行方案[34]，它被認為是一種革命性的解決方案，可以解決諸如身份、數(shù)據(jù)所有權(quán)等現(xiàn)代技術(shù)問題。通俗地講，區(qū)塊鏈就像是一個公共賬本，一種集體來維護更新的網(wǎng)上數(shù)據(jù)庫?！皡^(qū)塊鏈+大數(shù)據(jù)”是未來解決數(shù)據(jù)擁有者間數(shù)據(jù)共享的問題的可行方案，是促進食品行業(yè)人工智能化的強大推力。目前區(qū)塊鏈技術(shù)處于新興階段，仍有待技術(shù)的進一步成熟。

6 總結(jié)與展望

隨著社會的快速發(fā)展，食品行業(yè)累積了大量來源廣泛，增長速度快，價值密度低而應(yīng)用價值高的數(shù)據(jù)。如何使用大數(shù)據(jù)與人工智能技術(shù)挖掘食品數(shù)據(jù)更多潛在的應(yīng)用價值，從而促進食品行業(yè)的可持續(xù)發(fā)展，成為食品領(lǐng)域重點研究的問題。本文主要介紹了食品領(lǐng)域大數(shù)據(jù)與人工智能技術(shù)在不同國家、地區(qū)的發(fā)展現(xiàn)狀、技術(shù)優(yōu)、缺點，闡述不同食品子領(lǐng)域如何利用大數(shù)據(jù)與人工智能技術(shù)的優(yōu)勢而創(chuàng)新發(fā)展。例如：食品感官是食品領(lǐng)域的關(guān)注點之一。如何使創(chuàng)新的食材，如人造肉、人造蛋以及個性化食品等更加符合人們的口感并愉悅身心，物聯(lián)網(wǎng)、區(qū)塊鏈、大數(shù)據(jù)以及人工智能是解決這個問題的重要途徑?？赏ㄟ^生物穿戴傳感器的方法實時采集個體數(shù)據(jù)，并上傳到云鏈上。通過大數(shù)據(jù)技術(shù)將收集到的數(shù)據(jù)進行融合，統(tǒng)一格式。利用人工智能自然語言處理技術(shù)、圖片處理技術(shù)等分析處理后的數(shù)據(jù)，使得訓(xùn)練的模型能夠感知人們利用自然語言描述的“美味”，或者看到圖片而聯(lián)想到的“美味”。最后，利用人工智能的推薦技術(shù)為個人定制獨特口味，使得推薦的食物最擬合當(dāng)前用戶身體的需求。

又如：食藥同源也是當(dāng)下關(guān)注的焦點。其原因：一是我國人民的需求已從“吃的好”逐漸轉(zhuǎn)向于“吃的健康”；二是我國人民需要自己的膳食結(jié)構(gòu)，而非西方生搬硬套的膳食結(jié)構(gòu)?；谖覈鴤鹘y(tǒng)飲食文化的食藥同源理論，不少植物既是食材又是藥材。利用大數(shù)據(jù)與人工智能技術(shù)創(chuàng)新食藥同源網(wǎng)絡(luò)，開發(fā)新的滿足不同人群口味的藥膳譜，是未來食品科學(xué)發(fā)展的一個重要方向。通過大數(shù)據(jù)技術(shù)分析不同食材的各種化學(xué)成分，依據(jù)這些成分組建食藥同源網(wǎng)絡(luò)。利用人工智能的個性化推薦技術(shù)，生成深度網(wǎng)絡(luò)模型等，不斷創(chuàng)新藥膳譜，使其不僅能夠滿足人的營養(yǎng)需求之欲，也能預(yù)防并干預(yù)一些慢性疾病。