Inilah Resep Pembuatan Kue Untuk AI – Pernahkah Anda bertanya-tanya, pada dasarnya, secara ilmiah, apa bedanya sepotong kue dengan sepotong roti atau kue kering? Aku juga tidak. Namun kini, berkat pembelajaran mesin yang menjelaskan, pertanyaan penting dan kontroversial ini akhirnya terjawab.
Inilah Resep Pembuatan Kue Untuk AI
meggettsc – Dalam pembelajaran mesin, kemampuan menjelaskan adalah studi tentang bagaimana kita dapat membuat model dapat diinterpretasikan sehingga setidaknya kita dapat memahami alasan model tersebut membuat prediksi—meningkatkan prediksi jaringan neural yang lebih dalam. secara langsung tanpa memahami nilai yang mempengaruhi kinerja model. Dalam postingan ini, kami akan menunjukkan cara membuat model pembelajaran mesin yang menjelaskan dan menganalisis resep kue, dan bahkan menggunakannya untuk membuat resep baru Anda sendiri—tidak memerlukan keahlian ilmu data.
Ide untuk proyek ini muncul . oleh Sara Robinson, yang mengerjakan AI di Google Cloud. Pada bulan April, dia memulai Pandemic Baking Storm, dan seperti pekerja magang pembuat roti machine learning lainnya, dia segera mengubah keterampilan modelingnya menjadi membuat kue. Dia mengumpulkan data resep lalu membuat model TensorFlow yang menyediakan daftar bahan dan membuat prediksi seperti:
“97% roti, 2% kue, 1% kue”
Model Sara dapat mengklasifikasikan resep berdasarkan jenisnya secara akurat . , namun dia juga menggunakannya untuk membuat resep yang benar-benar baru: sesuatu, menurut modelnya, adalah 50 persen kue dan 50 persen kue – “kue”.
Baca Juga : Generator Resep AI dan Perencana Makanan Terbaik
Hibrida dari “kue” kue asli Sara Robinson.
Hasilnya menjanjikan :
“Enak. Dan rasanya aneh, seperti yang saya bayangkan jika saya menyuruh mesin membuat kue hibrida.”
Anda dapat menemukan resep dari kue blog asli, dan roti. Selain itu, kami hadir dengan resep hybrid baru: “breakie”, pancake hybrid (kami ingin menyebutnya brookie, tapi nama itu sudah dipakai).
Gigitan pertama “kue” Dale\ n\ nTeruskan membaca untuk mengetahui cara kami melakukannya, atau gulir ke bawah untuk melihat resep brookie kami.
Membangun model tanpa kode yang menjelaskan menggunakan ML
Dalam proyek ini, kami memutuskan untuk menggunakan alat cloud Google yang disebut. Tabel AutoML. Ini adalah cara bebas kode untuk membuat model pembelajaran mesin pada data tabular, seperti dalam spreadsheet atau database. Kami memilih tabel AutoML karena mudah digunakan dan baru-baru ini disempurnakan dengan anotasi bawaan baru seperti penetapan fitur (akan dibahas lebih lanjut nanti).
Pengumpulan dan persiapan data
Awalnya, kami mengumpulkan kumpulan data tentang 600 resep kue, kue dan roti dari web. (Kami tidak dapat membagikan kumpulan data di sini karena kami tidak memilikinya, namun Anda tentu dapat menemukan kumpulan data resep Anda sendiri secara online.) Selanjutnya, kami mengurangi seluruh 600 resep menjadi 16 bahan dasar:
Ragi
Menyenangkan
Gula \ nTelur\ nLemak (jumlah masing-masing jenis minyak)
Susu
Soda kue
Bubuk mengembang
Cuka Sari Apel
Mentega Susu
Pisang
Haluskan Labu
Alpukat
Air
Mentega
Garam
Baca Juga :Penerapan Etis Kecerdasan Buatan dalam Kedokteran Keluarga
Kami tidak menyertakan bahan lain seperti permen. , keping coklat atau pala dalam model kami. Pemilihan 16 item ini agak sewenang-wenang, namun pada dasarnya kami mencoba memasukkan konstituen dan konstituen yang mempengaruhi komposisi dan mengecualikan konstituen yang tidak mempengaruhi struktur dan bahkan dapat “mencurangi” model. Misalnya, keping coklat secara teoritis dapat ditambahkan ke resep apa pun, tetapi keping coklat hampir tidak pernah ditemukan dalam roti. Kami tidak ingin model kami mempelajari hal itu.
Oh, ngomong-ngomong soal roti: kami juga menyimpulkan. memindahkan roti manis (seperti roti labu, roti pisang, roti labu, dll.) dari kategori “roti” ke kategori “kue” sebagian besar disebabkan oleh kebijaksanaan juri UK Bake Off Paul Hollywood, yang mengatakan di Instagram bahwa pisang roti sebenarnya bukan roti.
Karena resep yang memberikan bahan-bahan dalam satuan takaran berbeda – mentega dapat ditulis dalam stik, sendok makan, atau ons – kami mengonversi semua satuan takaran menjadi ons (menggunakan if yang sangat panjang dan sederhana penyataan. ).
Dan terakhir, pada langkah prapemrosesan terakhir, kami menggunakan sedikit trik entri data. Augmentasi data adalah metode untuk membuat contoh pelatihan baru (dalam hal ini baris) dari data yang sudah ada. Kami ingin model kami tidak mempedulikan porsi resep, jadi kami memutuskan untuk menggandakan atau melipatgandakan jumlah bahan secara acak. Karena resep untuk kue 2x atau 3x kira-kira sama dengan resep kue aslinya, kita dapat membuat contoh resep baru secara gratis (oops!).
Membuat model
Selanjutnya, kita membuat model klasifikasi menggunakan AutoML . tabel, yang merupakan bagian termudah dari proyek ini. Tabel dapat ditemukan di bagian Kecerdasan Buatan pada konsol GCP:
Setelah membuat template tabel baru, Anda dapat mengimpor data langsung dari database csv, Google Spreadsheet, atau BigQuery.
Setelah datanya. telah diimpor, Anda akan melihat tab “Latih” :
Tabel AutoML secara otomatis menghitung beberapa metrik berguna tentang data Anda, seperti berapa persentase setiap kolom yang nilainya hilang atau berapa banyak nilai berbeda yang dimilikinya . . termasuk Ini juga menghitung metrik “Korelasi dengan Target” yang berguna. Dalam hal ini, “target” adalah apa yang ingin kita prediksi – kue, kue, atau roti. Anda dapat menentukannya dari menu tarik-turun atas, yang dalam hal ini adalah kolom bernama “type”:
Jika “target” ditentukan, AutoML akan menghitung cara berkorelasi dengan target untuk setiap komponen yang diisolasi. . Dari data di atas, Anda dapat melihat bahwa soda kue memiliki korelasi paling tinggi dengan jenis resep (0,615), artinya jika Anda harus memilih satu bahan saja untuk mengambil keputusan, soda kue adalah pilihan yang tepat.
Tetapi pada kenyataannya, memanggang ditentukan oleh interaksi bahan-bahan yang kompleks, tidak hanya melihat baking powder saja yang cukup tepat bagi kita. Jadi kami membuat model pembelajaran mesin untuk memprediksi jenis resep dengan mengklik tombol “Latih Model” di sudut kanan atas antarmuka. Ini akan memberi Anda dialog yang memungkinkan Anda memberi nama model Anda, menentukan berapa lama Anda ingin melatih model tersebut, dan kolom apa yang ingin Anda gunakan untuk pelatihan (disebut “properti input”).
