Обучаемые и субъективные приспособления для будущей кухни.

Оглядываясь назад на историю инструментов для приготовления пищи и кухонной техники, машины на кухне определили новые процессы приготовления и автоматизировали некоторые части процесса приготовления. Начиная с изобретения блендера в 1920-х годах и заканчивая недавними умными печами и роботами-капучино, инструменты разрабатывались для более удобного приготовления пищи за счет передачи трудоемких задач машинам. В последние годы, благодаря снижению стоимости вычислительной мощности и более легкому доступу к роботизированным технологиям, мы видим все больше представлений о полностью автоматизированных кухнях в ресторанах или даже в домашних решениях.

В рамках нашей первой лаборатории Kitchen Intelligence здесь, в YEAST, мы рассмотрели другой путь в будущее, исследуя машины, ориентированные на совместную работу, а не на автоматизацию, и где обучение и обучение — это новые способы. взаимодействия с устройством.

АВТОМАТИЗАЦИЯ, РОБОТЫ И ПРИГОТОВЛЕНИЕ.

В последнее время появились примеры первых роботизированных ресторанов, баров и столовых. Creator, Spyce и MakrShaker демонстрируют роботизированные или роботоподобные машины, которые могут делать гамбургеры, жарить лапшу и готовить для вас кофе или коктейли. Менее отточенные версии этих машин часто можно найти в Китае, где много лет назад в дикой природе была выпущена роботизированная лапша бритва в различных сверхъестественных формах.

В некоторых из этих примеров используется вау-эффект, когда люди видят роботизированные руки, которые представляют собой ту же робототехнику, которая используется в тяжелой промышленности, например, в автомобилестроении, но используется для гораздо менее сложных задач, таких как переворачивание гамбургеров или смешивание коктейлей с мартини. Некоторые вместо этого используют промышленные производственные смеси, которые когда-то были скрыты на фабриках, но теперь переработаны и демонстрируются очень открыто, чтобы продвигать то, что они определяют как новое кулинарное совершенство, обеспечиваемое технологиями. Эти примеры определенно служат для того, чтобы открыть дискуссию об автоматизации пищевых продуктов и привлечь внимание и инвестиции. Однако это также поднимает вопросы о будущей роли людей на кухне и на рабочих местах в целом. Поскольку первый робот, переворачивающий гамбургер, был недавно уволен, это также поднимает вопросы о будущем работы самих роботов.

Роль людей в этой новой роботизированной кухне будущего в лучшем случае остается за последним этапом процесса приготовления пищи. В таких случаях, как Creator или Spyce, машины/роботы выполняют большую часть работы, а люди отвечают за украшение тарелки и поддержание социального взаимодействия с клиентами. Это можно рассматривать как положительное движение вверх по цепочке создания стоимости кухни для рабочих, но это также может означать перекладывание больших частей процесса приготовления пищи на машины.

Когда мы разговаривали с шеф-поварами в ходе нашего предыдущего исследования, их меньше всего волновала и часто пугала мысль о будущем, в котором ручное приготовление еды будет автоматизировано. Ручной процесс приготовления, нарезки, украшения часто является тем, где повара чувствуют, как их идеи, знания и эмоции переходят в их блюда. Трудно поддающиеся измерению добавления, защипы, корректировки — вот чем отличается промышленное блюдо от крафтового. Конечно, если это сформулировано как проблема или как рутинная работа, имеет смысл, что машина может выполнять эту работу вместо человека. Но заимствование у Седрика Прайса: если роботы на кухне — ответ, то в чем вопрос?

Машина, готовящая еду, скорее всего, будет обучена кем-то готовить «идеальный» гамбургер или «идеальный» коктейль, и она также потенциально сможет быстрее выполнять итерации через варианты, чтобы «узнать», что является наиболее «успешным». Но, как мы поняли в более объективных и важных ситуациях, таких как алгоритмическая безопасность или беспилотные автомобили, алгоритмы в автоматизированных системах далеки от «совершенства» и склонны к ошибкам и предубеждениям в отношении того, что определяется как «успешное», а что — нет. «узнал» из неправильных или ограниченных наборов данных.

В то время как мы хотим развивать кулинарию, чтобы достичь новых высот и представить будущее кулинарии, действительно ли переворачивание гамбургеров является лучшим использованием высокоточной роботизированной руки?

ОБУЧЕНИЕ И ОБУЧЕНИЕ НЕИЗМЕРИМЫМ ПРИГОТОВЛЕНИЯМ.

Глядя в другое направление на будущее, мы исследовали, как спроектировать устройства, которые укрепили бы идею сотрудничества между людьми и машинами на кухне будущего. Вместо того чтобы сосредоточиться на замене людей большими роботами-манипуляторами, мы обратили внимание на меньших по размеру и более доступных «роботов». Вместо того, чтобы разрабатывать что-то для достижения «идеального» ответа или рецепта, мы сосредоточились на сохранении или расширении знаний человека в процессе приготовления пищи.

По мере того, как все больше и больше алгоритмов машинного обучения будут внедряться в повседневные объекты, это изменит способ нашего взаимодействия с ними. Устройство должно быть обучено вами или адаптировано к вашим процедурам, привычкам и способу взаимодействия. Что еще интересно в этом, так это то, что устройство может быть обучено вами и только для вас, становясь действительно личной и субъективной вещью.

На семинаре в Копенгагенском институте интерактивного дизайна вместе с Массимо Банзи мы исследовали, как обучение и обучение могут стать метафорой, меняющей не только то, как мы взаимодействуем с продуктами, но потенциально и их ценность. Вместе с группой студентов (Микол Галеотти, Алекс Пенман и Сарина Авадхани) мы исследовали, как знания шеф-повара могут быть внедрены и изучены с помощью его инструментов, а также как эти знания могут быть переданы другим. Записывая движение нарезки различных продуктов, нож, который учится у профессионального шеф-повара, может внедрять и обучать ноу-хау и тонкостям нарезки различных продуктов, основываясь на опыте шеф-повара.

По мере того, как мы изучали больше совместных и обучаемых устройств для будущего приготовления пищи, мы начали рассматривать больше тех неизмеримых и субъективных решений, которые принимаются в процессе приготовления пищи. Мы рассмотрели действия, которые можно обучить и выучить с помощью устройства от эксперта, а также то, как сохранить в памяти то, что вы считаете «идеальным» и «хорошим».

Поскольку более количественные аспекты приготовления пищи (граммы, секунды и т. д.) уже записываются и изучаются устройствами для приготовления более последовательных блюд и рецептов, тем не менее, существуют определенные меры и решения, которые трудно определить и которые являются субъективными. Подумайте о «щепотке», которую вы добавляете в приправу, или о том, что вы считаете «точным» способом нарезать овощи для рагу, или о «немного большем» времени, которое вы тратите на приготовление макарон, чтобы получить нужный результат. «аль денте».

Мы работали вместе с Chiu Chihдля создания прототипа трех разных устройств, которые с помощью инструментов машинного обучения (Arduino 101s, Raspberry pi и Wekinator) могли бы узнавать от поваров и не поваров, что считается щепоткой, что будет считаться точным сокращением и какова их собственная мера немного больше времени для них.

ОБУЧАЕМЫЕ МЕРЫ.

Trainable Measures — это серия кухонных помощников, обученных помогать вам определять субъективные показатели на кухне. Каждое «щепотка» или «еще немного времени» на приготовление являются для вас уникальными и субъективными мерами, поскольку «точность» в том, как мы что-то нарезаем, трудно измерить. Вместо того, чтобы создавать машины для исправления и определения «идеальных» мер, которых нужно придерживаться, мы используем обучение и обучение, чтобы позволить людям создавать свои собственные меры. Вы можете использовать обучаемые показатели, чтобы учиться и создавать свои собственные измерения в течение долгого времени, или опытные повара могут научить вас передавать некоторые неосязаемые и часто трудно поддающиеся количественной оценке детали, которые могут иметь значение на кухне.

ЗАЖИМНАЯ МАШИНА.

Пинч-машина — это небольшая роботизированная рука, которая может собирать соль и специи и высыпать их на тарелку или кастрюлю поблизости. Его можно научить воспроизводить весовое количество соли или любой другой специи, которая может вам понадобиться в «щепотке». Это комбинация весов и небольшого робота-щипца. Взяв несколько раз по щепотке соли, щипочная машина попытается подобрать такое же количество соли. Все люди разные, и у самой машины тоже могут быть свои идеи.

«ТОЧНЫЙ» СОРТЕР.

Точный сортировщик — это небольшое сортировочное устройство с камерой, направленной вниз на разделочную доску. Его можно научить распознавать, правильно ли что-то обрезано. Вы можете каждый раз тренировать «точный» сортировщик, показывая на примере, что точно вырезано, а что нет, и по мере того, как вы подталкиваете вещи, он будет сортировать их за вас. Поскольку точность нарезки часто лежит в основе отличного блюда, точный сортировщик может помочь вам добиться согласованности и улучшить качество ваших блюд.

ЧАСЫ «НЕМНОГО БОЛЬШЕ».

Часы «еще немного» — это таймер для того небольшого количества времени, которое вам нужно, чтобы приготовить что-то «идеально». Часы по умолчанию используют 60 секунд как меру «немного больше», но в зависимости от того, как вы на самом деле их используете, мера «немного больше» со временем меняется. Со временем часы покажут вам вашу собственную субъективную минуту или «немного больше».

YEAST – это венчурная лаборатория будущего, в которой мы придумываем, создаем и управляем компаниями, улучшающими качество жизни с помощью продуктов питания и технологий.

Kitchen Intelligence – это лаборатория, в которой мы проводим исследования и эксперименты с использованием технологий искусственного интеллекта в контексте коммерческих кухонь. Мы стремимся создавать предприятия, в которых технологии расширяют возможности поваров, а не автоматизируют их.

Это часть серии статей о Kitchen Intelligence, лаборатории дрожжей.

Если вам нравится то, что вы читаете, и вы хотите быть в курсе будущих публикацийYEAST, подобных этой, подключитесь к нашему каналу Medium или посетите наш сайт.