吃得满意又健康？AI营养师比人类营养师更懂你。合理膳食、营养均衡的重要性已不必多说，但具体如何落实，却不简单。为了得到搭配更合理、更健康、更符合人们口味的食谱，AI也加入了营养师的队伍。在健康饮食方面，现代人对养生、专家推荐、最全食谱这些关键词，有着超乎想象的热忱。
健身人群追求增肌，执着于低碳水、高生酮的饮食；爱美人群追求速效减肥，轻断食、哥本哈根减肥法最得人心；术后病人、孕产妇被口口相传的小米粥、猪蹄汤洗脑；向往绿色生活的年轻人、学佛人群崇尚素食，在有限的选择中，尽量保持身心健康。
面对丰富的选择，到底怎样搭配才是科学合理的？一些研究者正在借助算法和大数据的优势，为每个人推荐更健康、更营养的食谱。AI学会「看人下菜碟」。上文提到的通用型食谱最大的问题就是，每个人的体质不同、口味不同、地域资源不同，另外消费水平不同。一些博主的高质量食谱里动辄就是三文鱼、牛油果这些价格昂贵、部分地区难以购买的食材，也让很多人望而却步。为了实现千人千面的饮食推荐，很多研究者也引入了人工智能技术。
美国伦斯勒理工大学联合IBM Research的研究人员，最近开发了一个个性化饮食推荐系统pFoodReQ，可以根据个人用户的喜好和饮食需求，推荐量身定制的食谱。作者在论文中指出，现有的饮食推荐方法，普遍存在三个主要缺点：1. 不理解用户的准确要求；2. 不考虑过敏和营养需求的关键因素；3. 没有基于丰富的食物选择定制食谱。
在本项研究中，研究团队则提出个性化食物推荐，并将其视为对食物知识图谱（Knowledge Graph，简称KG）的受限问题的回答，从而设法用统一的方式解决上述问题。
总的来说，团队建立该系统，共经历了创建数据集、生成基准问题、编译健康指南、系统训练四个步骤。第一步：食谱数据集创建。
团队基于广泛的食物知识图谱FoodKG（FoodKG集成了食谱、食品和营养数据），创建了一个基准的QA数据集（暂未公开），其中包含超过100万份食谱，770万份营养记录，和730万种食物，同时还包含相应的配料和营养成分，并参考了ADA美国糖尿病学会推荐的生活方式指南。第二步：生成基准问题。
为了得到反映人们真实饮食情况的问题，作者在社交媒体Reddit上收集了200多个食谱、糖尿病相关的问题，一共发现了156篇网友求食谱的帖子，大家主要集中在四类问题上。
第三步：编译健康指南。前期准备工作完成后，就可以进行健康饮食推荐了。团队从ADA生活方式指南中，选择了一些与食物相关的指南，这些指南涉及到营养和微量元素，并将其作为额外的食物推荐要求。因此其系统的推荐，都是符合健康指南的健康食谱。第四步：训练个性化系统。为了实现个性化，团队还分别解决了查询扩展、过敏查询的问题。作者认为，一个有效的食物推荐系统，应该尊重饮食偏好和健康指南中的个性化需求。
实验结果：优于其它模型。团队对食物推荐进行了人类评估，方法是向8个评估者，提供随机测试的50个问题，以及用户角色，包括配料偏好（喜欢和不喜欢）和适用的营养指南。对于每个问题，以随机顺序输入给BAMnet、P-BOW、P-MatchNN和pFoodReQ四种模型，并得出答案。每个答案都包含前三个菜谱（如果检索到的菜谱超过三个的话）、成分列表和营养价值。
评分范围为1-10分（得分越高，结果越好）pFoodReQ取得最高分。
合理膳食的重要性已不用多说，但目前我国饮食习惯仍然非常不健康，据《柳叶刀》发布的研究报告，在全球195个国家中，中国排名140。要从根本上改变不健康的饮食习惯，远远不止于推荐食谱那么简单。而AI的介入，能否为我们带来更多可能？以下是我们总结的AI营养师所具有的一些优势：面对机器推荐，卸下心理防备。
面对人类营养师、健身教练，很多人也许碍于面子或隐私问题，并不会透露自己最真实的饮食习惯和消费水平。但换成AI营养师就不一样了，你大可以放下心理包袱，把自己更真实的需求告诉AI，然后让它从万千食谱中搜出你感兴趣、并兼具营养的那一款。
包容cheat day，动态调整菜谱。如今各种营养搭配、均衡饮食科普文充斥于网络，但对于读者来说，执行难度太高，依从性低。
我们总会遇到不能完全执行菜谱、或者外出应酬的情况。AI能够针对这些变化，对后续的菜谱做出及时调整，适配各种变化。补充营养师缺口，提升健康认知。虽然人们的健康意识正在崛起，但我国营养师这一职业却面临极大的缺口。据调查，在日本，每300人就配备一个营养师；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。
如果AI具备了完善了营养健康学知识，那么人人都可以拥有24小时伴随的私人营养师，可以随时随地进行膳食搭配指导。届时，「今天怎么吃」这个难题，就只管交给AI吧！