今天小編分享的科技經驗：AI零食真能吃嗎？我們買了無印良品AI薯條嘗了嘗，結果很意外，歡迎閱讀。
如果讓 AI 創造一款新的食品，吃起來會是怎樣的體驗？
前段時間，奧利奧的母公司億滋就宣布将會開發一種全新的 AI 工具，幫助旗下品牌開發新口味的產品。這并不是 AI 與食品公司的第一次合作，此前一些快消品牌如無印良品、可口可樂都發布過由 AI 操刀的新品。
可能是之前的 AI 零食味道有些 " 一言難盡 "，所以消息傳出後，不少網友都開始吐槽奧利奧以後沒法吃了。不過我倒是覺得大家不必如此悲觀，雖然之前的 AI 零食好評率不高，但是也有不少表示：好吃、愛吃，還有嗎？考慮到人類口味的多樣性，這樣的結果倒也不意外。
AI 零食到底好吃嗎？小雷斥 " 巨資 " 購入了無印良品發布的 AI 薯條，另外還買了三款經典口味作為對比，看看人類與 AI 誰能在「取悅人類味蕾」這個比賽裡獲得勝利。
無印良品發布的 AI 薯條共有三個口味：中式、東南亞和西式，作為對手的則是：芝士、蜂蜜黃油和海苔鹽。
圖源：雷科技
從包裝上看，AI 薯條的口味注釋也是頗為微妙：
在海量數據中經過 3 兆次模拟，平衡各種原料制成中式風味，是 AI 認為人類會喜歡的口味。
「兆」在國内使用頻率不高，不過日本卻是常用，考慮到無印良品是日本品牌，所以按照日文的使用習慣來說，這裡指的應該是「萬億」，也就是說 AI 在 3 萬億次的模拟計算後，才最終選出這三個調味方案，如此看來含金量倒是不低。
在後續的測試過程中，我将六個口味分裝到容器裡，标注序号并打亂擺放順序後，邀請了 10 位同事試吃并進行打分，最終的結果如下：
圖源：雷科技
從總分來看，AI 調制的東南亞口味在雷科技最受歡迎，這個結果也确實有些出乎小雷的預料，同時也讓「AI 不了解人類喜好」這個觀點被證偽，不過 AI 的中式和西式口味表現就很一般，喜獲倒數第一和第二，而且也是唯二總分低于 50 分的口味。
作為對比方的人類組，雖然沒能拿下總分第一，但是平均分明顯更高，低于 5 分的單個評分也明顯少于 AI 組。簡單總結一下，AI 組的上下限明顯差值更大，而人類組基于真實體驗研發的口味，至少對于多數人來說都算不上難吃，但是也很難做出讓人驚豔的新口味，也就是上限較低但下限更高。
在試吃的過程中，多數同事對人類組開發的零食也是給出了類似的評價：吃起來還可以，不過都挺普通的，和其他品牌的同類產品吃起來感覺差不多。而在品嘗 AI 口味時，表情則是出現明顯的變化，然後說：" 這個味道有點意思。"
圖源：雷科技
不過，" 有意思 " 是一回事，好不好吃就是另一回事了，在度過第一階段的新鮮期後，不少同事都對中式和西式風味表達了不滿，評價包括但不限于：這是中藥嗎；怎麼一股子煳味；這個是不是‘廣東涼茶味’；這個也太難吃了。
如果不是有幾位同事對中式風味的評價頗高，恐怕中式風味就要喜提「中國人最不喜歡的味道」榜首了。" 專為中國研發的口味最不受中國人歡迎 "，這個笑話估計無印良品自己是笑不出來，不過往好處想，至少還有個西式風味墊底。
如果說中式口味起碼還有屬于自己的特點，比如中藥味，那麼西式口味的特點就是 " 混亂 "。超過一半的人認為西式口味嘗不出具體的味道，就像是将各種味道混合在一起，最後再撒點鹽，我至少在西式口味裡吃出了烤肉、煙熏培根、番茄和芝士等四種不同的味道。
不過，認真想想其實 AI 并沒有錯，烤肉培根番茄芝士确實是西式菜肴裡最常見的菜式和配料，喜歡吃的人也确實很多，但是 AI 顯然沒有控制好不同口味之間的比例，過重的煙熏味破壞了整個調味的層次感。
從中其實不難看出，AI 在數據統計等方面确實有着得天獨厚的優勢，但是最終輸出的結果是否能夠讓人滿意，卻與數據庫的數據質量有直接關系。比如說中式風味，雖然八大菜系各有特點，但是 " 鹹香 " 卻是接受程度最高的調味，如果無印良品的 AI 是用中國飲食數據訓練出來的話，那麼大概率會做出一款以「鹹味」為基礎的產品。
這裡其實也揭示了 AI 模型目前存在的一個問題：通用模型雖然更泛用，但是在細分領網域的表現卻并不算好。簡單來說，就是過多的無關數據反而可能污染數據池，導致 AI 給出錯誤的結果，比如誤以為中國人喜歡吃草藥味的食物。
圖源：小紅書
所以，不少 AI 企業在通用大模型之外，都開始加快專屬小模型的訓練，以嚴格篩選的數據為基礎，确保專屬小模型在對應領網域的回答正确率。比如阿裡雲在專屬小模型領網域就有着很不錯的表現，并且可以為企業提供定制 AI 模型的服務，讓企業的產品和服務提供更好的體驗。
如果說各個快消品牌想将 AI 作為未來的核心研發力量之一，那麼打造一個針對目标群體喜好的專屬 AI 模型，可能會是最好的選擇。雖然前期的投入成本會高出不少，但是卻可以在後續的研發中節省大量的時間并提高效率，且可以真正做出符合用戶口味的個性化產品，比如讓零食實現 " 千食千面 "。
AI 與零食行業的結合，其實只是 AI 在整個工業領網域普及的冰山一角，此前小雷在參觀英特爾的新質生產力大會時，就已經感受到了 AI 在工業領網域的巨大潛力。
比如英特爾的合作企業，在會場中就展示了一套自動化的質檢系統，以前需要至少兩個工人站在產線末端，通過肉眼剔除不合格品的產線，在 AI 化改造後，僅通過部署在產線上的攝像頭就可以快速判斷產品是否合格，并将不合格的產品主動剔除。
類似的系統以前雖然也有，但是卻無法做到普适性，基本上都是專為某款產品研發，并且需要用到高精度的探測設備，種種因素導致的高昂研發成本和部署成本直接杜絕了普通產線的使用可能。
作為對比，AI 質檢系統不僅可以直接在原產線上進行改造加裝，而且部署成本非常低，僅需一台高性能的 PC 和幾個攝像頭，就可以取代人工目檢環節，讓工廠可以将工人分配到更高價值的崗位中。
此外，還有諸如低成本的自動拾貨 AI 機器人等各種應用，基于 AI 模型的多模态感知能力，許多原本需要專用方案才能解決的問題，都可以被簡化成采用攝像頭、激光雷達等低成本的通用硬體的方案。
而且 AI 也在更多地參與到研發工作中，從食品研發到產品研發，許多企業都在推進類似的項目。比如可口可樂就曾經推出過一款由 AI 調制、AI 設計外觀、AI 取名的限定版「未來 3000 年可樂」，口感就像甜味異常版的無糖可樂，非常難以形容。
對于企業來說，AI 确實是一個很好的工具，雖然翻車率不低，但是產品研發本就存在不少的沉沒成本，AI 只是相對來說下限會更低，而且也可以通過「人 +AI」的組合來确保產品至少符合一般人的認知。
以無印良品的 AI 薯條為例，雖然中西式風味得分很低，但是也有人給出了高分，說明至少是符合部分人口味的，何況還做出了東南亞風味這樣的高分作品。作為對比，瘋狂發布限定口味但是卻被普遍差評的樂事，真不如引入 AI 研發系統，或許還能讓平均評價回升一些。
食品、藥物、衣服 …… 各種各樣與我們生活息息相關的產品，其實都有企業在探索 AI 化設計的道路。或許在不久的将來，AI 不僅會是我們的日常助手，還會掌管着我們的衣食住行體驗，讓人類感受來自 AI 的「小小震撼」。
