在前日 Google 東京亞太媒體會上 ，Google 一次展示了多采多姿的實際生活應用，傳達人工智慧對我們的意義是讓生活更輕鬆便利，同時展現目前積極與第三方合作廠商導入人工智慧技術，協助世界各種的產業像是醫療、生技、環保、教育的成果和未來展望。其中日本食品大廠 Kewpie 就是其的受惠者之一，在他們的案例上讓我們看到機器學習用在食品製造上無窮的潛力。
近年來我們歷經了不少食安風波，嚴重影響消費者對於市售食品的信賴程度，食品業者感受到來自社會大眾的懷疑眼光，在食品製造上層層把關是必須的，但有沒有更節省時間、更精準的方式能讓產品線更加流場呢？
創立於 1919 年的日本食品公司 Kewpie，雖然是一家擁有 78 年歷史傳統企業，為了持續做出最安全、讓人安心的食品，同時有效降低人員在挑選時疲勞耗損，導入最前端的人工智慧科技， 在日本食品大廠 Kewpie 的案例上，看到機器學習 在食品生產上無窮的潛力，在會後 INSIDE 也針對食品廠進行了訪談，傳統的食品公司用上前端的技術是什麼樣的契機？
去年夏天，Kewpie 和合作夥伴 BrainPad 透過用萬張照片對機器進行訓練，培養機器學習系統，識別出食品中蘊含的優質成分，並將機器識別的優質成分設計尋找出馬鈴薯上的瑕疵部分並進行標記， 最後產生一個準確度極高的檢查系統，能夠識別馬鈴薯的成分，這種精確度比人工更加準確。
該技術目前僅限於 Kewpie 的嬰兒食品，但公司預計未來這種技術將長期運用到其他食品，向公司提供人工輔助檢查，在食品安全檢查方面能夠因技術發展帶來更多好處。
Kewpie 食品大廠產品線負責人 Takeshi Ogino 表示， 身為傳統企業公司所秉持著理念為人性化的生產製造，對他們來說產線的機械化有失他們的初衷 ，然而面對到日本當地需求，必需加速生產才能因應市場變化，經過 一番掙扎後，他們在去年夏天決定導入 TensorFlow，透過機器透過，在兩個月內就可辨識出好的原物料，讓他們得大幅地改善了挑選原物料品質的 效率。Takeshi Ogino 感到相當欣慰， 在短 時間內就透過 TensorFlow 解決了長久以來生產力的問題。
嬰兒副食品強調高安全性以及高度可信賴性。嬰兒副食品中的切塊馬 鈴薯常會面臨食安議題，如：漂白的疑慮。在導入人工智慧以前，我 們僅能靠員工的肉眼來分辨有問題的馬鈴薯。每天面對數百萬顆馬鈴 薯，要靠肉眼一一辨識有它的難度。
人工智慧挑選食品是為了補充人力的不足，但並不是為了取代人工勞動力，TensorFlow 系統處理系統進行的是初步檢查，後續還是需要人工的判定。所以人工智慧在這裡是一個助手，可以提高 Kewpie 食物檢查效率。
對他們來說 決定加入人工智慧協助產線的用意是讓人員做其他更有意義的事，將省去的勞力投注在新品研發或是產品行銷這些就是機器沒辦法取代人力的，生產效率提升之餘，能夠加速企業成長動能。
對於 Kewpie 這樣的食品大廠來說「好的產品從好的原料開始」，人工智慧提供生產上的幫助，現在他們將嬰兒副食品常見的馬鈴薯原料作為嘗試，問到對於未來 Kewpie 是否想擴大機器學習的運用在更多食品生產上，Takeshi Ogino 表示在這次的案例上他們獲得很多啟發，也對機器學習在食品的運用上更為熟悉，未來他們將把這項技術投入在其他食品原料上，不只是在挑選瑕疵物質，機器學習能夠為他們去找到更多原料具營養價值的部分，進而製造更多優良的食品，在機器投入與人性化宗旨取得平衡後仍能讓消費者對他們的商品信賴。
延伸閱讀：
from INSIDE 硬塞的網路趨勢觀察 http://ift.tt/2zCOvFp
沒有留言:
張貼留言