連鎖餐廳、速食店就算食材一樣，但是廚師、員工等因素，味道、擺盤多多少少會有些差異。於是，一位日本工程師便針對東京 41 間「拉麵二郎」連鎖店，運用 Google 機器學習，一張拉麵照就能認出哪間店鋪，簡直比老饕還神。
以份量大、規則多聞名的「拉麵二郎」，以東京為主要據點開枝散葉。就算是連鎖店，由於員工都是活生生的人，在蔬菜、肉片的擺放上，多少會有點不一樣，應該很少人能夠一眼就看出差異吧。
不過將這事交給科技，可能就是小菜一碟！
日本數據科學家土井賢治認為經過深度學習，可能可以辨別出每間拉麵的細節，他自行建立了一個機器學習模型來分類拉麵，但是也想了解今年 1 月 Google Cloud 才發表的 Cloud AutoML Vision 是否能更有效地做到這一點。
Cloud AutoML Vision 平臺，讓企業能夠構建、訓練和部署自訂的機器學習模型，就算不是專家也能順利使用，只需要上傳標記好的照片即可。
土井賢治將收集到的 4 萬 8 千張拉麵和各分店的標籤上傳到 AutoML Vision，爾後模型大約花費了 24 小時的時間自動進行訓練，結果大為驚人─準確度高達 94.5%。
到底 AutoML 是如何分辨每碗拉麵的呢？土井假設是靠碗和桌子的形狀、顏色來辨別，因此將該物件都統一，結果顯示一樣擁有高精準度。
擁有研究家精神的土井，鍥而不捨訂定下一個假設為「肉的切片方式和擺盤」，今後也將會繼續進行實驗。
文／吳佳臻
本文、圖授權轉載自智慧機器人網（原標題：準確度高達 95%！Google 機器學習新應用 一張拉麵照就知哪間分店）
責任編輯／趙元
