编辑｜苗正清
头图｜视觉中国
你有没有发现，气温降温后，下班回到楼道时，家家户户的外卖似乎都香味好多了？
这不是幻觉，也不是变得贪婪。
科学研究表明，一方面，在寒冷的天气里，人体需要更多的能量来维持体温，而高热量的食物可以提供所需的能量。另一方面，在进化过程中，为了在食物匮乏的季节生存，人类自然会增加脂肪储备，以备不时之需。虽然现在有了暖气，也没有冰冻天气的威胁，但隐藏在基因中的本能仍然驱使着人们去寻求高热量的食物。
此外，食物和情绪之间也有很强的联系。甜食等高热量食物可以刺激大脑释放多巴胺，有助于缓解压力、改善情绪。毕竟天气“傍晚下雪”，白居易下班后就想“在红土小灶边喝一杯”。
随着气温不断下降，你是选择“留胖”还是继续做卡控专家？
想要控制热量，首先要吃有热量的食物。
但几天之内你就会发现计算卡路里太累了。所以我想人工智能也许可以尝试一下。拍照并让人工智能估算食物卡路里并管理您自己的卡路里摄入量。
发布后新推出的一键拍照通话AI功能也探索了这一思路。最近，阅文App因开发一键调用摄像头、连接AI提问的功能而走红。
这一方面释放了AI基于场景的用户信号进行卡控，另一方面也考验了AI的图像分析能力。
废话不多说，今天我们就来简单评测一下AI的食物热量估算能力，推动图像端AI应用能力的发展。
参与今天评测的玩家包括Kimi、豆宝、秘塔AI和阅文。
问：假设我中午把这些都吃完，我总共消耗了多少卡路里？附图如下。
我们先粗略估计一下参考答案。
如图是：
一份奶粉约250g，总热量约；
一份叉烧饭，叉烧肉约100克，青菜约40克，滑蛋约50克，米饭150克，总热量约为；
烤香肠玉米蔬菜拼盘一份，甜玉米30克，嫩南瓜70克，烤香肠120克，总热量：约。
一份咖喱鱼蛋，共6个，约120g，总热量：
一杯港式冰奶茶，约200ml，总热量约为。
图片中的所有食物都有大约。
你饿了吗？记住这个答案。
基米
第一个是基米。大约10秒后Kimi就把论文交了。
首先，Kimi非常了解中国人的胃。他不仅准确地识别了食物名称，而且他的热量估算也大致准确。我把奶茶认成热巧克力也是可以理解的。
这直接提升了我对接下来的评测的期待。
豆袋
然后是豆袋：
豆袋配方显然需要扩展。牛奶咖喱可以大致等于华夫饼，咖喱鱼丸可以大致等于沾酱的炸丸子，但鸡蛋盖浇饭上的肉根本就被忽略了，从标签上的热量差异也出来了。
不过豆宝也贴心的给出了食物的方向。
秘密塔人工智能
秘密塔的回答是：
这是迄今为止唯一能够识别烤蔬菜的人工智能。
秘塔正确识别了玉米、烤蔬菜、香肠、咖喱鱼丸、奶茶。
芝士蛋糕可以大致相当于巧克力吐司，但是芝士培根饭的芝士颜色不是更深一点吗？
此外，虽然秘密塔的回答简单明了，但也缺乏对食物数量的描述。总体来说我觉得 Tower不擅长这个。
阅文
最后我去找岳问：
有趣的是，按照阅文的文本输出逻辑，其他AI是从上到下扫描识别食物，而阅文却是从左到右扫描识别食物，所以奶茶排在第二位？这个细节所显示的可能是底层程序的差异。
另外，从阅文给出的答案来看，它对食物的大小和比例没有概念，因此将漏奶认定为提拉米苏。
同样，阅文也没有给出食物的数量。它用总量词来描述，例如一块、一杯和一部分。相似的物品在图片中的组合效果如何还有待观察。
在语言表述上，我也建议你尽量更AI一些，不要“我建议你”。
总结
Kimi在食物识别和热量估算方面表现较好，虽然有小错误，但总体准确。
豆袋对方向更敏感，但需要扩展的配方库。
Tower AI 在识别品种方面表现良好，但在描述食物数量和份量方面表现不佳。
阅文的图片识别逻辑可能与其他AI不同，对于图片中显示的食物的大小、比例、数量等变量显然不够敏感。
不同的AI在图像分析和食物热量估算方面各有长处，在实际应用中也展现出了各自的潜力和需要改进的缺点。
总的来说，人工智能必须更加努力才能成为人类的生活助手。
