【記者張倩怡綜合報導】不論是平時午餐要吃什麼，或是出外旅行該品嘗哪些美食，皆為不少人的煩惱。國立雲林科技大學工業工程與管理系學生團隊研發「基於生成對抗網路之適地性美食推薦系統」，能夠按照使用者的所在地、用餐時間、預算等條件，個人化地推薦適合的美食。此發明獲得「2022韓國首爾國際發明展」金牌。
台灣餐廳選擇眾多，路邊攤、小吃或老店琳琅滿目，但現有的美食推薦程式，大多依靠用戶的瀏覽記錄、搜索關鍵字等資訊，而新用戶卻會因無歷史記錄，導致系統無法進行推薦。團隊成員賴睿涵表示，當今的系統時常因資料缺漏而無法進行客製化推薦，「因為傳統演算法是找跟你相似的使用者來推薦給你，可是使用者不可能每一個商品都有瀏覽過。」
團隊以美食二選一的小遊戲收集使用者喜好，再利用生成對抗網路（註）讓AI自主學習，並生成虛擬數據比對真實樣本，透過重複訓練使AI生成的結果盡可能接近使用者喜好，「我們給它資料集去學習，然後進而去產生出那些我們希望它產生出來的資料。」團隊成員詹宜諠補充。當完成訓練後，不論有無歷史記錄，使用者只需直接輸入個人條件，如性別、年齡、預算等資料，AI就可以按所在地直接進行個人化推薦。
註：生成對抗網路屬於機器自主學習的技術，由鑑別網路與生成網路組成。生成網路會隨機取樣並模仿真實數據產生樣本，盡可能地欺騙鑑別網路；鑑別網路則為真實的樣本，需從真實樣本中盡可能分辨生成網路所產生的虛擬數據。生成對抗網路透過兩者相互對抗產生結果。
除了以二選一小遊戲收集數據作訓練，團隊也計劃透過使用者的回饋，回報最終選擇的餐廳以及推薦結果是否實用。賴睿涵表示，若系統產品化後和店家合作，店家可以選擇付費獲得分析後的使用者數據，「例如喜歡這家店的可能有80%是女性，然後20%是男性。」他進一步說明，店家可以藉此了解自身的客群，並制定針對性的營銷策略，使此系統能實現商業化。
經營美食帳號的沈采蓁表示，自己找餐廳時不曾使用美食推薦程式，而是參考社交平台推薦的美食帳號，並上網搜尋店家的介紹和評論，每次都需經許多步驟。因此，他相當認同系統的實用性，也建議團隊可加入更多的考量細節，「例如喜歡吃麵食、不吃辣、吃素等來強化搜索結果，同時進行更精確的系統推薦。」
