此外，咨询者往往把自己针对身体健康的维护或咨询当做是一种弱势行为。当提及健康方面的问题，至少现阶段还是比较顾忌对自己的评价。营养师通常要遵循的一个基本原则是尽量回避隐私或敏感的话题，学会忘记咨询者隐私。但是当这个营养师成为虚拟的时候，这种弱势或许就并不存在了，因为它只是一台机器而已。
人工智能想要饮食这件事上燥起来固然是一件好事。但AI却不是神笔马良，画什么饼就能吃什么饼。智能相对论（aixdlun）分析师杨苏颖认为AI作用于人类饮食还需突破的难题有三道。
1、AI造物的普遍性还在下一个春天
今天AI在算法学习下尝试了制造啤酒，但对于很多做其他食品制造的企业来说，旗下的食品种类通常少则十几种，多则上百种。AI在将造物的学习经验从一类情况向另外一类情况迁移时，经常会遇到困难。这意味着，企业需要投入大量资金训练一个新模型，有时候即使第二次的情况与之前的十分类似也很难避免回笼再造的命运。企业大则还好，对于刚起步的小企业而言，AI学习所要耗费的人力物力财力就不太友好了，因此，AI制造食品要想广泛落地还需解决学习普遍性的问题。
2、虚拟营养师真实效果还需继续耕耘
营养的作用的确是客观存在的，但是人工智能赋能的虚拟营养师对人体健康的干预作用究竟几何是受很多因素影响的。营养知识的门槛原本并不算高，在中国只要有兴趣的都可以去学习甚至是考得一个营养师的证书。
但是，尽管人们对健康很看重，餐餐按照规定的食谱进食却不是每个人都能够依从的条件。如同减肥一样，每个人都知道，只要控制饮食和多运动的方法论，却鲜少有人能够完成自己最终的体重目标。
所以，虚拟营养师要想有市场，不仅仅是要除了需要获取医疗机构的个人数据，还需要结合AI预测疾病的功能，精准显示用户在未来的潜在疾病发展方向，提前给用户预警，否则如若不能调动用户自觉遵循AI建议的积极性，虚拟营养师则难以发挥效用。
3、数据采集少些逻辑怪圈
人工智能进入人类的饮食生活要有意义就必须比人做得更好，但是全面依赖数据的机器学习却往往让人很难相信它的使用能够广泛造福所有人，制造此类人工智能产品的人不仅要有计算机科学的思维还必须有社会学的思维。
从我国的国情来说，2014年我国确立了12.8万个贫困村，8900万贫困人口，以儿童为例，在低收入和中等收入国家，仍然有2.5亿儿童可能因贫困和发育迟缓而无法发挥潜力，贫困地区农村儿童营养问题远比城市儿童更为突出，他们的生长迟缓率和低体重率通常是城市儿童的6-8倍，贫血问题也较普遍的存在。
但是，人工智能所能收集到的个人数据主要来自医疗机构，而出身贫困家庭的儿童们可能鲜少有机会去医院查看自己的健康问题，留存的数据也必然是远不及城市儿童的，这就不免引起人工智能的歧视问题，也就是说人工智能的内在逻辑可能是用治“富贵病”的方法去治“贫穷病”，而这肯定是不合理的。
古人常说，“食色性也”，人类这样一个嘴馋的杂食物种，要想过得活色生香绝对少不了吃。如今，有AI在人类吃什么，怎么吃上进行把关，虽然还不尽完美，但相信不久之后饮食男女一定能过上“智慧吃”的好日子。
[完]
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出vb深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
