当餐馆老板，烹饪主管和跨国公司都很难做到这一点时，一般的餐馆老板怎么能够理解这种反复无常的烹饪行业呢?在利润微薄的市场中，有数十亿美元的利害关系(超过799亿美元的餐馆); 一个典型的静坐关节只需3%到5%的利润。这是一个很大的压力。

Alon Chen，以前是谷歌以色列和希腊的首席营销官，也是世界经济论坛的全球负责人，近两年前开始为经常动荡的食品和饮料世界带来可预测性。今天正式推出的Tastewise是他和联合创始人Eyal Gaon的劳动成果：一家位于特拉维夫的创业公司，其平台结合了人工智能(AI)，预测分析，计算机视觉和自然语言处理，以发现美食洞察力餐馆，酒店集团和品牌。

“今天，我们很多人都是喜欢冒险的人，不断寻找新的食物体验，同时优先考虑我们的健康，”陈说。“在这个新环境中，所有消费品包装商品[公司]和餐馆 - 无论大小 - 都必须像食品卡车和弹出窗口一样充满活力。Tastewise提供最新鲜的分析，帮助他们保持领先地位。“

它究竟是怎么做到的?通过扫描客户输入的每个食品相关查询的数十亿个数据点。Tastewise看起来在社交媒体和一个月的食物照片(总共约10亿张照片)上喋喋不休，此外还有来自顶级餐厅的153,000份菜单和约100万份家庭食谱中的1300万件物品。掌握了这些数据 - 加上专有的机器学习算法，经过培训，可以识别电镀和演示趋势，并认识到餐具和食材的情感 - 陈说，这项服务不仅能够满足当前的烹饪趋势，还能满足将来流行的菜肴。

以Tastewise最近的披萨市场分析为例。它确定了费城的Blazin Flavorz芝士披萨椒盐脆饼咬人作为该类别最热门的菜肴，其次是洛杉矶的Pizza Romana辣味炸鸡披萨。意大利辣香肠在热门食材中名列前茅，其中鸡肉排在第二位，培根排在第三位。(意大利香肠和拉猪肉几乎与“增长最快”的肉类成分并列。)

当然，使用AI来预测食物趋势并提出新的食谱并不是什么新鲜事。IBM最近宣布与McCormick&Company 合作，通过机器学习创造出新的口味和食品。IBM的 厨师Watson是一个研究项目，旨在通过分析数百种不同成分的化学成分来创造新的配方，生产了10,000多种新颖的配方。(其创作的食谱于2015年出版。)纽约创业公司Analytical Flavor Systems的平台 - 胃液仪 - 利用感官数据和机器学习算法来提升产品的风味特征并确定需要改进的领域。

与此同时，总部位于洛杉矶的 Halla的I / O平台 使用人工智能为杂货店，餐馆和食品配送应用程序和网站提供类似Netflix的建议，部分原因是利用餐馆菜肴，食谱，配料和杂货品味道和风味属性。其他人，如Foodpairing，Plant Jammer和Dishq，提供考虑个人喜好的专有推荐系统。

但陈说，Tastewise的服务远远超过成分分解。在与该创业公司发布时同时发布的一份报告中，其工具确定了美国各地对健康食品餐馆的90亿美元需求(以及圣安东尼奥市“手工制作食品”需求未得到满足的767%)和垃圾邮件musubi，骨髓，ube和松露作为美国菜单的新主流。

“通过与Tastewise合作，我们能够通过实时行业数据和预测分析转变我们的战略和决策，”万豪国际拥有的Pure Grey Culinary Concepts Hospitality Group全球副总裁Guy Heksch说道。一份声明。“潜水远比简单地了解消费者偏好更深入，他们的见解帮助我们选择目标受众，捕捉从邻居到州一级的微观趋势，并设计菜单以满足客人的口味，甚至精确指出制作一个人需要什么。轰动一时的鸡尾酒。“