Hagytam, hogy a mesterséges intelligencia ítélkezzen a vacsorám felett, és határozott véleménye volt: Tanulságok az ételkövető alkalmazásokról

Különös megaláztatásban van része az embernek, amikor lefotózza a szomorú kedd esti babos pirítósát, és egy algoritmus hideg, digitális bizonyossággal közli vele, hogy 487 kalóriát fogyasztott, és talán el kellene gondolkodnia egy zöldség hozzáadásán. Üdvözöljük a mesterséges intelligenciával működő ételkövető alkalmazások világában, ahol a telefonja egy olyan táplálkozási szakértővé válik, aki sosem alszik, sosem vesz ki szabadságot, és biztosan nem hagyja, hogy elfelejtse azt a harmadik kekszet.

Néhány hetet azzal töltöttem, hogy teszteltem az ételkövető alkalmazásokat, hogy lássam, vajon valóban segíthetnek e jobban megérteni az étrendemet. A rövid válasz: igen, segíthetnek. A hosszabb válasz egy bonyolult viszonyt takar a számokkal, néhány valódi meglepetést azzal kapcsolatban, hogy mit is eszem valójában, és az alkalmi szorongást, amitől legszívesebben a tengerbe hajítottam volna a telefonomat.

Kattints, értékeld, ismételd: Hogyan működik az MI alapú ételkövetés?

Az alapfeltevés megtévesztően egyszerű. Lefotózod az étkezésedet, a mesterséges intelligencia pedig azonosítja, mi van a tányérodon, és megbecsüli a kalória és tápanyag értékeket. Az olyan alkalmazások, mint a Cal AI, a SnapCalorie és a MyFitnessPal mind ráugrottak erre a technológiára, számítógépes látást használva arra, hogy az ebédedből táblázatot készítsenek.

A piac elképesztően hatalmas. A globális táplálkozási alkalmazások szektora nagyjából 5 milliárd dollárt ért 2023 ban, és az előrejelzések szerint 2033 ra eléri a 14 milliárd dollárt. A MyFitnessPal önmagában több mint 200 millió letöltéssel és 18 20 millió ételt tartalmazó adatbázissal büszkélkedhet. Amikor a cég 2026 márciusában felvásárolta a Cal AI t (egy startupot, amely 15 millió letöltést és évi 30 millió dollár feletti bevételt ért el, és amelyet nem mellesleg tinédzserek alapítottak), világossá vált, hogy ez a technológia nem megy sehová.

A SnapCalorie még tovább megy: a telefonod mélységérzékelőit használja az adagok térfogati becslésére. Sci fi nek hangzik, de valóban okos dolog, körülbelül 16 százalékos hibahatárral dolgozik.

Amit a számok valójában megtanítottak nekem

Íme, ami váratlanul ért: azt hittem, nagyjából képben vagyok az étrendemmel. Elég jól eszem, vagy legalábbis ezt mondogattam magamnak annak az embernek a magabiztosságával, aki valójában sosem ellenőrizte. Kiderült, hogy a magabiztosság és a pontosság nem ugyanaz.

Az ételkövetés olyan vakfoltokat tárt fel, amelyekről nem is tudtam. Az adagok kúszása például. Az a "kis marék" dió? Közelebb volt a 300 kalóriához, mint a 150 höz, amit nagyvonalúan becsültem. Az olívaolaj, amit a salátákra "csepegtettem", inkább volt egy bőkezű öntés, ami több száz kalóriát adott hozzá, amire sosem gondoltam. A fehérjebevitelem alacsonyabb volt, mint hittem, míg a nassolásból származó kalóriák, mondjuk úgy, jelentősebbek voltak, mint amennyit be akartam vallani.

A kutatások ezt alá is támasztják. Egy 2022 es, 1500 nál is több résztvevőt vizsgáló 10 tanulmányt áttekintő elemzés megállapította, hogy tízből hat tanulmány mérhető javulást mutatott az étrend minőségében azoknál, akik követték az étkezéseiket. Egy másik, 2021 es, 90 egészségügyi dolgozót vizsgáló tanulmány szerint a következetes naplózás közvetlenül összefüggött a nagyobb fogyással. Kiderült, hogy a figyelem az, ami valójában megváltoztatja a viselkedést. Ki gondolta volna?

A pontossági probléma (Vagy: Miért küzd az MI a nagyi pörköltjével?)

Mielőtt az egész étrended jövőjét egy algoritmusra bíznád, van egy elég jelentős kikötés. Az MI ételfelismerése jó, de közel sem tökéletes.

Független tesztek szerint az MI kalóriakövetése körülbelül 87 százalékos pontosságot ér el az egyszerű ételeknél (gondoljunk egy banánra vagy egy natúr csirkemellre), de ez az arány 62 százalékra esik a vegyes ételeknél, és akár 50 százalékra a házi vagy kulturálisan sokszínű ételeknél. A Sydney i Egyetem kutatása, amelyet Dr. Juliana Chen vezetett és 2024 ben jelent meg a Nutrients folyóiratban, 800 alkalmazás szűrése után 18 t értékelt, és riasztó eltéréseket talált. A marhahúsos pho leves kalóriáját 49 százalékkal becsülték túl, míg a buborékos teáét 76 százalékkal alá.

Ugyanez a tanulmány megállapította, hogy ezek az alkalmazások hajlamosak a nyugati étrend energiatartalmát átlagosan 1040 kilojoullal túlbecsülni, míg az ázsiai étrendet 1520 kilojoullal alábecsülni. A betanított adatokba nyilvánvaló kulturális torzítás van beépítve, és ha az étrended nem csirke, rizs és brokkoli köré épül, akkor valószínűleg több kézi javításra lesz szükséged.

A kézi naplózás ezzel szemben 95 százalék feletti pontosságot tart fenn. Kevésbé látványos, mint a kamerát egy tányérra irányítani, az biztos, de jóval megbízhatóbb.

A szorongás, amire senki sem figyelmeztet

Itt válnak bonyolulttá a dolgok, és itt gyanítom, hogy sokan csendben feladják ezeket az alkalmazásokat anélkül, hogy beszélnének róla, miért.

Minden egyes falat étel követése sajátos lelkiállapotot teremt. Ami kíváncsiságnak indul, lassan megszállottsággá válhat. Azon kaptam magam, hogy már azelőtt fejben számolom a kalóriákat, hogy eldöntöttem volna, mit egyek, így minden étkezés matematikai feladattá vált, ahelyett, hogy élveztem volna. Egy spontán kocsmai ebéd a barátokkal a becslési szorongás gyakorlatává vált. A születésnapi torta furcsa bűntudatot váltott ki, aminek semmi köze nem volt magához a tortához, csak ahhoz, hogy láttam, ahogy a szám felfelé kúszik a képernyőn.

A statisztikák hasonló történetet mesélnek más szemszögből: a felhasználók nagyjából 70 százaléka két héten belül elhagyja az ételkövető alkalmazásokat, ha a kezelőfelület túlságosan bonyolult. De vitatkoznék azzal, hogy a komplexitás az egyetlen ok, amiért az emberek abbahagyják. Néhányak számára az állandó numerikus vizsgálódás egyszerűen túl sokká válik. Vékony a határvonal a tudatos étkezés és a rendellenes gondolkodás között, és ezek az alkalmazások kényelmetlenül közel sodorhatnak ehhez a határhoz, ha nem vigyázol.

Ez nem egyetlen alkalmazás sajátos hibája. Magába a koncepcióba van beépítve, hogy az ételt adatokra redukáljuk. A táplálkozás fontos, de az étel egyben kultúra, kényelem és kapcsolódás is. Egyetlen alkalmazás sem képes kilojoule ban megragadni az anyukád vasárnapi ebédjének értékét.

Szóval, megérte?

Őszintén? Igen, olyan kikötésekkel, amelyekkel egy szakácskönyvet is meg lehetne tölteni.

Az ételkövető alkalmazások olyan dolgokra tanítottak meg, amiket őszintén nem tudtam az étkezési szokásaimról. Már az adagmérettel kapcsolatos felismerések megérték a kísérletet. Annak megértése, hogy honnan származik valójában a fehérje és a rost (és honnan nem), segített olyan apró, praktikus változtatásokat eszközölnöm, amelyek megmaradtak. Több hüvelyest eszem most. Mérem a főzőolajat. Kelletlenül elfogadtam, hogy a korábbi "egy adag tészta" definícióm minden ésszerű szabvány szerint két adag volt.

De azt is megtanultam, hogy nem követhetem az étkezésemet a végtelenségig anélkül, hogy az ne befolyásolná az ételhez fűződő viszonyomat. A számomra ideális megoldás az volt, hogy ezeket az alkalmazásokat rövid távú oktatási eszközként használtam, nem pedig állandó étrendi társként. Néhány hét követés megadta azt a tudást, amire szükségem volt. Utána letettem az alkalmazásokat, és bíztam magamban, hogy alkalmazom a tanultakat.

Ha azon gondolkodsz, hogy kipróbálsz egyet, a tanácsom ez: tűzz ki világos, időhöz kötött célokat. Használd az adatokat tanulásra, ne pedig arra, hogy büntesd magad. És ha úgy érzed, hogy a számok stresszessé teszik az étkezést ahelyett, hogy informatívak lennének, engedd meg magadnak, hogy töröld az alkalmazást, és edd meg a pirítósodat békében.

Az MI lenyűgöző. A felismerések valósak. De a legjobb táplálkozási eszköz, amivel rendelkezel, továbbra is az a képesség, hogy hallgass a saját testedre, kamera nélkül.

Olvassa el az eredeti cikket a forrásnál.