Revolutionær programvare er under utvikling for å gi sanntidsanalyse av næringsstoffene og kaloriene i måltider bare ved å observere hvordan folk spiser. Målet er et system som kan evaluere selv hjemmelagde eller unike retter nøyaktig.
Tradisjonelle AI-modeller er i stand til å vurdere ernæringsinnholdet ved hjelp av bilder av mat, men Yuhao Chen ved Universitetet i Waterloo påpeker at visse elementer kan bli oversett i et enkelt øyeblikksbilde, som ingredienser nedsenket i en gryterett. For å motvirke dette har Chens team utviklet en mer nøyaktig løsning som gransker måltider bit for bit. Dette kan være spesielt gunstig for overvåking av ernæringen til personer med helseproblemer eller eldre.
Modellen deres gjennomgår en videostrøm av noen som spiser, oppdager hver skje. Deretter beregner den volumet av maten som er konsumert med en imponerende lav feilmargin på bare 4,4%. Mens den ennå ikke er i stand til å gjenkjenne alle typer mat og deres ernæringsinnhold, pågår forskningen for å utvide dens anerkjennelsesevner.
Chens ambisjon er å integrere store språkmodeller, som de som driver ChatGPT, for å forbedre systemets evne til å identifisere ingredienser i banebrytende oppskrifter eller helt nye kulinariske kreasjoner. Ofte mangler hjemmelagde måltider en standardoppskrift eller tittel, og AI’s generelle kunnskap er avgjørende for å dedusere deres sammensetning.
Mens eksperter som Emilie Combet Aspray fra Universitetet i Glasgow, Storbritannia, argumenterer for at verktøyets presisjon kanskje ikke er tilstrekkelig for strenge vitenskapelige studier på grunn av manglende evne til å garantere absolutt nøyaktighet, har det fortsatt potensiell verdi for ernæringseksperter eller i scenarier der tilnærminger er tilstrekkelige. Dette kan inkludere å hjelpe enkeltpersoner med å følge kostholdsinntaket og ernæringsverdiene sine.
Viktige spørsmål og svar:
– Hvordan måler AI ernæringsinnholdet fra en videostrøm?
AI-en til Chens team analyserer videostrømmer av individer som spiser og oppdager hver skje som tas. Den beregner deretter volumet av konsumert mat med en imponerende lav feilmargin.
– Hvilke begrensninger har den nåværende AI-modellen?
Per nå er programvaren ikke fullt ut i stand til å gjenkjenne alle typer mat og deres ernæringsinnhold. Dette kan begrense dens bruk når det gjelder å gi ernæringsinnsikt for et bredt spekter av måltider.
– Hvorfor er sanntids ernæringsinnsikt viktig?
Sanntids ernæringsinnsikt er viktig for personer som trenger å overvåke kostholdet sitt nøye på grunn av helseproblemer eller de som tar vare på ernæringen sin, som idrettsutøvere, eldre eller de med kostholdsbegrensninger.
Viktige utfordringer og kontroverser:
– Data nøyaktighet: En nøkkelutfordring er å sikre AI-ens presisjon i identifisering og analyse av ernæringsinnholdet, med tanke på variasjoner i matlaging, ingredienser og porsjonsstørrelser.
– Generalisering: For at AI-systemet skal være virkelig nyttig, må det generalisere over et bredt spekter av matvarer, inkludert komplekse retter med skjulte ingredienser.
– Personvern bekymringer: Det kan være personvernproblemer knyttet til opptak av personer mens de spiser, ettersom videostrømmer er sensitive data som krever forsiktig håndtering og samtykke.
Fordeler:
1. Helseovervåkning: Denne teknologien kan være til stor hjelp for diettstyring for personer med helseproblemer som krever streng overvåking av matinntaket.
2. Praktisk: Den gir en enkel og effektiv måte for personer å følge ernæringen sin uten manuelt å logge måltider eller estimere porsjoner.
3. Ernæringsstøtte: Den kan fungere som et støtteverktøy for ernæringseksperter og dietister når de designer og justerer måltidsplaner for klienter.
Ulemper:
1. Ukorrekthet: Mangelen på nøyaktighet kan gjøre verktøyet uegnet for vitenskapelige studier eller kliniske innstillinger som krever nøyaktige målinger.
2. Begrenset anerkjennelse: AI-ens manglende evne til å gjenkjenne alle matvarianter kan føre til feil ernæringsinnsikter.
3. Etiske og personvernsmessige spørsmål: Prosessen med å spille inn individer mens de spiser innebærer etiske hensyn og potensielle personvernsbrudd.
Hvis du ønsker å utforske mer om kunstig intelligens i sammenheng med ernæringsfag og helse, kan følgende lenker til autoritative kilder være nyttige:
– Nature
– Science
– New England Journal of Medicine
– The Lancet
Disse lenkene gir tilgang til ny og diskusjoner om skjæringspunktet mellom AI og helsevern, inkludert ernæring og dietetikk.
The source of the article is from the blog combopop.com.br