تم تطوير برمجيات ثورية لتوفير تحليل في الوقت الحقيقي للعناصر الغذائية والسعرات الحرارية في الوجبات عن طريق مراقبة كيفية تناول الناس للطعام. الهدف هو نظام يمكنه تقييم حتى الأطباق المصنوعة في المنزل أو الفريدة بدقة.
تستطيع النماذج الاصطناعية التقليدية تقييم المحتوى الغذائي من خلال صور الطعام، ومع ذلك، يقول Yuhao Chen من جامعة واترلو أنه يمكن أن تغفل بعض العناصر في لقطة واحدة، مثل المكونات المغمورة في طبق الشوربة. لمواجهة هذا، صاغ فريق تشين حلاً أدق يفحص الوجبات وحدة بعد وحدة. يمكن أن يكون هذا مفيدًا بشكل خاص لمراقبة التغذية للأشخاص الذين يعانون من مشاكل صحية أو كبار السن.
تفتيش نموذجهم المعقد يفحص تغذية الشخص من خلال فيديو يُظهر كيفية تناوله، حيث يكتشف كل ملعقة. ثم يحسب حجم الطعام الذي تم استهلاكه بنسبة غطاء مطاطي منخفضة بنسبة 4.4% فقط. بينما لا يزال غير قادر على التعرف على جميع أنواع الطعام ومكوناتها الغذائية، فإن البحث قيد التقدم لتوسيع قدرته على التعرف.
طموح تشين هو دمج النماذج اللغوية الكبيرة، مثل تلك الموجودة في ChatGPT، لتعزيز قدرة النظام على تحديد المكونات في وصفات جديدة غير مسبوقة أو إبداعات culinaires. غالبًا ما تفتقر الوجبات المعدة في المنزل إلى وصفة قياسية أو عنوان، مما يجعل المعرفة العامة الاصطناعية أمرًا حيويًا في استنتاج تكوينها.
وبينما يعتقد الخبراء مثل إميلي كومبيه أسبراي من جامعة غلاسكو في المملكة المتحدة أن دقة الأداة قد لا تكون كافية للدراسات العلمية الصارمة بسبب عدم قدرتها على ضمان الدقة المطلقة، فإنها لا تزال تحمل قيمة محتملة للمغذيين أو في سيناريوهات تتطلب تقديرات تقريبية. من بين هذه السيناريوهات، تقديم المساعدة للأفراد في تتبع استهلاكهم الغذائي والقيم الغذائية.
الأسئلة والأجوبة المهمة:
– كيف تقيس الذكاء الاصطناعي المحتوى الغذائي من خلال فيديو مباشر؟
يحلل الذكاء الاصطناعي الذي طوره فريق تشين فيديوات الأفراد ويكتشف كل ملعقة تم أخذها. ثم يحسب حجم الطعام الذي تم استهلاكه بنسبة غطاء مطاطي منخفض.
– ما هي القيود التي تواجهها النماذج الحالية للذكاء الاصطناعي؟
في الوقت الحالي، البرمجيات غير قادرة بشكل كامل على التعرف على جميع أنواع الطعام ومكوناتها الغذائية، مما يمكن أن يحد من تطبيقها لتوفير رؤى غذائية لمجموعة واسعة من الوجبات.
– لماذا تعتبر الرؤية الغذائية في الوقت الحقيقي مهمة؟
الرؤية الغذائية في الوقت الحقيقي مهمة للأفراد الذين يحتاجون إلى مراقبة نظامهم الغذائي عن كثب بسبب قضايا صحية أو لأولئك الذين يعتنون بتغذيتهم، مثل الرياضيين وكبار السن وأولئك الذين يعانون من قيود غذائية.
التحديات الرئيسية والجدالات:
– دقة البيانات: أحد التحديات الرئيسية هو ضمان دقة الذكاء الاصطناعي في تحديد وتحليل محتوى الطعام، نظرًا للتباين في إعداد الطعام والمكونات وحجم الأجزاء.
– التعميم: لكي يكون النظام الذكي فعلا مفيدًا، يجب أن يكون قابلاً للتعميم عبر مجموعة واسعة من الأطعمة، بما في ذلك الأطباق المعقدة التي تحتوي على مكونات مخفية.
– اهتمامات الخصوصية: يمكن أن توجد قضايا تتعلق بالخصوصية تتعلق بتسجيل الأفراد أثناء تناولهم الطعام، حيث تعتبر تدفقات الفيديو بيانات حساسة تتطلب معالجة وموافقة حذرة.
المزايا:
1. مراقبة الصحة: يمكن لهذه التقنية مساعدة كبيرة في إدارة النظام الغذائي لأولئك الذين يعانون من مشاكل صحية تتطلب مراقبة دقيقة لتناول الطعام.
2. الراحة: يوفر طريقة بسيطة وفعالة للناس لتتبع تغذيتهم دون تسجيل الوجبات يدويًا أو تقدير حجم الأجزاء.
3. الدعم الغذائي: يمكن أن يكون أداة داعمة للمغذيين وأخصائيي التغذية في تصميم وتعديل خطط الوجبات للعملاء.
العيوب:
1. عدم الدقة: قد تجعل نقص الدقة الإمكانية الأداة غير مناسبة للدراسات العلمية أو الإعدادات السريرية التي تتطلب قياسات دقيقة.
2. الاعتراف المحدود: عدم قدرة الذكاء الاصطناعي على التعرف على جميع أنواع الأطعمة يمكن أن يؤدي إلى استنتاجات غذائية غير صحيحة.
3. قضايا الأخلاقية والخصوصية: إجراء تسجيل الأفراد أثناء تناولهم الطعام ينطوي على اعتبارات أخلاقية وانتهاكات محتملة للخصوصية.
إذا أراد الشخص البحث المزيد حول الذكاء الاصطناعي في سياق التغذية والصحة، يمكن أن تكون الروابط التالية إلى مصادر موثوقة مفيدة:
– Nature
– Science
– New England Journal of Medicine
– The Lancet
هذه الروابط توفر الوصول إلى الأبحاث الناشئة والمناقشات حول تقاطع الذكاء الاصطناعي والرعاية الصحية، بما في ذلك التغذية وعلم التغذية.