Revolutionäre Software befindet sich in der Entwicklung, um in Echtzeit die Nährstoffe und Kalorien in Mahlzeiten zu analysieren, indem einfach beobachtet wird, wie Menschen essen. Ziel ist ein System, das selbstgemachte oder einzigartige Gerichte mit Präzision bewerten kann.
Traditionelle KI-Modelle sind in der Lage, den Nährstoffgehalt anhand von Bildern von Lebensmitteln zu bewerten. Doch Yuhao Chen von der Universität Waterloo weist darauf hin, dass bestimmte Elemente in einem einzelnen Schnappschuss übersehen werden können, wie etwa Zutaten, die in einem Eintopf untergetaucht sind. Um dem entgegenzuwirken, hat Chens Team eine genauere Lösung entwickelt, die Mahlzeiten Bissen für Bissen untersucht. Dies könnte besonders vorteilhaft sein, um die Ernährung von Personen mit Gesundheitsproblemen oder älteren Menschen zu überwachen.
Ihr ausgeklügeltes Modell analysiert einen Videostream von jemandem, der isst, und erkennt jede Löffelportion. Anschließend berechnet es das Volumen des konsumierten Essens mit einer beeindruckend geringen Fehlerquote von nur 4,4 %. Obwohl es noch nicht in der Lage ist, alle Arten von Lebensmitteln und ihren Nährstoffgehalt zu erkennen, wird an der Erweiterung seiner Erkennungsfähigkeiten gearbeitet.
Chens Bestreben ist es, große Sprachmodelle wie diejenigen, die ChatGPT antreiben, zu integrieren, um die Fähigkeit des Systems zu verbessern, Zutaten in bisher unerreichten Rezepten oder völlig neuen kulinarischen Kreationen zu identifizieren. Oftmals fehlt hausgemachten Mahlzeiten ein standardisiertes Rezept oder Titel, sodass das allgemeine Wissen der KI bei der Ableitung ihrer Zusammensetzung von entscheidender Bedeutung ist.
Obwohl Experten wie Emilie Combet Aspray von der Universität Glasgow, Vereinigtes Königreich, argumentieren, dass die Präzision des Tools möglicherweise nicht ausreicht für rigorose wissenschaftliche Studien aufgrund seiner Unfähigkeit zur absoluten Genauigkeit, besitzt es dennoch einen potenziellen Mehrwert für Ernährungswissenschaftler oder in Szenarien, wo Annäherungen ausreichen. Dies könnte die Unterstützung einzelner Personen bei der Verfolgung ihres Nahrungsmittelkonsums und der Ernährungswerte umfassen.
Wichtige Fragen & Antworten:
– Wie misst die KI den Nährstoffgehalt anhand eines Videostreams?
Die KI von Chens Team analysiert Videostreams von Personen beim Essen und erkennt jede genommene Löffelportion. Anschließend berechnet sie das Volumen des konsumierten Essens mit einer beeindruckend geringen Fehlerquote.
– Welche Einschränkungen hat das aktuelle KI-Modell?
Derzeit ist die Software nicht vollständig in der Lage, alle Arten von Lebensmitteln und ihren Nährstoffgehalt zu erkennen. Dies kann die Anwendung zur Bereitstellung von ernährungsbezogenen Erkenntnissen für eine Vielzahl von Mahlzeiten einschränken.
– Warum ist eine Echtzeit-Nährstoffanalyse wichtig?
Eine Echtzeit-Nährstoffanalyse ist wichtig für Personen, die ihre Ernährung aufgrund von Gesundheitsproblemen genau überwachen müssen oder die sich um ihre Ernährung kümmern, wie Sportler, ältere Menschen oder Personen mit Ernährungseinschränkungen.
Herausforderungen & Kontroversen:
– Datenrichtigkeit: Eine Schlüsselherausforderung besteht darin, die Präzision der KI bei der Identifizierung und Analyse des Nährstoffgehalts sicherzustellen, gegeben die Variabilität bei Zubereitung, Zutaten und Portionsgrößen.
– Verallgemeinerung: Um das KI-System wirklich nützlich zu machen, muss es sich auf eine Vielzahl von Lebensmitteln, einschließlich komplexer Gerichte mit versteckten Zutaten, verallgemeinern.
– Ethische und Datenschutzbedenken: Es können Datenschutzprobleme im Zusammenhang mit der Aufzeichnung von Personen beim Essen auftreten, da Videostreams sensible Daten sind, die sorgfältigen Umgang und Zustimmung erfordern.
Vorteile:
1. Gesundheitsüberwachung: Diese Technologie kann bei der Diätmanagement für Menschen mit Gesundheitsproblemen, die eine genaue Überwachung der Nahrungsaufnahme erfordern, sehr hilfreich sein.
2. Bequemlichkeit: Sie bietet eine einfache und effiziente Möglichkeit für Personen, ihre Ernährung zu verfolgen, ohne Mahlzeiten manuell zu protokollieren oder Portionsgrößen abzuschätzen.
3. Ernährungsunterstützung: Sie kann als unterstützendes Werkzeug für Ernährungswissenschaftler und Diätassistenten dienen, wenn sie Mahlzeitenpläne für Kunden entwerfen und anpassen.
Nachteile:
1. Ungenauigkeit: Der mögliche Mangel an Genauigkeit kann das Tool für wissenschaftliche Studien oder klinische Umgebungen mit exakten Messungen ungeeignet machen.
2. Begrenzte Erkennung: Die Unfähigkeit der KI, alle Arten von Lebensmitteln zu erkennen, kann zu falschen ernährungsbezogenen Erkenntnissen führen.
3. Ethische und Datenschutzprobleme: Das Aufzeichnen von Personen beim Essen wirft ethische Überlegungen und potenzielle Datenschutzverletzungen auf.
Wenn man mehr über künstliche Intelligenz im Kontext von Ernährung und Gesundheit erfahren möchte, können die folgenden Links zu autoritativen Quellen hilfreich sein:
– Nature
– Science
– New England Journal of Medicine
– The Lancet
Diese Links ermöglichen den Zugang zu aufkommenden Forschungsergebnissen und Diskussionen über die Schnittstelle von KI und Gesundheitswesen, einschließlich Ernährung und Diätetik.
The source of the article is from the blog yanoticias.es