Un logiciel révolutionnaire est en développement pour fournir une analyse en temps réel des éléments nutritifs et des calories des repas simplement en observant comment les gens mangent. L’objectif est un système capable d’évaluer même les plats faits maison ou uniques avec précision.
Les modèles d’IA traditionnels sont capables d’évaluer le contenu nutritionnel à partir d’images de nourriture, cependant, Yuhao Chen de l’Université de Waterloo souligne que certains éléments peuvent être ignorés dans une seule image, comme les ingrédients submergés dans un ragoût. Pour contrer cela, l’équipe de Chen a conçu une solution plus précise qui scrute les repas bouchée par bouchée. Cela pourrait être particulièrement bénéfique pour surveiller la nutrition des personnes ayant des problèmes de santé ou les personnes âgées.
Leur modèle sophistiqué analyse un flux vidéo de quelqu’un en train de manger, détectant chaque cuillère. Il calcule ensuite le volume de nourriture consommée avec une marge d’erreur impressionnante de seulement 4,4 %. Bien qu’il ne soit pas encore capable de reconnaître tous les types de nourriture et leur contenu nutritionnel, la recherche est en cours pour étendre ses capacités de reconnaissance.
L’aspiration de Chen est d’intégrer de grands modèles linguistiques, comme ceux qui alimentent ChatGPT, pour améliorer la capacité du système à identifier les ingrédients dans des recettes inédites ou des créations culinaires complètement nouvelles. Souvent, les repas faits maison manquent d’une recette standard ou d’un titre, rendant la connaissance générale de l’IA vitale pour déduire leur composition.
Alors que des experts comme Emilie Combet Aspray de l’Université de Glasgow, Royaume-Uni, soutiennent que la précision de l’outil peut ne pas être suffisante pour des études scientifiques rigoureuses en raison de son incapacité à garantir une exactitude absolue, il conserve néanmoins une valeur potentielle pour les nutritionnistes ou dans des cas où des approximations suffisent. Cela pourrait inclure l’aide aux individus pour suivre leur apport alimentaire et leurs valeurs nutritionnelles.
Questions et Réponses:
– Comment l’IA mesure-t-elle le contenu nutritionnel à partir d’un flux vidéo ?
L’IA de l’équipe de Chen analyse les flux vidéo des individus en train de manger et détecte chaque cuillerée prise. Elle calcule ensuite le volume de nourriture consommée avec une marge d’erreur impressionnante.
– Quelles limites le modèle IA actuel présente-t-il ?
À l’heure actuelle, le logiciel n’est pas entièrement capable de reconnaître tous les types d’aliments et leur contenu nutritionnel. Cela peut limiter son application pour fournir des informations nutritionnelles sur une large gamme de repas.
– Pourquoi les informations nutritionnelles en temps réel sont-elles importantes ?
Les informations nutritionnelles en temps réel sont importantes pour les individus qui ont besoin de surveiller étroitement leur alimentation en raison de problèmes de santé ou qui prennent soin de leur nutrition, tels que les athlètes, les personnes âgées ou ceux avec des restrictions alimentaires.
Défis et Controverses:
– Précision des Données: Un défi clé est de garantir la précision de l’IA dans l’identification et l’analyse du contenu nutritionnel, étant donné la variabilité dans la préparation des aliments, les ingrédients et les tailles de portion.
– Généralisation: Pour que le système IA soit vraiment utile, il doit généraliser à travers une large gamme d’aliments, y compris des plats complexes avec des ingrédients cachés.
– Préoccupations en matière d’éthique: Il peut y avoir des problèmes de confidentialité liés à l’enregistrement des personnes pendant qu’elles mangent, car les flux vidéo sont des données sensibles qui nécessitent une manipulation et un consentement attentionnés.
Avantages:
1. Suivi de la Santé: Cette technologie peut grandement aider dans la gestion diététique pour ceux qui ont des problèmes de santé nécessitant une surveillance stricte de l’apport alimentaire.
2. Commodité: Elle offre un moyen simple et efficace aux gens de suivre leur nutrition sans avoir à enregistrer manuellement les repas ou à estimer les portions.
3. Soutien Diététique: Elle peut servir d’outil de soutien pour les nutritionnistes et les diététiciens lors de la conception et de l’ajustement des régimes alimentaires pour les clients.
Inconvénients:
1. Manque de Précision: Le potentiel manque de précision peut rendre l’outil inadapté pour des études scientifiques ou des environnements cliniques nécessitant des mesures exactes.
2. Reconnaissance Limitée: L’incapacité de l’IA à reconnaître tous les types d’aliments peut entraîner des insights nutritionnels incorrects.
3. Problèmes Éthiques et de Confidentialité: Le processus d’enregistrement des personnes pendant qu’elles mangent soulève des considérations éthiques et des possibles atteintes à la vie privée.
Si vous souhaitez en savoir plus sur l’intelligence artificielle dans le contexte de la nutrition et de la santé, les liens suivants vers des sources autorisées peuvent être utiles:
– Nature
– Science
– New England Journal of Medicine
– The Lancet
Ces liens donnent accès à des recherches émergentes et des discussions sur l’intersection entre l’IA et les soins de santé, y compris la nutrition et la diététique.
The source of the article is from the blog exofeed.nl