Egyetlen fotóval ígérnek pontos tápértékmentést az új AI-appok, a valóságban viszont súlyos százalékokat tévesztenek.
A kamerás ételdiagnosztika az utóbbi időben az egyik legnépszerűbb fitnesztrenddé vált, hiszen látszólag kiváltja a hozzávalók manuális, lassú méricskélését. Az amerikai Nemzeti Egészségügyi Intézet (NIH) legfrissebb felmérése szerint azonban a népszerű képfelismerő szoftverek hajlamosak jelentősen alábecsülni az ételek energiatartalmát. A tesztelt AI kalóriakövető rendszerek átlagosan egyharmaddal kevesebb kalóriát mutattak a tányérokon lévő tényleges mennyiségnél.
Laboratóriumi precizitás csapott össze a gépi látással
A táplálkozáskövető szoftverek pontosságát korábban ritkán vizsgálták szigorúan ellenőrzött körülmények között. Az NIH klinikai központjának kutatói egy átfogóbb diétás kísérlet során vették górcső alá a technológiát. A tesztekhez használt 102 fogást olyan metabolikus konyhában készítették el, ahol minden egyes összetevőt 0,1 grammos pontossággal mértek le. Ez a módszertan olyan biztos viszonyítási alapot teremtett, amellyel a látásalapú algoritmusok hibái hajszálpontosan kimutathatóvá váltak.
A vizsgálatban négy ismert képfelismerő alkalmazást futtattak le a szabványosított ételfotókon: a MyFitnessPal, a LoseIt!, a CalAI és az Appediet felületeit. A kutatók arra voltak kíváncsiak, hogy a modern mesterséges intelligencia képes-e pusztán a pixeladatokból helyesen megbecsülni az adagok méretét és a makrotápanyagok arányát.
Láthatatlan zsírok és elmért adagok a tányéron
A mérési eredmények egyértelmű különbségeket tártak fel a különböző tápanyagtípusok között. Az AI kalóriakövető algoritmusok átlagosan 250 és 345 kalória közötti hiánnyal kalkuláltak étkezésenként. A legnagyobb pontatlanságot a zsírtartalom becslésénél mutatták a modellek, ahol átlagosan 30 gramm zsír maradt észrevétlen a képek alapján. Ezzel szemben a szénhidrátok mennyiségét jóval egyenletesebb precizitással azonosították a szoftverek.
A tesztelt alkalmazások közül a MyFitnessPal és a LoseIt! esetében megfigyelhető volt, hogy a magasabb kalóriatartalmú fogásoknál pontosabb becslést adtak, míg a kisebb energiatartalmú ételeknél nagyobb arányú volt a tévedés. A kutatók ezt követően további 200 ételről készült felvétellel bővítették a vizsgálatot. A kiegészítő adatok megerősítették, hogy a ketogén, azaz szénhidrátszegény és zsírban gazdag étrendeknél a szoftverek szisztematikusan elszámolják magukat. A rejtett zsírok, mint az olajok, az öntetek vagy a szaftok, nem adnak egyértelmű vizuális támpontot a kamerának.
Súlyos tévedések a napi energiabevitel számításában
A kalóriadifferencia kifejezetten hátrányosan érinti azokat, akik szigorú étrendi célokat követnek, vagy testsúlycsökkentő programban vesznek részt. Ha valaki napi három étkezés során teljes mértékben a fotós elemzésre hagyatkozik, a tényleges energiabevitele akár 700–1000 kalóriával is meghaladhatja az alkalmazásban megjelenő értéket. Ez a szisztematikus hiba észrevétlenül megakadályozza a tervezett súlyvesztést, miközben az érintett abban a hiszemben él, hogy tartja a meghatározott keretet.
A sportolók és a speciális diétát tartók számára szintén kockázatot jelent a makrotápanyagok hibás aránya. A ketogén diétát követők esetében a zsír alulbecslése miatt a napi tápanyagarányok felborulhatnak. Aaron Hengist, a kutatás egyik vezetője kiemelte, hogy a vizuális elemzés nagyszerű kényelmi funkció, de az adagok manuális korrekciója nélkül komoly tévedésekhez vezet.
A vizsgált AI kalóriakövető szoftverek méréstechnikai eredményei
| Alkalmazás (AI kalóriakövető funkció) | Átlagos kalóriaeltérés | Zsírbecsülési eltérés | Főbb tapasztalatok |
|---|---|---|---|
| MyFitnessPal | -250 és -345 kcal / étkezés | kb. -30 g / étkezés | A dúsabb, nagyobb energiatartalmú ételeknél pontosabb teljesítményt nyújtott. |
| LoseIt! | -250 és -345 kcal / étkezés | kb. -30 g / étkezés | Hasonlóan a MyFitnessPalhoz, a nagyobb kalóriás fogásokat jobban mérte. |
| CalAI | -250 és -345 kcal / étkezés | kb. -30 g / étkezés | A szénhidrátok beazonosításában egyenletesebb eredményeket hozott. |
| Appediet | -250 és -345 kcal / étkezés | kb. -30 g / étkezés | A ketogén, magas zsírtartalmú fogásoknál mérte a legjelentősebb eltérést. |
A magyar konyha zsírosabb fogásai még nagyobb kihívást jelentenek
Magyarországon is egyre több felhasználó támaszkodnak fotóalapú ételnaplókra a mindennapokban. A hazai konyha sajátosságai – a pörköltalapok, a szaftos húsok és a bő zsiradékban sütött ételek – különösen nehéz feladat elé állítják a látásalapú modelleket. Mivel a hagyományos magyar fogások jelentős része zsiradékban gazdag, a nemzetközi kísérletben tapasztalt zsír-alulbecslés a hazai felhasználóknál még halmozottabban jelentkezhet.
A fotós elemzés jövője és a biztonságos ételnaplózás
A fejlesztők és a táplálkozástudományi szakemberek szerint a kamerás elemzés önmagában még nem helyettesítheti a tudatos adagbevitelt. A közeli jövő megoldása a hibrid megközelítés lehet, ahol a mesterséges intelligencia képfelismerése csupán az első lépést jelenti az összetevők beazonosításában. A pontos méréshez elengedhetetlen marad a tömeg manuális megadása vagy a vonalkódos ellenőrzés.
Az elkövetkező években várhatóan finomodnak az algoritmusok, és a mélységérzékelő kamerák elterjedésével az adagok térfogatának becslése is pontosabbá válik. Addig viszont érdemes fenntartásokkal kezelni a tisztán fotó alapján kalkulált értékeket, és a képi diagnosztikát csak kiegészítő eszköznek tekinteni.
