cookrange

Mekanizma

Yapay zekâ yemek planı nasıl çalışır

Bir yapay zekâ yemek planında iki ayrı makine çalışır ve karıştırılmaları en yaygın yanlış anlama: hedef sayısı aritmetikle çıkar; öğünler ya üretilir ya seçilir. Günlük kalori ve makro hedefin yayınlanmış bir denklemin çıktısıdır ve aynı girdiyle her zaman aynı sonucu verir. O hedefi dolduran öğünler ise ya bir dil modelinin yazdığı metinden ya da malzemeleri belli tariflerden oluşan bir kütüphaneden gelir. Hangi sayıya ne kadar güvenebileceğin bu ayrımda saklı.

"Yapay zekâ" bu kategoride üç ayrı şeyi anlatıyor

Uygulamalar aynı kelimeyi çok farklı işler için kullanıyor ve pazarlama dili bunu bulanıklaştırıyor:

  • Plan kurmak: profilden bir hedef çıkarıp o hedefi dolduran haftalık öğün listesini kurmak. Cookrange ve Eat This Much bu grupta; Cookrange'de bu işi bir dil modeli değil, kuralları belli bir planlayıcı yapıyor.
  • Hedefi kayıtlardan geri hesaplamak: girdiğin öğünler ve kilo trendinden gerçek metabolizma hızını tahmin etmek. MacroFactor'ün yaklaşımı bu.
  • Görüntüden besin tanımak: tabak fotoğrafından ne yediğini çıkarmaya çalışmak. Bu, plan üretimiyle aynı şey değil ve doğruluğu çok daha değişken.

Üçünü tek bir "yapay zekâlı" etiketi altında görmek, hangi işi yapan uygulamayı aradığını bulmayı zorlaştırıyor. Kategori karşılaştırması yapay zekâ beslenme uygulamaları listesinde.

Adım 1: hedef sayısı — burada yapay zekâ yok

Günlük kalori hedefin bir tahmin değil, bir hesap. Boy, kilo, yaş ve cinsiyetten bazal metabolizma hızı çıkar; aktivite katsayısıyla çarpılıp toplam günlük enerji harcaması bulunur; hedefine göre bir açık ya da fazla uygulanır. Kullanılan denklem genellikle Mifflin-St Jeor'dur ve 1990'da yayınlanmıştır — aynı girdiyle her uygulamada aynı sayıyı verir.

Makro dağılımı da aynı şekilde aritmetik: gram cinsinden protein, karbonhidrat ve yağ, Atwater faktörleriyle (protein ve karbonhidrat 4 kcal/g, yağ 9 kcal/g) kaloriye dönüşür. Bunu kendin kontrol edebilirsin — sitedeki kalori hesaplayıcı ve bazal metabolizma hesaplayıcısı aynı denklemi çalıştırıyor ve girdiğin sayıları gösteriyor.

Sonuç: bu adımda bir uygulamanın "yapay zekâsı" ötekinden daha akıllı değil. Fark, denklemin hangi versiyonunu ve hangi aktivite katsayılarını kullandığında — yani bir tercih farkı, bir zekâ farkı değil.

Aynı hesabı elle yapmak istersen dört kararın sırası diyet listesi oluşturma sayfasında.

Adım 2: öğünler, burada iki yol var

Zor kısım bu. Bir haftanın bütün öğünlerinin, her birinin kalorisi ve makrosu günlük hedefe oturacak şekilde, birbirini tekrar etmeyecek ve gerçekten pişirilebilecek biçimde seçilmesi gerekiyor. Üstüne alerjenler, sevmediğin malzemeler ve mutfak gerçekliği biniyor.

Bu adımı bir dil modeli yapıyorsa doğal bir sonucu var: aynı girdiyle iki ayrı çalıştırma farklı plan verir. Bu bir hata değil, üretimin tanımı. Ama bir maliyeti var ve söylemek gerekiyor: tekrarlanabilirlik kaybı. Aynı planı bir daha istersen elde ettiğin şey benzer olur, aynı olmaz. Modelin yazdığı bir öğünün kalorisi de çoğu zaman modelin tahminidir.

İkinci yol, öğünleri hazır bir tarif kütüphanesinden seçmek. Burada makinenin işi yazmak değil, seçmek ve porsiyonlamak: hangi tarif hangi öğüne, hangi miktarda girerse gün hedefe oturur, aynı yemek kaç gün arayla tekrar edebilir, hangi tarif bir alerjen ya da olmayan bir mutfak aleti yüzünden hiç girmemeli. Kütüphanedeki her tarifin malzemesi belli olduğu için sayıları hesaplanabilir ve her alerjen kontrolü malzeme düzeyinde yapılabilir. Bedeli çeşitlilik: plan, kütüphanede olanla sınırlıdır.

Adım 3: sayıların nereden geldiği — ve en zayıf halka

Bir öğünün kalorisi üç farklı yolla gelebilir ve üçünün güvenilirliği aynı değil:

  • Veritabanı kaydı. Paketli bir ürünün barkodu bir veritabanında sorgulanır. Cookrange bunun için Open Food Facts kullanıyor; kapsamı ve boşlukları ayrı bir sayfada. Kayıt varsa bu en güvenilir yol.
  • Etiket. Üreticinin beyanı. Veritabanıyla etiket çelişiyorsa etiket doğrudur.
  • Model tahmini. Üretilen bir tarifin makrosu, malzemelerden hesaplanmadıysa tahmin edilmiş demektir. Zincirin en zayıf halkası budur ve kategoride en az konuşulan şey. Bir tabak "yaklaşık 520 kcal" diyorsa, o "yaklaşık" kelimesinin arkasında bazen geniş bir aralık vardır.

Pratik sonuç: bir öğünün kalorisini okumadan önce nereden geldiğini sor. Malzemelerden hesaplanmış bir değer ile bir modelin tahmini aynı güvenilirlikte değil; ikincisini kesin bir ölçüm gibi okumamalısın.

Aynı belirsizlik fotoğraf analizinde de var, ama orada bir farkla: tahmine bir güven puanı iliştiriliyor ve o puan sana gösteriliyor. Fotoğraftan kalori hesaplamanın nerede yanıldığı ayrı bir sayfada.

Bir planın bilemediği şeyler

Girdi olarak verilmeyen hiçbir şey plana giremez. Bu bir kusur değil, sınır — ama sınırı bilmek gerekiyor: kan tahlili sonuçların, kullandığın ilaçlar, gebelik, tanı almış bir hastalık, bütçen, mutfak becerin, o hafta buzdolabında ne olduğu ve o akşam gerçekten yemek yapacak enerjin olup olmadığı. Bunlardan bazıları için doğru muhatap bir uygulama değil; kimlerin bu araçları hiç kullanmaması gerektiğini ayrı bir sayfada yazdık.

Güvenmeden önce bakılacak beş şey

  1. Hedef sayısı nasıl çıkmış? Hangi denklem, hangi aktivite katsayısı. Söylemiyorsa sor.
  2. Besin verisi nereden geliyor? Adı konmuş bir veritabanı mı, tahmin mi.
  3. Alerjen filtresi üretimden önce mi çalışıyor, sonra mı? Sonra çalışan bir filtre, üretilmiş bir yemeği listeden silmekten öteye gitmez.
  4. Hedef gün içinde kendiliğinden değişiyor mu? Değişiyorsa neye göre ilerlediğini bilmek zorlaşır — bkz. net kalori.
  5. Tıbbi tavsiye vermediğini yazıyor mu? Yazmıyorsa bu bir uyarı işareti.

Cookrange'de bu adımlar nasıl çalışıyor

Somut örnek olarak: hedef aritmetikle çıkar ve sitedeki hesaplayıcıyla aynı hesaptır. Öğünleri bir dil modeli yazmaz; sunucudaki planlayıcı ikinci yolu izler ve tarifleri kütüphaneden seçer. Her tarifin kalorisi ve proteini malzemelerinden gram gram hesaplanır. Haftadaki her tarifin her malzemesi plan kurulurken sunucuda alerjilerine karşı kontrol edilir; çapraz bulaşmayı bilemez, tıbbi bir garanti değildir. Plan dışı bir şey yediğinde günün kalan öğünlerinin porsiyonu yeniden ayarlanır, hedefin kendisi değişmez. Adım adım anlatımı yapay zekâ ile yemek planı oluşturma sayfasında.

Bir sınır daha: planı kurmak hiçbir yapay zekâ çağrısı yapmadığı için günlük yapay zekâ hakkından düşmez. O hak (ücretsiz katmanda günde 2 yapay zekâ işlemi) sohbet ve tarif üretimi gibi işler için. Uygulama şu an v0.9.6 dahili alfa ve mağazalarda değil.

Sık sorulanlar

Cookrange bir diyetisyenin ya da doktorun yerini tutar mı?

Hayır. Kullanım Koşulları’nın sağlık feragatnamesi net: Cookrange bir tıbbi cihaz değildir, tıbbi tavsiye, teşhis ya da tedavi sunmaz — ürettiği beslenme ve antrenman önerileri yalnızca genel bilgilendirme ve motivasyon amaçlıdır. Mevcut bir sağlık problemin, hamileliğin ya da kronik bir rahatsızlığın varsa bir sağlık uzmanına danışmalısın. Detaylar Kullanım Koşulları’nda.

Barkod veritabanı hangi ülkeye özel?

Barkod taraması ülkeye özel bir veritabanına karşı çalışmaz. Cookrange, Open Food Facts’ten — küresel ve açık kaynaklı bir ürün veritabanı — veri çeker; bir ürün orada kayıtlıysa barkod eşleşir, kayıtlı değilse eşleşme bulunamaz. Detaylar için beslenme ve planlama sayfasına bakabilirsin.

Kaynaklar

  1. Mifflin MD, St Jeor ST ve ark. (1990). A new predictive equation for resting energy expenditure in healthy individuals. American Journal of Clinical Nutrition, 51(2), 241-247.
  2. Atwater genel faktörleri — karbonhidrat ve protein 4 kcal/g, yağ 9 kcal/g.
  3. Open Food Facts — açık, topluluk katkılı ürün veritabanı (ODbL).