تتبع التغذية بالذكاء الاصطناعي يواجه تحديات: لماذا لا تفهم التطبيقات ما نأكله بشكل دقيق؟

تتبع التغذية بالذكاء الاصطناعي: تُظهر أنظمة تتبع التغذية بالذكاء الاصطناعي العديد من المشكلات، حيث غالبًا ما تفتقر إلى الدقة وتزيد من صعوبة تسجيل الطعام بدلاً من تبسيطه. على الرغم من أن بعض التطبيقات الرائدة، مثل Ladder و Oura، تعد بتحليل الوجبات عبر التقاط الصور، إلا أنها تفشل بشكل متكرر في تحديد المكونات والكميات بدقة.

صعوبات تسجيل الطعام وقصور الذكاء الاصطناعي

تسجيل الطعام يدويًا: يُعد تسجيل الطعام يدويًا مهمة صعبة بالفعل، خاصة عند إعداد الوجبات المنزلية أو تناول الطعام في الخارج حيث تفتقر المطاعم غالبًا إلى توفير تفاصيل دقيقة حول السعرات الحرارية والمغذيات الكبرى. وتزداد هذه الصعوبة مع تداخل الذكاء الاصطناعي، حيث يظهر قصورًا في تقدير عناصر بسيطة مثل كميات الوافل أو زبدة الفول السوداني أو إضافات القهوة. كما يواجه تحديات كبيرة في التعرف على الأطعمة الثقافية المتنوعة أو البدائل الغذائية الصحية.

المشكلة الجوهرية وراء تحديات تتبع التغذية

تصحيح أخطاء الذكاء الاصطناعي: يتطلب تصحيح أخطاء الذكاء الاصطناعي في أدوات تتبع التغذية وقتًا طويلاً، مما يقوض الهدف الرئيسي من هذه التقنيات وهو التبسيط. تكمن المشكلة الجوهرية ليس في الافتقار إلى المعرفة الغذائية الأساسية، بل في التحدي المتمثل في تطبيقها بفعالية ومستدامة، وتعديل العادات السلوكية والعاطفية المرتبطة بتناول الطعام.

الهدف الحقيقي لتسجيل الطعام مقابل تصميم التطبيقات

الهدف من تسجيل الطعام: إن الهدف من تسجيل الطعام يتجاوز مجرد تحقيق أهداف معينة من السعرات الحرارية والمغذيات الكبرى؛ فهو يهدف إلى بناء وعي عميق بأنماط الأكل، وتعزيز اليقظة الغذائية. من المفترض أن يتوقف الأفراد عن تسجيل طعامهم بمجرد اكتسابهم الثقة في فهمهم لما يأكلونه ومتى. ومع ذلك، يميل مطورو التطبيقات غالبًا إلى تصميم منتجاتهم للحفاظ على مشاركة المستخدمين المستمرة، بدلاً من تمكينهم من تحقيق الاستقلالية الغذائية.