اختبرت 4 تطبيقات ذكاء اصطناعي لتتبع السعرات الحرارية جنبًا إلى جنب لمدة أسبوعين

على مدار أسبوعين، قمت بتسجيل كل وجبة في أربعة تطبيقات مختلفة لتتبع السعرات الحرارية بالذكاء الاصطناعي في وقت واحد. نفس الوجبات، نفس الصور، نفس التوقيت. Nutrola وCal AI وFoodvisor وSnapCalorie — تعمل بالتوازي، يوميًا، لمدة 14 يومًا. قمت بوزن كل وجبة محضرة في المنزل على ميزان مطبخ وحسبت السعرات الحرارية الفعلية باستخدام قيم USDA FoodData Central كمرجع أساسي.

كان الهدف بسيطًا: معرفة أي تطبيق ينتج سجل طعام أكثر موثوقية خلال فترة واقعية مدتها أسبوعان. ليس عرضًا منسقًا مع إضاءة مثالية وأطعمة فردية، بل الحياة الواقعية — الطبخ المنزلي، وجبات المطاعم، الوجبات الخفيفة المعبأة، جولات القهوة، ولحظات "نسيت تصوير ذلك".

إليكم ما حدث.

الإعداد والقواعد الأساسية

الأجهزة: iPhone 15 Pro (لاستخدام LiDAR في SnapCalorie)، مع تثبيت جميع التطبيقات الأربعة وتسجيل الدخول.

بروتوكول الوزن: جميع الأطعمة المحضرة في المنزل تم وزنها على ميزان مطبخ بدقة 0.1 جرام قبل التقديم. تم حساب السعرات الحرارية الحقيقية باستخدام قيم USDA. تم تقدير وجبات المطاعم باستخدام قيم USDA لأطباق مماثلة (حدود ذاتية — الحقيقة في المطاعم دائمًا تقريبية).

التصوير: تم تقديم نفس الصورة لجميع التطبيقات الأربعة. صورة واحدة من الأعلى لكل وجبة، تم التقاطها تحت أي إضاءة متاحة (لم يتم تحسينها لأي تطبيق).

بروتوكول التصحيح: لكل تطبيق، قضيت ما يصل إلى 30 ثانية لتصحيح الأخطاء الواضحة باستخدام أي أدوات يوفرها التطبيق. هذا يحاكي مستخدمًا حقيقيًا يلاحظ خطأ ولكنه لا يريد قضاء دقائق في إصلاحه.

ما قمت بتتبعه: الوقت لكل تسجيل (ساعة توقيت)، التقدير الأولي للسعرات الحرارية بواسطة الذكاء الاصطناعي، السعرات الحرارية المسجلة النهائية (بعد التصحيح)، المجموع اليومي مقابل الحقيقة، الإحباطات الملحوظة، وأي ميزات أحدثت فرقًا ملحوظًا.

الأسبوع الأول: الأيام 1-7

اليوم الأول (الإثنين): يوم طبخ منزلي عادي

الإفطار: شوفان مبلل (80 جرام شوفان، 200 مل حليب كامل الدسم، 1 موزة، 1 ملعقة كبيرة عسل، 15 جرام لوز). الحقيقة: 520 سعرة حرارية.

التطبيق	التقدير الأولي	بعد التصحيح	الوقت	الملاحظات
Cal AI	340 سعرة	340 سعرة	4 ثواني	لم يحتسب العسل واللوز تمامًا. لا توجد طريقة لإضافتهما.
SnapCalorie	365 سعرة	365 سعرة	6 ثواني	تقدير أفضل للحصة عبر 3D لكنه لا يزال فاته مكونات مخفية.
Foodvisor	380 سعرة	420 سعرة	15 ثانية	حدد الشوفان والموز. بحثت يدويًا عن العسل.
Nutrola	410 سعرة	505 سعرة	18 ثانية	الذكاء الاصطناعي حدد الشوفان والموز. أضفت صوتيًا "ملعقة كبيرة من العسل و15 جرام لوز." تطابق قاعدة البيانات مع كليهما.

الغداء: سلطة يونانية معبأة من السوبرماركت (الباركود متاح). الحقيقة: 340 سعرة (حسب الملصق).

التطبيق	التقدير الأولي	بعد التصحيح	الوقت	الملاحظات
Cal AI	280 سعرة	280 سعرة	5 ثواني	لا توجد خيار باركود. تقدير الصورة كان منخفضًا (فاته الصلصة).
SnapCalorie	295 سعرة	295 سعرة	7 ثواني	نفس المشكلة. لا يوجد باركود.
Foodvisor	340 سعرة	340 سعرة	4 ثواني	مسح الباركود تطابق تمامًا.
Nutrola	340 سعرة	340 سعرة	3 ثواني	مسح الباركود. تطابق دقيق. أسرع تسجيل في اليوم.

العشاء: دجاج مقلي منزلي (200 جرام فخذ دجاج، 150 جرام بروكلي، 100 جرام فلفل رومي، 200 جرام أرز، 1.5 ملعقة كبيرة زيت سمسم، 2 ملعقة كبيرة صلصة الصويا). الحقيقة: 785 سعرة.

التطبيق	التقدير الأولي	بعد التصحيح	الوقت	الملاحظات
Cal AI	490 سعرة	490 سعرة	5 ثواني	فاته تمامًا زيت الطهي. 295 سعرة أقل.
SnapCalorie	520 سعرة	520 سعرة	8 ثواني	ساعدت 3D في تقدير حجم الأرز لكن الزيت لا يزال غير مرئي.
Foodvisor	530 سعرة	580 سعرة	20 ثانية	حدد القلي. أضفت الزيت يدويًا لكن لم أتمكن من العثور إلا على "زيت نباتي" وليس زيت السمسم.
Nutrola	560 سعرة	755 سعرة	22 ثانية	الذكاء الاصطناعي حدد القلي والأرز. أضفت صوتيًا "ملعقة ونصف زيت سمسم." قاعدة البيانات كانت تحتوي على إدخال دقيق. قريبة من الحقيقة.

إجمالي اليوم الأول:

التطبيق	الإجمالي المسجل	الحقيقة	الخطأ	نسبة الخطأ
Cal AI	1,576 سعرة	2,105 سعرة	-529 سعرة	-25.1%
SnapCalorie	1,648 سعرة	2,105 سعرة	-457 سعرة	-21.7%
Foodvisor	1,808 سعرة	2,105 سعرة	-297 سعرة	-14.1%
Nutrola	2,058 سعرة	2,105 سعرة	-47 سعرة	-2.2%

اليوم الأول وضع نمطًا سيتكرر طوال الاختبار. فجوة زيت الطهي وحدها كانت مسؤولة عن معظم الخطأ في التطبيقات المعتمدة على الصور فقط.

اليوم الثالث (الأربعاء): يوم غداء في مطعم

كانت وجبة المطعم الاختبار الأكثر كشفًا. تناولت دجاج تيكا ماسالا مع نان وأرز في مطعم هندي. لم أتمكن من وزن هذه الوجبة، لكنني قدرت الحقيقة بحوالي 950 سعرة حرارية بناءً على قيم USDA لأجزاء المطاعم المماثلة.

التطبيق	التقدير	الملاحظات
Cal AI	620 سعرة	أقل بكثير. اعتبرها حصة أصغر مما تم تقديمه.
SnapCalorie	680 سعرة	تقدير أفضل للحصة لكن لا يزال منخفضًا. فاته الكريمة/الزبدة في الصلصة.
Foodvisor	740 سعرة	أقرب. حدد "تيكا ماسالا" مما ساعد في سحب بيانات أفضل.
Nutrola	890 سعرة	الذكاء الاصطناعي حدد تيكا ماسالا. إدخال قاعدة البيانات لتيكا ماسالا على طراز المطعم شمل محتوى الكريمة/الزبدة النموذجي. أكدت الحصة على أنها "كبيرة."

اليوم الخامس (الجمعة): تحدي السموذي والقهوة

سموذي الصباح (موز، حليب لوز، زبدة فول سوداني، بروتين مصل اللبن، سبانخ — في زجاجة غير شفافة). الحقيقة: 450 سعرة. لاتيه بعد الظهر (حليب شوفان، كبير، 2 مضخة فانيليا). الحقيقة: حوالي 290 سعرة.

نتائج السموذي:

التطبيق	التقدير	الملاحظات
Cal AI	180 سعرة	رأى زجاجة داكنة. تخمين أساسي.
SnapCalorie	210 سعرة	قياس حجم الزجاجة 3D لكن لم يتمكن من تحديد المحتويات.
Foodvisor	195 سعرة	نفس القيد. رأى الحاوية، وليس المحتويات.
Nutrola	435 سعرة	قمت بتسجيل الوصفة صوتيًا. قاعدة البيانات تطابقت مع كل مكون. الصورة كانت غير مفيدة (تخطيتها).

نتائج اللاتيه:

التطبيق	التقدير	الملاحظات
Cal AI	130 سعرة	تم التعرف عليه كـ "قهوة" بشكل عام.
SnapCalorie	150 سعرة	قياس حجم الكوب، خمن "لاتيه."
Foodvisor	160 سعرة	تم التعرف عليه كـ "لاتيه" لكن استخدم افتراض الحليب العادي.
Nutrola	275 سعرة	قمت بتسجيل صوتيًا "لاتيه شوفان كبير مع مضختين فانيليا." قاعدة البيانات كانت تحتوي على إدخال لاتيه شوفان على طراز ستاربكس.

هذا اليوم أبرز لماذا يعتبر التسجيل الصوتي مهمًا. كانت التطبيقات المعتمدة على الصور عمياء بشكل أساسي تجاه المشروبات والحاويات غير الشفافة.

ملخص الأسبوع الأول

المقياس	Cal AI	SnapCalorie	Foodvisor	Nutrola
متوسط السعرات الحرارية المسجلة يوميًا	1,640 سعرة	1,720 سعرة	1,870 سعرة	2,145 سعرة
متوسط السعرات الحرارية الحقيقة يوميًا	2,180 سعرة	2,180 سعرة	2,180 سعرة	2,180 سعرة
متوسط الخطأ اليومي	-540 سعرة	-460 سعرة	-310 سعرة	-35 سعرة
متوسط نسبة الخطأ اليومية	-24.8%	-21.1%	-14.2%	-1.6%
متوسط الوقت لكل وجبة	5.2 ثواني	7.1 ثواني	16.4 ثواني	17.8 ثواني
الوجبات التي كان فيها باركود متاح	8	8	8	8
الوجبات التي تم فيها استخدام الباركود	0	0	8	8
لحظات الإحباط	12	9	5	2

ملاحظات الأسبوع الأول:

كان Cal AI الأسرع باستمرار لكنه أيضًا الأقل دقة. كانت السرعة جيدة في اللحظة، لكن المجموعات اليومية كانت خاطئة بشكل كبير — 540 سعرة حرارية يوميًا من التقليل ستلغي تمامًا عجز الوزن النموذجي.

ساعدت تقنية المسح ثلاثي الأبعاد في SnapCalorie في تقدير أحجام الحصص للوجبات المجهزة، لكنها لم تعالج القضية الأساسية للمكونات غير المرئية (الزيوت، المكونات المخفية، المشروبات).

كان المسح بالباركود في Foodvisor ميزة كبيرة مقارنة بـ Cal AI وSnapCalorie للأطعمة المعبأة. كانت ميزة اختصاصي التغذية موجودة لكنني لم أستخدمها في الوقت الفعلي لأن تأخير التعليقات كان غير عملي لاتخاذ القرارات اليومية.

غطت مزيج Nutrola من التسجيل الصوتي والمسح بالباركود أكبر فجوتين في الدقة: المكونات غير المرئية والأطعمة المعبأة. كانت الـ 12 ثانية الإضافية لكل وجبة مقارنة بـ Cal AI بالكاد ملحوظة في الممارسة العملية.

الأسبوع الثاني: الأيام 8-14

اليوم الثامن (الإثنين): يوم تحضير الوجبات

قمت بطهي خمس وجبات غداء دفعة واحدة: صدور دجاج، بطاطا حلوة، وفاصوليا خضراء. نفس الوجبة، نفس الحصص، تم تسجيلها يوميًا.

كان هذا اختبار الاتساق. يجب أن تنتج نفس الوجبة المسجلة خمس مرات نفس عدد السعرات الحرارية خمس مرات.

التطبيق	اليوم 8	اليوم 9	اليوم 10	اليوم 11	اليوم 12	النطاق
Cal AI	445	410	465	425	455	55 سعرة انتشار
SnapCalorie	430	440	420	445	435	25 سعرة انتشار
Foodvisor	480	480	485	480	480	5 سعرة انتشار
Nutrola	495	495	495	495	495	0 سعرة انتشار

الحقيقة (وزنها وحسبت): 490 سعرة.

كان نطاق 55 سعرة في Cal AI عبر وجبات متطابقة نتيجة مباشرة لهندسة الذكاء الاصطناعي فقط — الصور المختلفة أدت إلى تقديرات مختلفة. قللت تقنية المسح ثلاثي الأبعاد في SnapCalorie من التباين. حافظت قاعدة بيانات Foodvisor على ثباتها تقريبًا. كانت Nutrola متسقة تمامًا لأنني سجلت نفس إدخال قاعدة البيانات (تم حفظه كقالب وجبة بعد اليوم الثامن) في كل مرة.

اليوم 11 (الخميس): عشاء اجتماعي

عشاء في منزل صديق. أطباق متعددة، تقديم مشترك، لا إمكانية لوزن الطعام. هذا هو أصعب سيناريو واقعي لأي تطبيق تتبع سعرات حرارية.

تضمنت الأطباق باستا كاربونارا، سلطة سيزر، خبز بالثوم، وتيراميسو. قدرت حصصي بصريًا وحسبت الحقيقة بحوالي 1,200 سعرة لهذه الوجبة.

التطبيق	التقدير	الملاحظات
Cal AI	680 سعرة	صورت الطبق مرة واحدة فقط. اعتبره الذكاء الاصطناعي وجبة باستا معتدلة. فاته الحلوى (تناولتها قبل أن أتذكر تصويرها).
SnapCalorie	720 سعرة	نفس صورة الطبق. ساعدت 3D في تقدير حجم المعكرونة. فاته أيضًا الحلوى.
Foodvisor	810 سعرة	صورت الطبق، ثم تذكرت أن أضيف التيراميسو يدويًا من قاعدة البيانات.
Nutrola	1,080 سعرة	صورت الطبق. حدد الذكاء الاصطناعي الكاربونارا والسلطة. أضفت صوتيًا "قطعتين خبز بالثوم مع زبدة" و"شريحة واحدة من التيراميسو، حوالي 150 جرام." كل ذلك من قاعدة البيانات.

كشفت العشاء الاجتماعي عن هشاشة سير العمل المعتمد على الصور فقط. إن نسيان تصوير دورة واحدة (الحلوى) خلق فجوة تتراوح بين 200-400 سعرة لم تتمكن التطبيقات المعتمدة على الصور من التعافي منها. سمح لي تسجيل Nutrola الصوتي بإضافة الدورة المفقودة بعد ذلك.

اليوم 14 (الأحد): يوم الفطور والوجبات الخفيفة

يوم مع فطور كبير (بيض بنديكت مع سمك مدخن، بطاطا مقلية، سلطة فواكه، عصير برتقال، وكابوتشينو) والعديد من الوجبات الخفيفة الصغيرة طوال فترة بعد الظهر.

كانت الوجبات الخفيفة تكشف بشكل خاص. تناولت حفنة من مزيج المكسرات (تقدير 180 سعرة)، بار بروتين (باركود: 210 سعرة)، تفاحة (95 سعرة)، وبعض الشوكولاتة الداكنة (150 سعرة). هذه الوجبات الخفيفة السريعة سهلة النسيان أو التقدير بشكل خاطئ.

التطبيق	تقدير الفطور	إجمالي الوجبات الخفيفة	إجمالي اليوم	الحقيقة	الخطأ
Cal AI	580 سعرة	320 سعرة	1,890 سعرة	2,450 سعرة	-560 سعرة
SnapCalorie	620 سعرة	340 سعرة	1,960 سعرة	2,450 سعرة	-490 سعرة
Foodvisor	710 سعرة	485 سعرة	2,185 سعرة	2,450 سعرة	-265 سعرة
Nutrola	820 سعرة	615 سعرة	2,380 سعرة	2,450 سعرة	-70 سعرة

كانت صلصة الهولنديز في الفطور هي الفارق الكبير — لم تحسب Cal AI وSnapCalorie تقريبًا. أعطى مسح باركود بار البروتين لـ Foodvisor وNutrola بيانات دقيقة. تطلب مزيج المكسرات وصفًا صوتيًا ("حفنة من مزيج المكسرات، حوالي 40 جرام") لتحقيق أي دقة.

ملخص الأسبوع الثاني

المقياس	Cal AI	SnapCalorie	Foodvisor	Nutrola
متوسط السعرات الحرارية المسجلة يوميًا	1,580 سعرة	1,680 سعرة	1,910 سعرة	2,190 سعرة
متوسط السعرات الحرارية الحقيقة يوميًا	2,220 سعرة	2,220 سعرة	2,220 سعرة	2,220 سعرة
متوسط الخطأ اليومي	-640 سعرة	-540 سعرة	-310 سعرة	-30 سعرة
متوسط نسبة الخطأ اليومية	-28.8%	-24.3%	-14.0%	-1.4%
متوسط الوقت لكل وجبة	5.0 ثواني	6.8 ثواني	15.8 ثواني	16.2 ثواني

كانت أخطاء الأسبوع الثاني أسوأ قليلاً من الأسبوع الأول بالنسبة للتطبيقات المعتمدة على الذكاء الاصطناعي فقط لأن الوجبات الأكثر تعقيدًا ظهرت (مطعم، عشاء اجتماعي، فطور). في الواقع، تحسنت دقة Nutrola في الأسبوع الثاني حيث أصبحت أكثر ممارسة مع التسجيل الصوتي وبنيت مكتبة من الوجبات المحفوظة.

النتائج الكاملة لمدة 14 يومًا

المقياس	Cal AI	SnapCalorie	Foodvisor	Nutrola
إجمالي السعرات الحرارية المسجلة (14 يومًا)	22,540	23,800	26,460	30,345
إجمالي السعرات الحرارية الحقيقة	30,800	30,800	30,800	30,800
إجمالي خطأ السعرات الحرارية	-8,260	-7,000	-4,340	-455
متوسط نسبة الخطأ اليومية	-26.8%	-22.7%	-14.1%	-1.5%
اتجاه الخطأ	تحت التقدير باستمرار	تحت التقدير باستمرار	تحت التقدير باستمرار	عشوائي (بعض فوق، بعض تحت)
أسوأ خطأ في يوم واحد	-780 سعرة	-650 سعرة	-420 سعرة	-95 سعرة
أفضل خطأ في يوم واحد	-320 سعرة	-280 سعرة	-140 سعرة	+15 سعرة
متوسط الوقت لكل وجبة	5.1 ثواني	7.0 ثواني	16.1 ثواني	17.0 ثواني
إجمالي الوقت المستغرق في التتبع اليومي	~25 ثانية	~35 ثانية	~80 ثانية	~85 ثانية
عدد مسحات الباركود المستخدمة	0	0	16	16
عدد السجلات الصوتية المستخدمة	0	0	0	38
الوجبات التي تم نسيان تصويرها	4	4	4	0 (تم تسجيلها صوتيًا بعد ذلك)

النتائج الرئيسية

1. انحياز التقليل من السعرات الحرارية هو واقع وثابت

جميع التطبيقات الأربعة قللت من إجمالي السعرات الحرارية المستهلكة، لكن الحجم اختلف بشكل كبير. التقليل من السعرات الحرارية بمقدار 8,260 سعرة في Cal AI على مدار 14 يومًا يعادل 2.4 رطل من الدهون في الجسم — مستخدم يعتمد على Cal AI لعجز الوزن سيعتقد أنه فقد 2.4 رطل أكثر مما فعله فعليًا بعد أسبوعين فقط.

التقليل هو نظامي، وليس عشوائيًا، لأن أكثر الأخطاء الشائعة في الذكاء الاصطناعي (الزيوت الطهي غير المرئية، المكونات المخفية، التقليل من تقدير الصلصات) جميعها تسبب نقصًا بدلاً من زيادة.

2. التسجيل الصوتي هو أكثر الميزات التي تم التقليل من قيمتها في تتبع السعرات الحرارية

مثلت السجلات الصوتية 38 إدخالًا عبر 14 يومًا — بشكل أساسي الزيوت الطهي، السموذي، مشروبات القهوة، والوجبات التي تم نسيان تصويرها. مثلت هذه السجلات الصوتية الـ 38 حوالي 5,200 سعرة كانت ستفقد أو تُقدر بشكل خاطئ في تطبيق يعتمد فقط على الصور.

3. مسح الباركود هو أسهل فوز في الدقة

ستة عشر مسح باركود على مدار 14 يومًا. كل واحد استغرق 2-3 ثوانٍ وأنتج بيانات دقيقة بنسبة 99%+. أجبرت Cal AI وSnapCalorie على تقدير الصور لكل واحد من هذه المنتجات المعبأة — باستخدام طريقة دقة تتراوح بين 85-92% عندما كانت طريقة دقة 99%+ متاحة.

4. الفروق في السرعة غير ملحوظة في الممارسة

الفرق بين Cal AI (25 ثانية يوميًا) وNutrola (85 ثانية يوميًا) هو 60 ثانية — دقيقة واحدة من الجهد الإضافي اليومي لتحسين الدقة بنسبة 25 نقطة مئوية. بعبارة أخرى: دقيقة إضافية في اليوم ألغت 8,000 سعرة من الخطأ على مدار أسبوعين.

5. الاتساق مهم لتحليل الاتجاهات

أنتجت إدخالات Nutrola المرتكزة على قاعدة البيانات اتجاه سعرات حرارية سلس وموثوق عبر 14 يومًا. أنشأت تقديرات Cal AI المتغيرة اتجاهًا ضوضائيًا حيث كانت التقلبات اليومية مهيمنة من قبل تباين تقديرات الذكاء الاصطناعي بدلاً من تغييرات نمط الأكل الفعلية. إذا كنت تحاول تحديد ما إذا كانت عادات تناول الطعام في عطلة نهاية الأسبوع تختلف عن أيام الأسبوع، فأنت بحاجة إلى قواعد بيانات ثابتة لأيام الأسبوع — ولا يمكن أن توفرها التطبيقات المعتمدة على الذكاء الاصطناعي فقط.

الحكم النهائي

Cal AI سريع حقًا وبسيط بشكل مثير للإعجاب. بالنسبة لشخص يريد تجربة خالية من الاحتكاك ولا يحتاج إلى أرقام دقيقة، فإنه يعمل كأداة توعية. لكن نسبة الخطأ اليومية المتوسطة البالغة 26.8% تجعلها غير مناسبة لأي هدف يتطلب بيانات دقيقة. التجربة السريعة والنظيفة تتعرض للتقويض بسبب الأرقام في سجلك التي تكون خاطئة بشكل كبير.

SnapCalorie هو التطبيق الأكثر إثارة من الناحية التكنولوجية الذي تم اختباره. المسح ثلاثي الأبعاد ليس حيلة — لقد حسن بشكل ملحوظ تقدير الحصص للأطعمة المرئية. لكن التحسين كان متواضعًا (22.7% خطأ مقابل 26.8% لـ Cal AI) لأن أكبر الأخطاء تأتي من المكونات غير المرئية، وليس من حساب الحصص بشكل خاطئ. من الصعب تبرير التسعير المتميز (9-15 يورو/شهر) لتطبيق يعتمد فقط على الصور.

Foodvisor يحتل مكانة معقولة في المنتصف. يقلل المسح بالباركود والدعم الجزئي من قاعدة البيانات الخطأ بشكل كبير مقارنة بالتطبيقات المعتمدة على الذكاء الاصطناعي فقط. إنه يعمل بشكل أفضل مع الأطعمة الأوروبية ويتميز بشعور احترافي. ميزة اختصاصي التغذية هي عرض فريد لكن التأخير يجعلها غير عملية للتتبع في الوقت الفعلي.

Nutrola أنتجت أكثر سجلات الطعام دقة بفارق كبير — 1.5% خطأ متوسط مقابل 14-27% للمنافسين. تأتي الدقة ليس من ذكاء اصطناعي أفضل بشكل دراماتيكي ولكن من قاعدة البيانات الموثوقة التي تلتقط ما يفوته الذكاء الاصطناعي، والتسجيل الصوتي الذي يغطي ما لا يمكن التقاطه بالصور، والمسح بالباركود الذي يوفر بيانات دقيقة للمنتجات المعبأة. بسعر 2.50 يورو شهريًا بعد تجربة مجانية بدون إعلانات، يكلف أقل من كل تطبيق تفوق عليه.

الدقيقة الإضافية في اليوم هي المقايضة الحقيقية. Nutrola ليست أسرع تطبيق. تحتاج إلى بضع ثوانٍ إضافية لكل وجبة ومستخدم أكثر نشاطًا قليلاً (تأكيد إدخالات قاعدة البيانات، تسجيل المكونات المخفية صوتيًا). لكن النتيجة هي سجل طعام يعكس ما تناولته بالفعل — وهو الهدف الكامل من تتبع السعرات الحرارية.

بعد 14 يومًا من الاختبار المتوازي، فإن الاستنتاج واضح: أكثر تطبيقات تتبع السعرات الحرارية بالذكاء الاصطناعي موثوقية ليست تلك التي تحتوي على ذكاء اصطناعي الأكثر إثارة للإعجاب. إنها تلك التي تعرف متى لا يكون الذكاء الاصطناعي كافيًا ولديها قاعدة بيانات موثوقة، وتسجيل صوتي، ومسح باركود جاهز لملء الفجوات. كان هذا التطبيق، في هذا الاختبار، هو Nutrola.