اختبرت تتبع السعرات الحرارية بالذكاء الاصطناعي في المطاعم لمدة أسبوعين

تناول الطعام خارج المنزل هو المكان الذي تموت فيه تتبعات السعرات الحرارية. وجدت دراسة نشرت في عام 2024 في مجلة أكاديمية التغذية والحمية أن وجبات المطاعم تحتوي في المتوسط على 1,205 سعرات حرارية — ويقلل الزبائن هذا الرقم بنسبة تتراوح بين 30 إلى 50 في المئة عند التخمين. أردت اختبار ما إذا كان تتبع السعرات الحرارية بالذكاء الاصطناعي يمكن أن يسد هذه الفجوة. لذا قضيت أسبوعين أتناول 28 وجبة في المطاعم عبر أربع فئات، ملتقطًا صورة لكل طبق، وقارنت تقديرات الذكاء الاصطناعي بالبيانات الغذائية الفعلية من القوائم والتحليلات المخبرية.

كيف أعددت هذا الاختبار؟

قمت بتتبع كل وجبة مطعم من 24 مارس إلى 6 أبريل 2026. استخدمت ميزة الذكاء الاصطناعي في Nutrola لالتقاط صورة لكل طبق قبل تناوله. لجمع بيانات دقيقة، حصلت على معلومات غذائية من ثلاثة مصادر:

• بيانات التغذية المنشورة في القوائم (المتاحة في المطاعم الكبيرة وفقًا لقوانين وضع ملصقات السعرات الحرارية من FDA)
• إعادة بناء الوصفات باستخدام قوائم المكونات المقدمة من المطاعم حيثما كان ذلك ممكنًا
• تقديرات أخصائي التغذية المسجلين للمطاعم المستقلة التي لا تتوفر لها بيانات منشورة (استأجرت استشاري أخصائي تغذية لست وجبات)

تناولت الطعام في 22 مطعمًا مختلفًا عبر أربع فئات: الوجبات السريعة (8 وجبات)، المطاعم التقليدية/غير الرسمية (8 وجبات)، المأكولات العالمية (7 وجبات)، والبافيهات (5 وجبات). التقطت صورة لكل طبق في ظروف تناول الطعام الفعلية — دون إضاءة خاصة، ودون زوايا مرتفعة مصممة للكاميرا. فقط هاتفي موجه نحو الطاولة كما يفعل أي شخص عادي.

ما مدى دقة تتبع السعرات الحرارية بالذكاء الاصطناعي عبر أنواع المطاعم؟

إليك النتائج، متوسطة حسب فئة المطعم.

نوع المطعم	عدد الوجبات المختبرة	متوسط السعرات الفعلية	متوسط تقدير الذكاء الاصطناعي	متوسط الانحراف	نسبة الانحراف
الوجبات السريعة	8	847 kcal	812 kcal	-35 kcal	-4.1%
المطاعم التقليدية	8	1,143 kcal	1,024 kcal	-119 kcal	-10.4%
المأكولات العالمية	7	978 kcal	891 kcal	-87 kcal	-8.9%
البافيه	5	1,412 kcal	1,195 kcal	-217 kcal	-15.4%
المجموع الكلي	28	1,067 kcal	972 kcal	-95 kcal	-8.9%

النمط واضح. الذكاء الاصطناعي يعمل بشكل أفضل مع الوجبات المميزة بصريًا والمقاييس الموحدة (الوجبات السريعة) ويواجه أكبر التحديات مع الأطباق المختلطة أو المكدسة (البافيهات).

لماذا كانت الوجبات السريعة هي الفئة الأكثر دقة؟

كانت الوجبات السريعة هي المجال الذي يتفوق فيه الذكاء الاصطناعي. البرغر، البطاطا المقلية، قطع الدجاج، والتورتيلا لها أشكال موحدة، وأحجام حصص متسقة، وغالبًا ما تكون مرئية على الطبق دون أن تُخفى تحت الصلصات أو عناصر أخرى.

وجبة سريعة	السعرات الفعلية	تقدير الذكاء الاصطناعي	الانحراف
ماكدونالدز بيغ ماك + بطاطا مقلية متوسطة	1,080 kcal	1,045 kcal	-3.2%
بوريتو دجاج تشيبوتل	1,005 kcal	960 kcal	-4.5%
ساندويتش ديك رومي 6 إنش من صب واي	480 kcal	495 kcal	+3.1%
وجبة دجاج من KFC مع سلطة الكول سلو	1,120 kcal	1,065 kcal	-4.9%
ساندويتش من Chick-fil-A + بطاطا مقلية	920 kcal	885 kcal	-3.8%
3 تاكوس مقرمشة + ناتشوز من تاكو بيل	870 kcal	840 kcal	-3.4%
تشيز برجر فايف قايز (بدون بطاطا مقلية)	840 kcal	810 kcal	-3.6%
مجموعة ديف من ويندي	1,060 kcal	995 kcal	-6.1%

كان متوسط الانحراف للوجبات السريعة 4.1 في المئة فقط. كما أن الذكاء الاصطناعي في Nutrola يقوم بمقارنة التعرف البصري مع قاعدة بيانات الطعام المعتمدة، التي تشمل العناصر القياسية من سلاسل المطاعم الكبرى. هذه الطريقة الهجينة — التقدير البصري بالإضافة إلى المطابقة مع قاعدة البيانات — تمنحها ميزة على التقدير القائم على الصور فقط.

ماذا يحدث مع وجبات المطاعم التقليدية؟

قدمت المطاعم التقليدية التحديات الحقيقية الأولى. يختلف التقديم بشكل كبير. قد يكون شريحة سمك السلمون المشوي في مطعم ما 6 أونصات؛ بينما في مطعم آخر، قد تكون 8 أونصات. تُضاف الصلصات، ويُذاب الزبد في الخضار، وتصل سلال الخبز قبل بدء الوجبة.

وجبة مطعم تقليدي	السعرات الفعلية	تقدير الذكاء الاصطناعي	الانحراف	التحدي الرئيسي
سمك السلمون المشوي + خضار	785 kcal	710 kcal	-9.6%	الزبد على الخضار
دجاج بارميزان + مكرونة	1,340 kcal	1,180 kcal	-11.9%	عمق طبقة الجبنة
شريحة لحم (10 أونصات) + بطاطا مشوية	1,290 kcal	1,150 kcal	-10.9%	الدهون غير المرئية
سلطة سيزر + دجاج مشوي	680 kcal	640 kcal	-5.9%	كمية الصلصة
سمك مقلي وبطاطا	1,180 kcal	1,050 kcal	-11.0%	سمك البانكو
برغر + حلقات بصل	1,420 kcal	1,285 kcal	-9.5%	امتصاص العجين
مكرونة كاربونارا	1,050 kcal	940 kcal	-10.5%	نسبة الكريمة/البيض/الجبنة
ساندويتش دجاج مشوي + سلطة	895 kcal	840 kcal	-6.1%	انتشار المايونيز/الصلصة

كان السبب الرئيسي وراء التقليل من التقدير هو الدهون غير المرئية. الزبدة المذابة في البروكلي المطبوخ على البخار، والزيت الممزوج بالمكرونة، والصلصات الكريمية — لم يتمكن الذكاء الاصطناعي من رؤية ما تم امتصاصه في الطعام. هذه هي قيود أساسية لأي طريقة تقدير بصرية، سواء كانت بالذكاء الاصطناعي أو بشرية.

كيف يتعامل الذكاء الاصطناعي مع المأكولات العالمية والدولية؟

كانت هذه الفئة التي كنت أكثر فضولًا بشأنها. تقدم المأكولات العالمية تحديات فريدة: تركيبات أطباق غير مألوفة، خلطات معقدة من التوابل والزيوت، وقلة التوحيد بين المطاعم.

وجبة من المأكولات العالمية	السعرات الفعلية	تقدير الذكاء الاصطناعي	الانحراف	التحدي الرئيسي
دجاج تيكا ماسالا + نان + أرز	1,180 kcal	1,040 kcal	-11.9%	الكريمة/السمن في الصلصة
باد تاي مع الجمبري	920 kcal	855 kcal	-7.1%	الزيت في النودلز
طبق سوشي (12 قطعة + 2 لفائف)	785 kcal	750 kcal	-4.5%	كثافة الأرز تختلف
طبق شاورما دجاج	1,050 kcal	935 kcal	-11.0%	الطحينة والزيت
فوه مع لحم البقر (كبير)	720 kcal	690 kcal	-4.2%	محتوى الدهون في المرق
إنشيلاداس (3) مع أرز وفاصوليا	1,210 kcal	1,095 kcal	-9.5%	الجبنة داخل التورتيلا
طبق إثيوبي (3 أطباق + إنجيرا)	980 kcal	870 kcal	-11.2%	الزبدة المتبلة في اليخنات

أداء السوشي والفوه كان جيدًا لأن المكونات واضحة بصريًا — يمكنك عد قطع السوشي ورؤية النودلز في مرق واضح. أما أسوأ الأداءات فكانت الأطباق التي تحتوي على دهون مخفية: الكاري الهندي المحمل بالسمن والكريمة، واليخنات الإثيوبية التي تحتوي على نيتير كيبي (زبدة متبلة)، والأطباق الشرق أوسطية التي تحتوي على الطحينة. طلبتني Nutrola لإضافة الزيوت عند إعداد الأطباق الهندية والشرق أوسطية، مما ساعد في تقليل الفجوة عندما قبلت تلك الطلبات.

لماذا تعتبر البافيهات الأصعب في التتبع؟

كانت البافيهات كارثة من حيث الدقة، وبصراحة، كنت أتوقع ذلك. تتراكم التحديات فوق بعضها البعض.

تحدي البافيه	التأثير على الدقة
الأطعمة المكدسة/المتداخلة	الذكاء الاصطناعي لا يمكنه رؤية العناصر الموجودة تحتها
حصص مختلطة من محطات متعددة	صعوبة في تحديد العناصر الفردية
الصلصات والمرقات المتجمعة على الطبق	فشل تقدير الحجم
رحلات متعددة (2-3 أطباق)	يجب تصوير كل طبق على حدة
الإضاءة الخافتة في العديد من البافيهات	تقليل جودة الصورة

وجبة بافيه	السعرات الفعلية	تقدير الذكاء الاصطناعي	الانحراف
بافيه صيني (طبقين)	1,580 kcal	1,290 kcal	-18.4%
بافيه هندي (طبقين)	1,490 kcal	1,240 kcal	-16.8%
بافيه إفطار في فندق	1,020 kcal	910 kcal	-10.8%
مطعم برازيلي	1,650 kcal	1,380 kcal	-16.4%
بافيه بيتزا (4 شرائح + سلطة)	1,320 kcal	1,155 kcal	-12.5%

كانت البافيهات الصينية والهندية هي الأسوأ من حيث الدقة لأن الصلصات أخفت ما كان تحتها. في البافيه الصيني، غطت الصلصة الحلوة والحامضة قطع الدجاج تمامًا، مما جعل تقدير الحصة شبه مستحيل من خلال الصورة. بينما كان أداء بافيه الإفطار في الفندق أفضل لأن العناصر كانت منتشرة عبر الطبق — البيض، الخبز، اللحم المقدد، الفاكهة — كل شيء واضح للعين.

هل تؤثر الإضاءة الخافتة على دقة تتبع السعرات الحرارية بالذكاء الاصطناعي؟

نعم، بشكل كبير. تتبعت ظروف الإضاءة لجميع الوجبات الـ28 ووجدت ارتباطًا واضحًا.

حالة الإضاءة	عدد الوجبات	متوسط الانحراف
إضاءة ساطعة/طبيعية	11	-5.8%
إضاءة داخلية قياسية	12	-9.2%
إضاءة خافتة/مزاجية	5	-14.1%

كانت الوجبات الخمس ذات الإضاءة الخافتة (وجبتان في مطعم راقٍ، بار واحد، وبافيهين في المساء) لديها تقريبًا 2.5 مرة من الانحراف مقارنة بالوجبات ذات الإضاءة الجيدة. ساعد الفلاش في بعض الحالات، لكنه خلق ظلالًا قاسية تسببت في ارتباك تقدير الحصة في حالتين. كانت أفضل طريقة هي زيادة سطوع الشاشة واستخدامها كمصدر ضوء ناعم قبل التقاط الصورة.

كيف تؤثر الأطباق المشتركة وتناول الطعام بأسلوب العائلة على التتبع؟

كانت ثلاث من وجباتي بأسلوب العائلة، حيث تم مشاركة الأطباق عبر الطاولة. قدم ذلك مشكلة فريدة: كان يجب علي تقدير ما هي النسبة من كل طبق تناولتها شخصيًا.

بالنسبة لوجبة تايلاندية مشتركة (باد تاي، كاري أخضر، أرز مقلي، لفائف ربيان مقسمة بين شخصين)، كان الإجمالي الفعلي حوالي 2,100 سعر حراري للطاولة. قدرت أنني تناولت حوالي 55 في المئة بناءً على ما قدمته لنفسي. جاء تقدير الذكاء الاصطناعي لما كان على طبقي إلى 985 سعرًا حراريًا؛ بينما كان الرقم الفعلي بناءً على حصتي حوالي 1,155 سعرًا حراريًا — انحراف بنسبة 14.7 في المئة.

الحل هنا بسيط. التقط صورة لطبقك الخاص بعد تقديم الطعام لنفسك، وليس للأطباق المشتركة في وسط الطاولة. يعمل الذكاء الاصطناعي في Nutrola بشكل أفضل عند تحليل حصة شخص واحد على طبقه.

ما هي أفضل استراتيجية لتتبع وجبات المطاعم باستخدام الذكاء الاصطناعي؟

بعد 28 وجبة، طورت سير عمل ينتج باستمرار أفضل النتائج.

• التصوير من الأعلى بزاوية 45 درجة. التصوير مباشرة من الأعلى يflatten عمق الرؤية. زاوية طفيفة تسمح للذكاء الاصطناعي بتقدير ارتفاع الطعام وحجمه.
• فصل العناصر على طبقك عند الإمكان. حرك الأرز بعيدًا عن الكاري. اسحب السلطة إلى جانب واحد. الحدود البصرية الواضحة تحسن التعرف.
• دائمًا اقبل طلبات الزيت/الصلصة. عندما تسأل Nutrola إذا كانت الزيوت أو الصلصات قد أضيفت، قل نعم للطعام في المطاعم. كان ذلك غالبًا ما يحدث.
• سجل التوابل بشكل منفصل. الكاتشب، المايونيز، صلصة السلطة، صلصة الصويا — التقط صورًا لها على الجانب أو أضفها يدويًا.
• استخدم تسجيل الصوت للعناصر التي لا يمكنك تصويرها. سلة خبز قبل الوجبة مع الزبد، إعادة تعبئة مشروب، أو قضمة من حلوى شخص آخر. استخدمت ميزة تسجيل الصوت في Nutrola لأقول "دورتان من الخبز مع الزبد" وسجلتها في ثوانٍ.

كيف يقارن تتبع الصور بالذكاء الاصطناعي بالتقدير اليدوي في المطاعم؟

وفقًا لدراسة أجريت في عام 2023 في مراجعات السمنة، الأشخاص الذين يقدرون الوجبات في المطاعم يدويًا ينحرفون بنسبة 30 إلى 50 في المئة عن المحتوى الفعلي للسعرات الحرارية. بينما انحرف تتبعي المدعوم بالذكاء الاصطناعي بنسبة 8.9 في المئة في المتوسط. حتى في أسوأ الحالات — البافيهات في الإضاءة الخافتة — كانت نسبة انحراف الذكاء الاصطناعي تصل إلى حوالي 18 في المئة، مما لا يزال أفضل بكثير من التخمين غير المدعوم.

طريقة التقدير	متوسط الانحراف	أسوأ حالة انحراف
التخمين غير المدعوم (متوسط البحث)	30-50%	100%+
متتبع يدوي ذو خبرة	15-25%	40%
تقدير الصور بالذكاء الاصطناعي (هذا الاختبار)	8.9%	18.4%

البيانات واضحة: تتبع السعرات الحرارية بالذكاء الاصطناعي ليس مثاليًا، لكنه يتفوق بشكل كبير على التقدير البشري. بالنسبة لشخص يتناول الطعام خارج المنزل 3-5 مرات في الأسبوع، فإن هذا الفرق يتراكم ليصل إلى مئات السعرات الحرارية من التحسين في الدقة أسبوعيًا.

ما هي القيود الحقيقية لتتبع السعرات الحرارية بالذكاء الاصطناعي في المطاعم؟

بعد أسبوعين، يمكنني سرد السيناريوهات المحددة التي يفشل فيها تتبع السعرات الحرارية بالذكاء الاصطناعي باستمرار.

• الدهون والزيوت المخفية: المصدر الأكبر للخطأ. إذا تم امتصاصها في الطعام، فلا يمكن لأي كاميرا رؤيتها.
• الأطباق المكدسة أو المتراكبة: اللازانيا، التاكو المكدس، البرغر المحمل — لا يمكن للذكاء الاصطناعي تقدير ما بين الطبقات بدقة.
• الأطعمة ذات الألوان الداكنة في الإضاءة الخافتة: صلصة المول على دجاج داكن في مطعم مضاء بشكل خافت يكاد يكون من المستحيل تحليله بصريًا.
• التتبيلات والصلصات ذات السعرات الحرارية العالية: ملعقة كبيرة من صلصة الرانش تضيف 73 سعرًا حراريًا. ملعقتان كبيرتان من صلصة الفول السوداني تضيف 190 سعرًا حراريًا. هذه الأحجام الصغيرة تحمل وزنًا حراريًا كبيرًا.
• أحجام الحصص التي تختلف حسب المطعم: يمكن أن تكون "حصة من البطاطا المقلية" 200 سعر حراري في مكان ما و500 في مكان آخر.

على الرغم من هذه القيود، فإن عامل الراحة كبير. قضاء 5 ثوانٍ في تصوير طبق مقابل قضاء 5 دقائق في البحث في قاعدة بيانات وتخمين الأحجام هو فرق ذو معنى. على مدار أسبوعين، قدرت أن طريقة الذكاء الاصطناعي في التصوير وفرت لي حوالي 45 دقيقة من وقت التسجيل اليدوي بينما قدمت دقة أفضل بكثير مما كنت سأحققه بمفردي.

الحكم النهائي: هل يجب عليك استخدام تتبع السعرات الحرارية بالذكاء الاصطناعي في المطاعم؟

بالنسبة لأي شخص يتناول الطعام خارج المنزل بانتظام، يعد تتبع السعرات الحرارية بالذكاء الاصطناعي هو الحل الأكثر عملية المتاح اليوم. لن يتطابق مع دقة وزن الطعام في المنزل، وسينقص بشكل منهجي من تقديرات الوجبات التي تحتوي على دهون مخفية. لكن نسبة الانحراف المتوسطة التي قمت بقياسها والتي تبلغ 8.9 في المئة تقع ضمن هامش مقبول لمعظم أهداف التغذية.

أنتجت طريقة Nutrola التي تجمع بين الذكاء الاصطناعي في التصوير مع قاعدة بيانات موثوقة من أخصائي التغذية وطلبات ذكية للزيوت والصلصات أفضل النتائج في اختباري. كما ملأت ميزة تسجيل الصوت الفجوات للعناصر التي لم أتمكن من تصويرها. بسعر ابتدائي يبلغ 2.50 يورو فقط في الشهر، فإن تحسين الدقة مقارنة بالتخمين اليدوي في المطاعم يبرر التكلفة مرات عديدة.

الخلاصة: التتبع المثالي في المطاعم مستحيل بغض النظر عن الطريقة. لكن تتبع الصور بالذكاء الاصطناعي يقترب بما يكفي لتحقيق تقدم ملموس في أهدافك الغذائية دون العوائق التي تجعل معظم الناس يتوقفون عن التتبع عند تناول الطعام خارج المنزل.