تتبع التغذية كمتحدث غير أصلي للإنجليزية: التعرف على الطعام بالذكاء الاصطناعي متعدد اللغات
معظم قواعد بيانات التغذية مبنية باللغة الإنجليزية. إذا كانت وجباتك تشمل الكونجي، أو البوبوسا، أو البورش، فإن التطبيقات التقليدية تفشل. إليك كيف يغير الذكاء الاصطناعي متعدد اللغات ذلك.
تخيل أنك تفتح تطبيق تتبع السعرات الحرارية بعد العشاء مع عائلتك. لقد أعددت اليوم دال مخاني مع أرز بالكمون، ورايتا خيار على الجانب، ولديك لاسي مانجو للشرب. تكتب "دال" في شريط البحث. يعرض لك التطبيق "موز دول" و"توابل ديل". تحاول بدلاً من ذلك "كاري العدس"، فتجد إدخالاً عاماً مع عدد سعرات يبدو خاطئاً، فتستسلم. غداً، لن تتعب نفسك بالتسجيل على الإطلاق.
هذه ليست مجرد إزعاج بسيط. إنها فشل هيكلي يؤثر على مئات الملايين من الناس حول العالم. تم تصميم الغالبية العظمى من تطبيقات تتبع التغذية باللغة الإنجليزية، مبنية على قواعد بيانات غذائية باللغة الإنجليزية، واختبرها مستخدمون يتحدثون الإنجليزية. إذا كانت وجباتك اليومية لا تتطابق بدقة مع مفردات متجر البقالة الغربي، فأنت فعلياً مغلق أمام النظام البيئي بأكمله لتتبع السعرات الحرارية.
في عام 2026، أصبح التعرف على الطعام بالذكاء الاصطناعي متعدد اللغات يحل هذه المشكلة أخيراً. يشرح هذا المقال كيف يعمل حاجز اللغة، ولماذا هو أكثر أهمية مما يدركه معظم الناس، وما تفعله التكنولوجيا لتفكيكه.
حجم المشكلة
الهيمنة الإنجليزية على بيانات التغذية
أكبر قاعدتين لبيانات تكوين الطعام في العالم هما USDA FoodData Central وUK Nutrient Databank. كلاهما باللغة الإنجليزية. كلاهما مُهيكل حول الأطعمة التي تُستهلك عادة في الولايات المتحدة والمملكة المتحدة. عندما يقوم مطورو التطبيقات ببناء منتجاتهم على هذه القواعد، فإن التجربة الناتجة تعمل بشكل جيد لشخص يتناول شطيرة ديك رومي في أوهايو، لكنها تنهار لشخص يتناول الأرز الجولوف في لاغوس أو الكاو صوي في شيانغ ماي.
وفقاً لـ Ethnologue، هناك حوالي 7168 لغة حية في العالم. الإنجليزية هي اللغة الأم لحوالي 380 مليون شخص. ومع ذلك، فإنها تهيمن على بنية بيانات التغذية بشكل كامل لدرجة أن حتى المتحدثين باللغة الماندرين (اللغة الأكثر تحدثاً في العالم مع أكثر من 920 مليون متحدث أصلي) غالباً ما يُجبرون على البحث عن وجباتهم باللغة الإنجليزية.
الأرقام تحكي القصة
تأمل هذه الإحصائيات من بيانات Nutrola الداخلية:
- المستخدمون الذين يتتبعون بلغتهم الأم يسجلون في المتوسط 2.8 وجبة يومياً، مقارنة بـ 1.9 وجبة يومياً للمستخدمين الذين يُجبرون على البحث بلغة ثانية.
- معدل الاحتفاظ بعد 30 يوماً أعلى بنسبة 41% بين المستخدمين الذين يتفاعلون مع التطبيق بلغتهم الأولى.
- الوقت المتوسط لتسجيل وجبة واحدة ينخفض من 97 ثانية إلى 34 ثانية عندما تدعم قاعدة بيانات الطعام لغة المستخدم الأم.
هذه ليست اختلافات صغيرة. إنها تمثل الفجوة بين أداة تعمل وأداة تُهمل.
لماذا تفوت قواعد البيانات المتمركزة حول الإنجليزية الأطعمة الدولية
المشكلة أعمق من الترجمة. العديد من الأطعمة التي يتناولها مليارات الأشخاص يومياً ببساطة لا توجد في قواعد البيانات باللغة الإنجليزية، والترجمة لا تحل الفجوة الأساسية في البيانات.
أطعمة لا يمكن ترجمتها
بعض الأطباق تقاوم الترجمة إلى الإنجليزية تماماً لأنها تصف التحضيرات أو القوام أو تركيبات المكونات التي لا تملك معادلاً مباشراً في ثقافات الطعام الناطقة بالإنجليزية.
الدال هو مثال جيد. في قواعد البيانات الإنجليزية، قد تجد "حساء العدس". لكن الدال ليس حساءً. اعتماداً على المنطقة، يمكن أن يتراوح الدال من راسام رقيق إلى دال مخاني سميك وزبداني إلى تحضير جاف مثل دال فراي. كل منها له كثافة سعرات حرارية مختلفة تماماً. إدخال عام واحد لـ "حساء العدس" لا يمكنه التقاط هذا النطاق.
الموتشي يقدم تحدياً مماثلاً. أحياناً يتم ترجمته إلى "كعكة الأرز"، لكن هذا المصطلح في الإنجليزية يستحضر صور الأقراص المنتفخة التي تُباع في متاجر الأطعمة الصحية. الموتشي الياباني هو تحضير من الأرز اللزج بكثافة سعرات حرارية تصل إلى ثلاثة إلى أربعة أضعاف كعكة الأرز الأمريكية. تسجيل النوع الخطأ يعني أن عدد السعرات لديك سيكون خاطئاً بمئات السعرات.
الأريبا غالباً ما تُوصف بأنها "كعكة الذرة" أو "خبز الذرة"، لكن أي من المصطلحين لا يعكس التحضير الفعلي. الأريبا الفنزويلية هي كعكة ماسة مشوية أو مقلية، وغالباً ما تُحشى بالجبن أو الفاصولياء أو اللحم المبشور. يمكن أن تتراوح محتوياتها من 150 إلى أكثر من 500 سعرة حرارية اعتماداً على الحشوة وطريقة التحضير. إدخال "خبز الذرة" العام سيكون خاطئاً في كل مرة.
الكونجي يُصنف كـ "عصيدة الأرز" في معظم قواعد البيانات الإنجليزية. لكن الكونجي يختلف بشكل كبير حسب المنطقة. الكونجي الكانتوني يُطهى حتى تتفكك حبات الأرز تماماً، مما ينتج قاعدة ناعمة ومنخفضة السعرات (حوالي 50 سعرة حرارية لكل كوب قبل الإضافات). الجوك الكوري أكثر كثافة. الإضافات --- البيض المئوي، لحم الخنزير المجفف، أعواد العجين المقلية، الخضروات المخللة --- تغير الملف الغذائي تماماً، ولا تظهر أي منها كخيارات قياسية في متتبع باللغة الإنجليزية.
البورش غالباً ما يُختصر إلى "حساء الشمندر"، مما يتجاهل الكريمة الحامضة والبطاطس والملفوف واللحم الذي يجعله طبقاً رئيسياً كثيف السعرات في المنازل الأوكرانية والروسية. وعاء من البورش الكامل مع الكريمة الحامضة والخبز الداكن يمكن أن يتجاوز 600 سعرة حرارية. إدخال "حساء الشمندر" العام قد يقترح 120.
البوبوسا هي تورتيلا الذرة المحشوة السلفادورية، لكن تسميتها "تورتيلا محشوة" في قاعدة بيانات إنجليزية تفوت التحضير الخاص بالماسا والحشوات الشائعة مثل الشيشارون أو اللوروكو أو الكيسيو. لا يوجد إدخال باللغة الإنجليزية يلتقط هذا بدقة.
الإينجيرا هو خبز مسطح مخمر إثيوبي يعمل كطبق وأداة. أحياناً يتم إدخاله كـ "خبز مسطح"، وهي فئة واسعة جداً يمكن أن تعني أي شيء من النان إلى التورتيلا إلى البسكويت. الإينجيرا مصنوع من دقيق التيف وله ملف غذائي فريد --- أعلى في الحديد والكالسيوم من الخبز المسطح المصنوع من القمح --- الذي يختفي عندما يتم تصنيفه ضمن فئة عامة.
تأثير الخطأ المركب
عندما لا يستطيع المستخدم العثور على طعامه الفعلي ويستبدله بإدخال باللغة الإنجليزية "قريب بما فيه الكفاية"، فإن الخطأ ليس عشوائياً. إنه منهجي. الأشخاص الذين يتناولون أنظمة غذائية تقليدية من دول غير ناطقة بالإنجليزية سيقومون باستمرار بتسجيل وجباتهم بشكل خاطئ في نفس الاتجاه، غالباً ما يبالغون في تقدير التحضيرات الخفيفة ويقللون من تقدير الأطعمة الكثيفة السعرات. على مدار أسابيع وشهور، تتراكم هذه الأخطاء. قد يتساءل المستخدم لماذا لا يفقد وزنه على الرغم من "التتبع بدقة"، عندما تكون المشكلة الحقيقية هي أن تطبيقه لا يمكنه فهم ما يأكله.
كيف يغير الذكاء الاصطناعي متعدد اللغات المعادلة
قواعد بيانات التغذية التقليدية تعتمد على النصوص. تكتب اسم الطعام، تبحث القاعدة عن تطابق، وتعيد نتيجة. هذه الطريقة لديها نقطتان ضعف قاتلتان للناطقين بغير الإنجليزية: تتطلب معرفة الاسم باللغة الإنجليزية، وتتطلب أن تحتوي قاعدة البيانات الإنجليزية على الإدخال الصحيح.
يتجاوز التعرف على الطعام بالذكاء الاصطناعي متعدد اللغات كلا المشكلتين من خلال العمل على جبهتين متوازيتين.
التعرف البصري: تحديد مستقل عن اللغة
نماذج الرؤية الحاسوبية لا تقرأ الكلمات. إنها تحلل البيكسلات. عندما يلتقط المستخدم صورة لطبق من الطعام، يقوم نموذج الذكاء الاصطناعي بتحديد الطبق بناءً على الميزات البصرية --- اللون، القوام، الشكل، الترتيب، والسياق. وعاء من الفو يبدو كوعاء من الفو بغض النظر عما إذا كان المستخدم يتحدث الفيتنامية أو الفرنسية أو السواحيلية.
هذه خطوة أساسية. للمرة الأولى، يتم فصل خطوة التعرف تماماً عن اللغة. لا يحتاج الذكاء الاصطناعي إلى أن يكتب المستخدم أي شيء. إنه يرى الطعام، ويتعرف عليه، ويقوم بربطه بالبيانات الغذائية الصحيحة.
تم تدريب نماذج التعرف على الطعام الحديثة على ملايين الصور الغذائية المسمى من جميع أنحاء العالم. تم تدريب الذكاء الاصطناعي البصري من Nutrola على أطباق من أكثر من 120 مطبخاً، بما في ذلك الاختلافات الإقليمية التي قد يصفها حتى المتحدثون الأصليون بشكل مختلف. يمكن للنظام التمييز بين كاري أخضر تايلاندي وكاري ماسامان تايلاندي من صورة فقط، ويربط كل منهما بملفه الغذائي الفريد.
معالجة اللغة الطبيعية: فهم أي لغة
عندما يقوم المستخدمون بالكتابة أو التحدث، تسمح معالجة اللغة الطبيعية متعددة اللغات (NLP) للنظام بفهم المدخلات بأكثر من 40 لغة. يمكن لمستخدم في سيول كتابة "كيمتشي جيجا" بأحرف كورية، ويمكن لمستخدم في القاهرة أن يقول "كشري" بالعربية، ويمكن لمستخدم في ساو باولو أن يبحث عن "فيجوادا" بالبرتغالية. يقوم الذكاء الاصطناعي بتحليل المدخلات بلغتها الأصلية ويربطها مباشرة بإدخال قاعدة البيانات الصحيح --- دون الحاجة إلى خطوة الترجمة إلى الإنجليزية.
هذا يلغي العملية المحرجة والمعرضة للأخطاء لترجمة طعامك ذهنياً إلى الإنجليزية قبل أن تتمكن من تسجيله. كما أنه يمكّن تسجيل الصوت بأي لغة مدعومة، مما يقلل بشكل كبير من الاحتكاك. التحدث باسم وجبتك بلغتك الأم أسرع وأكثر طبيعية من البحث في واجهة بحث باللغة الإنجليزية.
تقدير الحصص مع الوعي الثقافي
يحسن الذكاء الاصطناعي متعدد اللغات أيضاً تقدير الحصص من خلال فهم السياق الثقافي. في اليابان، وعاء الأرز القياسي المقدم في المنزل يزن حوالي 150 جراماً. في الولايات المتحدة، "وعاء الأرز" في مطعم غالباً ما يكون 300 جرام أو أكثر. في الهند، يُقدم الأرز عادةً جنباً إلى جنب مع أطباق متعددة وقد تكون الحصة 200 جرام من الأرز مصحوبة بـ 150 جرام من الدال و100 جرام من السابزي.
عندما يعرف الذكاء الاصطناعي السياق الثقافي --- إما من لغة المستخدم، أو موقعه، أو أنماط التسجيل السابقة --- يمكنه تطبيق أحجام الحصص الافتراضية الصحيحة. هذا يزيل طبقة أخرى من التخمين التي تفرضها التطبيقات المتمركزة حول الإنجليزية على المستخدمين الدوليين.
نهج Nutrola تجاه قواعد بيانات الطعام الدولية
بناء متتبع تغذية متعدد اللغات ليس مجرد مسألة ترجمة قاعدة بيانات إنجليزية إلى لغات أخرى. يبدأ نهج Nutrola من الطعام نفسه، وليس من الاسم الإنجليزي له.
بيانات غذائية خاصة بالمنطقة
تحافظ Nutrola على إدخالات غذائية منفصلة لنفس الطبق كما يتم تحضيره في مناطق مختلفة. لا تحتوي التطبيق على إدخال واحد لـ "الأرز المقلي". بل لديها إدخالات للأرز المقلي الصيني، ناسي جورنج الإندونيسي، كاو باد التايلندي، تشاهان الياباني، والأرز المقلي النيجيري --- كل منها له ملفات سعرات حرارية ونسب مغذيات مميزة بناءً على الزيوت والبروتينات والتوابل المستخدمة عادة في تلك المنطقة.
تحتوي هذه القاعدة حالياً على أكثر من 1,000,000 إدخال غذائي موثق مستمد من قواعد بيانات تكوين الطعام الوطنية حول العالم، بما في ذلك بيانات من جداول تكوين الطعام القياسية في اليابان، جداول تكوين الطعام الهندية، قاعدة بيانات INSP الغذائية في المكسيك، والعشرات من الآخرين.
مراجعة من خبراء تغذية محليين
يتم مراجعة كل إدخال إقليمي في قاعدة بيانات Nutrola من قبل خبراء تغذية من الثقافة الغذائية المعنية. يقوم أخصائي تغذية ياباني بالتحقق من الإدخالات الخاصة بالمطبخ الياباني. يؤكد أخصائي تغذية مكسيكي البيانات للأطباق المكسيكية. هذه الطبقة من المراجعة من الخبراء تلتقط الأخطاء التي قد تفوتها الترجمة الآلية أو التقدير الخوارزمي --- مثل حقيقة أن "التورتيلا المتوسطة" في مكسيكو سيتي أكبر بكثير من "التورتيلا المتوسطة" في أواكساكا.
التعلم المستمر من سجلات المستخدمين
بينما يقوم المستخدمون حول العالم بتسجيل وجباتهم، يتعلم الذكاء الاصطناعي من البيانات. عندما يلتقط آلاف المستخدمين في تركيا صوراً لفطورهم ويرى النظام باستمرار مجموعة من الطماطم، والخيار، والزيتون، والجبن الأبيض، والخبز، فإنه يصقل فهمه لما يبدو عليه "الفطور التركي" وماذا يحتوي عادةً. تعني هذه الحلقة الراجعة أن النظام يصبح أكثر دقة مع مرور الوقت، خاصة بالنسبة للمأكولات التي تمثل تمثيلاً ناقصاً في قواعد بيانات الطعام الأكاديمية.
ملفات تعريف المستخدمين: ثلاث دول، ثلاث تجارب
بريا، 29 عاماً --- حيدر آباد، الهند
بريا مهندسة برمجيات بدأت تتبع تغذيتها لدعم تدريبها على القوة. تتكون نظامها الغذائي اليومي من الطعام الهندي الجنوبي المطبوخ في المنزل: إيدلي وسامبار للإفطار، أرز مع راسام وكاري خضار للغداء، وروتي مع تحضير دال للعشاء.
قبل الانتقال إلى Nutrola، استخدمت بريا متتبعاً شائعاً باللغة الإنجليزية. قضت خمس إلى عشر دقائق لكل وجبة تحاول العثور على إدخالات تتطابق مع طعامها. "سامبار" لم يُظهر أي نتائج. "راسام" لم يكن في قاعدة البيانات. حاولت تسجيل "حساء العدس" كبديل، لكن عدد السعرات كان دائماً خاطئاً لأن حساء العدس الأمريكي هو طبق مختلف تماماً بمكونات مختلفة وكثافة سعرات مختلفة.
مع Nutrola، تسجل بريا وجباتها بمزيج من الإنجليزية والتيلجو. تلتقط صورة لثاليها ويقوم الذكاء الاصطناعي بتحديد كل مكون بشكل منفصل --- الأرز، الراسام، البوريال، الباباد، والمخلل. انخفض متوسط وقت التسجيل لديها من ثماني دقائق إلى أقل من 20 ثانية. والأهم من ذلك، أن بيانات السعرات الحرارية لديها تعكس أخيراً ما تأكله فعلياً. في أول ثلاثة أشهر مع تتبع دقيق، حققت أهداف البروتين الخاصة بها باستمرار وأضافت 12 كيلوغراماً إلى سكواتها.
"كنت أعتقد أن تتبع السعرات لم يكن مصمماً للأشخاص الذين يتناولون الطعام الهندي"، تقول بريا. "اتضح أن التطبيقات لم تكن مصممة لنا. Nutrola هي."
كينجي، 34 عاماً --- أوساكا، اليابان
كينجي مصمم جرافيك يدير وزنه بعد أزمة صحية. أخبره طبيبه أن يفقد 10 كيلوغرامات ويتتبع مدخلات طعامه. نظام كينجي الغذائي تقليدي ياباني: سمك مشوي، حساء ميسو، خضروات مخللة، أرز، ووعاء من الرامن أو طبق من الجيوزا عند تناول الطعام خارج المنزل.
كانت التطبيقات باللغة الإنجليزية غير مجدية. إنجليزية كينجي محادثة ولكنها ليست متخصصة في الطعام. لم يكن يعرف الكلمات الإنجليزية للعديد من المكونات في وجباته اليومية --- أشياء مثل ناتو، تسوكيمونو، أو كينبيرا غوبو. حتى عندما وجد المصطلحات الإنجليزية، كانت أحجام الحصص مُعايرة للوجبات الأمريكية، وليس اليابانية.
غيرت واجهة Nutrola باللغة اليابانية وقاعدة البيانات الخاصة باليابان تجربته تماماً. يسجل وجباته باللغة اليابانية، ويستخدم ميزة التعرف على الصور للوجبات المطبوخة في المنزل، ويقوم التطبيق تلقائياً بتطبيق أحجام الحصص اليابانية. وعاء الأرز الافتراضي يزن 150 جراماً، وليس 300. حصة حساء الميسو هي 200 مل، وليس وعاء كبير بحجم أمريكي.
على مدار 11 شهراً، فقد كينجي 8.5 كيلوغرامات. ينسب نجاحه إلى دقة التتبع. "عندما تكون الأرقام خاطئة، تفقد الثقة في التطبيق. عندما تكون الأرقام صحيحة، تثق في العملية."
صوفيا، 26 عاماً --- بوغوتا، كولومبيا
صوفيا طالبة جامعية أرادت تحسين مستويات طاقتها والتوقف عن تخطي الوجبات. نظامها الغذائي نموذجي للمدن الكولومبية: أريبا مع الجبنة للإفطار، بانديجا بايسا أو كورينتازو للغداء، وشيء أخف للعشاء --- ربما إمباناداس أو حساء مثل أجيaco.
استمرت محاولتها الأولى في تتبع التغذية ثلاثة أيام فقط. التطبيق الذي جربته لم يكن لديه إدخال للأريبا، صنف "الإمبانادا" كعنصر عام واحد مع ماكرو خاطئ بشكل كبير، ولم يسمع أبداً عن البانديجا بايسا. عندما بحثت عن "أجيaco"، اقترح التطبيق "جازباتشو". قامت بإلغاء تثبيته.
عندما أوصاها صديق بـ Nutrola، كانت صوفيا متشككة. لكن في المرة الأولى التي التقطت فيها صورة لبانديجا بايسا الخاصة بها وقام التطبيق بتحديد الأرز، والفاصولياء الحمراء، ولحم البقر المفروم، والبيضة المقلية، والشيشارون، والموز المقلي، والأفوكادو كعناصر منفصلة --- كل منها مع بيانات سعرات دقيقة إقليمياً --- اقتنعت.
تسجل صوفيا الآن باللغة الإسبانية. تستخدم إدخال الصوت أثناء تناول الطعام، قائلة أشياء مثل "أريبا كون كيسو بلانكو" أو "إمبانادا دي كارني"، ويقوم الذكاء الاصطناعي بمعالجة مدخلاتها محلياً دون المرور عبر طبقة ترجمة إلى الإنجليزية. زادت انتظامها من تسجيل وجبة واحدة كل بضعة أيام إلى تسجيل كل وجبة لمدة 60 يوماً متتالياً.
"أخيراً لدي تطبيق يعرف ما أتناوله"، تقول صوفيا. "لا يحاول تحويل طعامي إلى شيء ليس هو."
البنية التقنية وراء التعرف على الطعام متعدد اللغات
لمن يهتم بكيفية عمل التكنولوجيا تحت السطح، إليك نظرة مبسطة على سير العمل.
الخطوة 1: معالجة المدخلات
يقبل النظام ثلاثة أنواع من المدخلات: الصور، النص المكتوب، والصوت. تتم معالجة الصور بواسطة شبكة عصبية تلافيفية مدربة على صور الطعام. يتم معالجة النص بواسطة نموذج NLP متعدد اللغات يدعم أكثر من 40 لغة. يتم تحويل إدخال الصوت أولاً إلى نص عبر محرك تحويل الكلام إلى نص متعدد اللغات، ثم تتم معالجته من خلال نفس سير العمل NLP.
الخطوة 2: تحديد الطعام
بالنسبة لمدخلات الصور، تنتج نموذج الرؤية قائمة مرتبة من الأطعمة المرشحة مع درجات الثقة. بالنسبة لمدخلات النص والصوت، يحدد نموذج NLP عنصر الطعام ويفكك الغموض بناءً على اللغة والسياق الإقليمي. إذا كتب مستخدم في المكسيك "تورتيلا"، يفهم النظام ذلك كتورتيلا ذرة. إذا كتب مستخدم في إسبانيا "تورتيلا"، يتعرف النظام عليها كـ "تورتيلا إسبانيولا" --- وهي عجة بطاطس لها ملف غذائي مختلف تماماً.
الخطوة 3: ربط قاعدة البيانات
بمجرد تحديد الطعام، يقوم النظام بربطه بالإدخال الإقليمي المناسب في قاعدة بيانات Nutrola. تأخذ هذه الخطوة في الاعتبار موقع المستخدم، وتفضيل اللغة، وأنماط التسجيل التاريخية. مستخدم في بانكوك يلتقط صورة للباد تاي يحصل على النسخة التايلاندية من طعام الشارع. مستخدم في لوس أنجلوس يلتقط صورة للباد تاي يحصل على النسخة الأمريكية من المطعم، والتي عادةً ما تحتوي على حصص أكبر وزيت أكثر.
الخطوة 4: تقدير الحصة والتأكيد
يقدر النظام حجم الحصة باستخدام الإشارات البصرية من الصورة (إذا كانت متاحة) والافتراضات الثقافية للأطعمة المحددة. يمكن للمستخدم تأكيد أو تعديل قبل حفظ الإدخال. يتم إكمال سير العمل بالكامل --- من الصورة إلى إدخال السجل المؤكد --- عادةً في أقل من ثلاث ثوان.
لماذا يهم هذا أكثر من مجرد الراحة
تتبع التغذية متعدد اللغات ليس مجرد تحسين لجودة الحياة للمستخدمين الفرديين. له آثار على الصحة العامة على نطاق عالمي.
تقليل الفجوات الصحية
تُعتبر المجتمعات غير الناطقة بالإنجليزية غير مخدومة بالفعل من قبل تكنولوجيا الصحة. عندما تعمل أدوات تتبع التغذية بشكل جيد فقط باللغة الإنجليزية، فإنها تزيد من الفجوات الصحية الموجودة من خلال منح المتحدثين باللغة الإنجليزية أدوات أفضل لإدارة الحالات المرتبطة بالنظام الغذائي مثل السكري، والسمنة، وأمراض القلب. إن جعل هذه الأدوات تعمل بكل لغة هو خطوة نحو تحقيق العدالة الصحية.
بيانات أفضل لأبحاث التغذية العالمية
عندما يتمكن ملايين الأشخاص حول العالم من تسجيل وجباتهم بدقة، فإن مجموعة البيانات الناتجة تكون ذات قيمة لا تقدر بثمن لأبحاث التغذية. تغطي بيانات Nutrola المجهولة والمجمعة بالفعل 195 دولة وأكثر من 120 مطبخاً. مع زيادة قاعدة المستخدمين وتحسين دقة التتبع، يمكن أن تساعد هذه البيانات الباحثين في فهم أنماط النظام الغذائي، ونقص التغذية، وآثار الأنظمة الغذائية التقليدية بطرق لا يمكن أن تفعلها مجموعات البيانات التي تقتصر على اللغة الإنجليزية.
الحفاظ على ثقافة الطعام
هناك شيء مفسد قليلاً في نظام يجبرك على وصف وصفة جدتك بلغة أجنبية ثم يخبرك أن أقرب تطابق هو "يخنة خضار، عام". يحقق تتبع متعدد اللغات الاعتراف بالثقافات الغذائية التقليدية من خلال التعرف عليها بشروطها الخاصة. عندما يعرف التطبيق ما هو الإينجيرا، وما هو المولي نيجرو، وما هي اللاكسا --- ويمكنه إخبارك بالضبط عن العناصر الغذائية التي توفرها --- فإنه يرسل رسالة مفادها أن هذه الأطعمة ليست فضولاً غريباً. إنها وجبات حقيقية يتناولها أشخاص حقيقيون، وتستحق نفس بنية البيانات مثل صدور الدجاج المشوية.
الأسئلة الشائعة
كم عدد اللغات التي يدعمها Nutrola؟
يدعم Nutrola حالياً الوظائف الكاملة --- بما في ذلك البحث النصي، وتسجيل الصوت، والتوجيه بالذكاء الاصطناعي --- بأكثر من 40 لغة. تحتوي قاعدة بيانات الطعام على إدخالات بأسماء لغات أصلية لأطعمة من أكثر من 120 مطبخاً. واجهة التطبيق نفسها محلية بـ 25 لغة مع إضافة المزيد بانتظام.
هل يمكنني التبديل بين اللغات أثناء استخدام التطبيق؟
نعم. العديد من المستخدمين المتعددي اللغات يمزجون اللغات بشكل طبيعي، وNutrola مصمم للتعامل مع ذلك. يمكنك كتابة "دجاج تيكا ماسالا" باللغة الإنجليزية للغداء ثم تسجيل "روتي أور دال" بالهندية للعشاء، كل ذلك ضمن نفس الجلسة. يقوم نموذج NLP بالكشف عن لغة كل إدخال تلقائياً.
هل التعرف على الصور دقيق للمأكولات الأقل شيوعاً؟
تختلف الدقة حسب المطبخ وتعقيد الطبق، لكن نظام التعرف على الصور في Nutrola يحقق دقة تزيد عن 90% في أفضل ثلاثة خيارات عبر 120 مطبخاً مدعوماً. بالنسبة للمطابخ الممثلة جيداً مثل اليابانية، والمكسيكية، والهندية، والصينية، والإيطالية، تتجاوز دقة الخيار الأول 94%. بالنسبة للمطابخ التي تحتوي على صور تدريب أقل، مثل الإثيوبية أو البيروفية، تكون الدقة أقل ولكنها تتحسن بسرعة مع مساهمة المزيد من المستخدمين في صور الوجبات.
ماذا لو لم يكن الطبق المحدد في قاعدة البيانات؟
يمكنك إنشاء إدخالات مخصصة بأي لغة. يتيح لك Nutrola أيضاً تقديم أطباق غير معروفة للمراجعة. عندما يقدم عدد كافٍ من المستخدمين نفس الطبق، يتم إعطاؤه الأولوية للإضافة إلى قاعدة البيانات الموثقة. تعني هذه المقاربة المدفوعة من المجتمع أن قاعدة البيانات تنمو بشكل أسرع في المجالات التي يحتاجها المستخدمون أكثر.
هل الدعم متعدد اللغات يكلف المزيد؟
لا. جميع ميزات اللغة وقاعدة البيانات الإقليمية متاحة في كل من المستويات المجانية والمميزة. تعتبر Nutrola الوصول متعدد اللغات ميزة أساسية، وليس إضافة.
كيف يتعامل التطبيق مع الأطعمة التي تحمل نفس الاسم ولكن لها تحضيرات مختلفة عبر المناطق؟
يستخدم النظام إشارات سياقية --- إعداد اللغة لديك، وموقعك، وتاريخ التسجيل --- لتحديد أي نوع إقليمي من المرجح أن تعنيه. إذا كان هناك غموض، يقدم التطبيق أفضل الخيارات ويتيح لك الاختيار. على سبيل المثال، إذا بحثت عن "برياني"، قد يظهر التطبيق البرياني الهيديرابادي، والبرياني اللُكنوي، والبرياني الكولكاتي كخيارات منفصلة، كل منها مع بيانات سعرات ونسب مغذيات مميزة.
هل يمكنني استخدام التطبيق بالكامل دون الإنجليزية؟
نعم. كل ميزة --- من الانضمام إلى تسجيل الوجبات إلى التوجيه بالذكاء الاصطناعي إلى تقارير التقدم --- متاحة بجميع اللغات المدعومة. لا تحتاج أبداً للتفاعل مع الإنجليزية في أي نقطة.
الخاتمة
حاجز اللغة في تتبع التغذية ليس مشكلة نادرة. إنه يؤثر على الغالبية العظمى من سكان العالم. لعقود، كان الأشخاص الذين يتناولون أنظمة غذائية تقليدية وغير غربية مُجبرين على الاختيار بين تتبع غير دقيق وعدم تتبع على الإطلاق. لا أي من الخيارين مقبول.
يمثل التعرف على الطعام بالذكاء الاصطناعي متعدد اللغات اختراقاً حقيقياً. من خلال دمج التعرف البصري الذي يعمل بغض النظر عن اللغة مع معالجة اللغة الطبيعية التي تفهم عشرات اللغات محلياً، ودمج كلاهما مع قواعد بيانات غذائية إقليمية موثقة من قبل خبراء محليين، تجعل أدوات مثل Nutrola تتبع التغذية الدقيق متاحاً للجميع --- وليس فقط للمتحدثين باللغة الإنجليزية.
إذا كنت قد تخليت عن تطبيق تتبع لأنه لم يفهم طعامك، فإن التكنولوجيا قد لحقت أخيراً بمطبخك. تستحق وجباتك أن تُعترف بها، وتُقاس، وتُقدّر بالضبط كما هي، بأي لغة تناديها.
مستعد لتحويل تتبع تغذيتك؟
انضم إلى الآلاف الذين حولوا رحلتهم الصحية مع Nutrola!
