למה עברתי מ-SnapCalorie ל-Nutrola (AI של תמונות לבד לא מספיק)

SnapCalorie מכרה לי חלום: צלם תמונה של האוכל שלך, וה-AI יגיד לך בדיוק מה אכלת. בלי הקלדה, בלי חיפוש, בלי סריקות ברקוד. פשוט כוון, צלם ותן למכונה לעשות את העבודה. אחרי חודשים של רישום ידני מעיק של מזון באפליקציות אחרות, זה נשמע כמו העתיד. נרשמתי מיד.

כשלושה שבועות הייתי באמת מרוצה. ואז התחלתי להשוות את ההערכות של SnapCalorie עם תוויות תזונה אמיתיות ומנות מדודות. חוסר העקביות לא היה קטן. הוא היה גדול מספיק כדי לערער את כל המטרה של המעקב.

זו הסיפור שלי על איך הבנתי שהכרה בתמונות על ידי AI בלי בסיס נתונים מאומת של מזון היא רעיון יפה עם בעיית דיוק חמורה — ואיך השילוב של Nutrola בין AI לבסיס נתונים של 1.8 מיליון מזונות נתן לי מה ש-SnapCalorie לא הצליחה לספק.

המשיכה של מעקב רק בתמונות

אני מבין למה SnapCalorie משכה כל כך הרבה משתמשים, כולל אותי. החוויה המסורתית של רישום מזון — הקלד שם מזון, גלול בתוצאות, בחר את הנכון, התאם את גודל המנה, חזור על כך עבור כל פריט בצלחת שלך — היא מעיקה. זו הסיבה מספר אחת לכך שאנשים מפסיקים לעקוב אחרי המזון שלהם.

SnapCalorie הבטיחה לחסל את החיכוך הזה לחלוטין. צלם תמונה, ה-AI מעריך את פריטי המזון ואת הכמויות, ואתה מקבל פיצול קלוריות ומקרו בתוך שניות. הממשק היה נקי, החוויה הייתה מהירה, ובעבור ארוחות פשוטות, זה הרגיש כמו קסם.

צלמתי תמונה של צלחת עם חזה עוף, אורז וברוקולי. SnapCalorie זיהתה את שלושת הפריטים והעריכה את הקלוריות בתוך כמה שניות. הייתי משוכנע.

היכן הדיוק קרס

הבעיה עם SnapCalorie התגלתה בהדרגה, ואז בבת אחת.

הערכת המנות הייתה לא עקבית

AI יכול לזהות שמשהו הוא חזה עוף. מה שהוא מתקשה בו הוא להעריך אם חזה העוף שוקל 120 גרם או 200 גרם — הבדל של כ-100 קלוריות ו-20 גרם חלבון. מתמונה מלמעלה, חתיכת עוף עבה וחתיכת עוף דקה יכולות להיראות דומות מאוד.

בדקתי את זה במכוון אחת הערב. הכנתי שתי מנות פסטה: אחת הייתה 80 גרם (משקל יבש) והשנייה 150 גרם. שתיהן היו מפוזרות על צלחות דומות עם אותה רוטב. SnapCalorie העריכה את המנה הקטנה ב-420 קלוריות ואת הגדולה ב-480 קלוריות. ההבדל בפועל היה כ-250 קלוריות.

ה-AI ראה שתי צלחות דומות והחזיר הערכות דומות, כי הוא עשה ניחושים ויזואליים, ולא התייחס לנתוני תזונה מאומתים הקשורים למשקלים מדודים.

מנות מעורבות היו משחק ניחושים

SnapCalorie עבדה בצורה סבירה על ארוחות פשוטות ומופרדות — חתיכת דג ליד ערימת ירקות ליד כף אורז. הכל היה ברור וניתן להערכה.

אבל החיים האמיתיים כוללים תבשילים, קארי, קאסרולות, קערות שייקים, בוריטו, סנדוויצ'ים וקערות דגנים שבהן המרכיבים חופפים, מסתתרים מתחת לרוטב, או מתמזגים יחד ויזואלית. עבור הארוחות הללו, ההערכות של SnapCalorie נעו בין די מדויקות לטעויות גדולות.

צלמתי קערת בוריטו ממסעדה. SnapCalorie זיהתה אורז, שעועית, עוף ורוטב סalsa. היא פספסה את השמנת החמוצה שהייתה מוסתרת מתחת ללפת, את הגבינה שהתמזגה באורז ואת הגואקמולי בצד הקערה שהיה חלקית מוסתר על ידי סלסלת צ'יפס. ההערכה של הקלוריות הייתה כ-530 קלוריות. כשחשבתי את הארוחה ידנית בעזרת נתוני התזונה שפורסמו על ידי המסעדה, זה היה קרוב ל-840 קלוריות. פער של 310 קלוריות מארוחה אחת.

אין סריקות ברקוד, אין גיבוי ידני

זהות SnapCalorie כולה נבנתה סביב הכרה בתמונות. לא היה לה בסיס נתונים מסורתי של מזון שאפשר היה לחפש בו ידנית. לא הייתה לה סריקת ברקוד. אם ה-AI של התמונות לא הצליח לזהות משהו — או זיהה אותו לא נכון — היית תקוע.

מזונות ארוזים שהייתי יכול לסרוק בקלות עם סורק ברקוד היו צריכים להצטלם במקום, וה-AI היה מנסה להעריך את התוכן ויזואלית במקום למשוך את נתוני התזונה המדויקים מהתווית. זה היה אבסורד עבור מזונות ארוזים שבהם היצרן כבר סיפק מידע תזונתי מדויק.

אין נתוני מיקרו-נוטריינטים

אפילו כאשר ההערכות של SnapCalorie לקלוריות ומקרו היו בסביבות הנכונות, הם הסתיימו שם. קלוריות, חלבון, פחמימות, שומן — זה היה היקף הנתונים. אין ויטמינים, אין מינרלים, אין רכיבי זנה. אם רציתי לדעת כמה ברזל או סידן יש בארוחה שלי, ל-SnapCalorie לא הייתה תשובה.

ה-AI העריך את המקרו על סמך המראה הוויזואלי. הערכת מיקרו-נוטריינטים מתמונה הייתה אפילו פחות מהימנה, אז הם פשוט לא ניסו. אבל התוצאה הייתה שאני טסתי בעיוורון על כל מה שמעבר לארבעה המספרים הגדולים.

ההבנה: AI זקוק לבסיס נתונים

אחרי שלושה שבועות של מעקב ב-SnapCalorie והשוואת ההערכות לערכים ידועים, הגעתי למסקנה שנראית ברורה בדיעבד: הכרה בתמונות על ידי AI היא שיטת קלט Brilliant, אבל היא טובה רק כמו הנתונים שהיא מחוברת אליהם.

ה-AI של SnapCalorie ניסה להעריך תזונה אך ורק על סמך ניתוח ויזואלי. לגישה הזו יש תקרת דיוק בסיסית. לא משנה כמה טובה ההכרה בתמונות תהיה, תמונה לא יכולה להגיד לך את המותג המדויק של יוגורט, את כמות השמן המדויקת ששימשה בבישול, או את המרכיבים המוסתרים ברוטב של מסעדה.

מה שהייתי צריך היה אפליקציה שמשתמשת ב-AI כשיטת קלט מהירה אבל מחברת את הקלטים הללו לבסיס נתונים תזונתי מאומת — כך שה-AI מזהה "חזה עוף" מתמונה, אבל נתוני הקלוריות והנוטריינטים מגיעים ממקור מאומת אמיתי, ואני יכול להתאים את המשקל כדי להתאים את המנה שלי.

וזה בדיוק מה ש-Nutrola עושה.

המעבר ל-Nutrola: AI plus Database

Nutrola משתמשת בהכרה בתמונות על ידי AI, אבל בצורה שונה מ-SnapCalorie. כשאתה מצלם תמונה של הארוחה שלך, ה-AI של Nutrola מזהה את פריטי המזון. ואז הוא משווה את הפריטים הללו לבסיס הנתונים שלה הכולל יותר מ-1.8 מיליון מזונות מאומתים. אתה רואה את הפריטים התואמים עם נתוני התזונה שלהם ויכול להתאים את המנות לפי משקל או גדלי מנות נפוצים.

התוצאה היא שאתה מקבל את המהירות של רישום מונע AI (בלי הקלדה, בלי חיפוש) עם הדיוק של בסיס נתונים מאומת (מספרים תזונתיים אמיתיים, לא הערכות ויזואליות).

ההבדל בדיוק היה מיידי

ערכתי את אותם מבחנים עם Nutrola שעשיתי עם SnapCalorie.

שתי מנות הפסטה. Nutrola זיהתה את הפסטה מהתמונה והשוותה אותה לרישום בבסיס הנתונים. התאמת את המשקל עבור כל צלחת. המנה הקטנה חזרה עם 340 קלוריות והגדולה עם 590 קלוריות — שניהם בתוך 15 קלוריות מהחישוב הידני שלי. SnapCalorie העריכה את שתיהן בסביבות 450 קלוריות עם פיזור של 60 קלוריות.

קערת הבוריטו. ה-AI של Nutrola זיהה את המרכיבים העיקריים, והצלחתי להוסיף את השמנת החמוצה, הגבינה והגואקמולי שהיו מוסתרים חלקית בתמונה. כל פריט משך נתונים מאומתים מהבסיס. ההערכה הכוללת: 810 קלוריות, בתוך 30 קלוריות מהנתונים שפורסמו על ידי המסעדה. SnapCalorie פספסה 310 קלוריות.

שייק. SnapCalorie התקשתה עם שייקים כי לא ניתן לראות את המרכיבים. היא הייתה מעריכה "שייק ירוק" עם מספרי קלוריות גסים. Nutrola אפשרה לי לרשום בקול את המרכיבים האמיתיים — "תרד, בננה, חמאת בוטנים, אבקת חלבון, חלב שקדים" — וכל מרכיב משך נתונים מדויקים מהבסיס. ההבדל לא היה לגבי יכולת ה-AI. זה היה על כך שיש מערכת שיכולה לקבל מספר שיטות קלט ולחבר אותן לנתונים מאומתים.

סריקת ברקוד עבור מזונות ארוזים

עבור כ-30 אחוז מהתזונה שלי שמגיעה ממזונות ארוזים — חטיפי חלבון, יוגורט, דגנים, תבלינים, משקאות — סורק הברקוד של Nutrola היה מהפכני בהשוואה לגישת התמונות בלבד של SnapCalorie.

סרקתי חטיף חלבון. Nutrola החזירה את הקלוריות המדויקות (210), חלבון (20 גרם) ואת הפרופיל המלא של מיקרו-נוטריינטים מהבסיס המאומת. SnapCalorie הייתה מנתחת תמונה של חטיף ארוז והייתה מחזירה הערכה ויזואלית. אין יקום שבו תמונה של עטיפה מדויקת יותר מנתוני התזונה האמיתיים מהתווית של אותה עטיפה.

רישום קולי עבור מה שבין לבין

חלק מהמזונות קשה לצלם. חופן שקדים משקית. רבע כוס שמן זית בזמן הבישול. כוס חלב. SnapCalorie דרשה ממני לצלם את אלה, מה שהיה לא נוח ולא מדויק (איך מצלמים כף שמן זית במחבת?).

הרישום הקולי של Nutrola טיפל בכל אלה בצורה מושלמת. "כף שמן זית, חופן שקדים, בערך 20 גרם" — נאמר בשלוש שניות, תואם לרישומים מאומתים, נרשם במדויק.

התוצאות לאחר 30 יום

אחרי חודש ב-Nutrola, השיפורים לעומת SnapCalorie היו ניכרים.

דיוק הקלוריות השתפר משמעותית. השוויתי את רישומי Nutrola שלי לערכים מדודים במשך שבוע שלם. הסכומים היומיים של Nutrola היו באופן עקבי בטווח של 5 עד 8 אחוזים מהערכים שחישבתי ידנית. SnapCalorie סטתה ב-15 עד 25 אחוזים על אותם סוגי ארוחות.

זכיתי לראות נתוני מיקרו-נוטריינטים. מ-zero נתוני מיקרו-נוטריינטים ב-SnapCalorie, עברתי למעקב של יותר מ-100 נוטריינטים ב-Nutrola. תוך שבועיים, זיהיתי שהצריכה שלי של סלניום הייתה נמוכה (אני כמעט ולא אוכל אגוזי ברזיל או פירות ים) והחומצה הפולית שלי הייתה לא עקבית.

מהירות הרישום נשארה מהירה. זו הייתה הדאגה שלי לגבי המעבר. SnapCalorie הייתה מהירה, ודאגתי שכל אפליקציה עם יותר דיוק תהיה גם איטית יותר. ההכרה בתמונות של Nutrola הייתה מהירה בדיוק כמו של SnapCalorie, והשלב הנוסף של אישור ההתאמות מהבסיס לקח רק 10 עד 15 שניות נוספים לכל ארוחה. רישום קולי וסריקת ברקוד עבור מזונות שלא ניתן לצלם היו למעשה מהירים יותר מאשר לנסות לצלם אותם.

סך זמן הרישום היומי. SnapCalorie: כ-4 דקות ביום (מהיר אבל לא מדויק). Nutrola: כ-6 דקות ביום (מהיר ומדויק). הדקות הנוספות קנו לי נתונים הרבה יותר טובים.

עלות. התוכנית המתקדמת של SnapCalorie עלתה כ-10 דולר לחודש. Nutrola עולה 2.50 יורו לחודש. פחות כסף עבור יותר תכונות, נתונים טובים יותר ומהירות דומה.

מה ש-SnapCalorie עשתה טוב

מהירות טהורה עבור ארוחות פשוטות. אם התזונה שלך מורכבת לחלוטין מארוחות חד-פריטיות על צלחות ברורות, הגישה של SnapCalorie של צילום וסיום היא באמת חוויית הרישום המהירה ביותר הקיימת. עבור תרחישים ספציפיים אלה, זה היה מרשים.

עומס קוגניטיבי נמוך. לא היה צורך לחשוב על מנות או התאמות בסיס נתונים, מה שהפך את חוויית הרישום כמעט ללא מאמץ. אני יכול להבין למה זה מושך את המעקב הלא מקצועי.

חוויית חדשנות. יש משהו מספק במעבר מתמונה לנתונים. זה מרגיש עתידני, והסיר את המחסום הפסיכולוגי של "אני לא רוצה לרשום כי זה מעיק."

אבל מהירות בלי דיוק היא לא מעקב. זה ניחוש עם צעדים נוספים.

מי צריך לשקול לעבור

אם אתה משתמש ב-SnapCalorie והתוצאות שלך נעצרו — אם היעדים הקלוריים שלך לא מניבים את התוצאות הצפויות — הערכת ה-AI הלא עקבית עשויה להיות הסיבה. כאשר כלי המעקב שלך מפספס באופן קבוע 200 קלוריות ומעלה בכל ארוחה, הסכום היומי שלך עשוי להיות לא מדויק ב-500 עד 800 קלוריות. הפער הזה גדול מספיק כדי לבטל לחלוטין את הגירעון הקלורי.

אם אתה רוצה את הנוחות של רישום מונע AI אבל גם זקוק לאמינות של נתוני תזונה מאומתים, Nutrola נותנת לך את שניהם. הכרה בתמונות למהירות. בסיס נתונים של 1.8 מיליון מזונות לדיוק. רישום קולי וסריקת ברקוד עבור מזונות שלא ניתן לתפוס בתמונות. יותר מ-100 נוטריינטים מעוקבים לתמונה המלאה. ולא פרסומות ב-2.50 יורו לחודש.

העתיד של מעקב מזון הוא לא AI לבד. זה AI מחובר לנתונים מאומתים. זה מה שמצאתי כשעברתי מ-SnapCalorie ל-Nutrola, וההבדל בדיוק שינה את התוצאות שלי בתוך חודש.