Dlaczego przeszedłem z SnapCalorie na Nutrola (samo AI do zdjęć to za mało)

SnapCalorie sprzedało mi marzenie: zrób zdjęcie swojego jedzenia, a AI powie ci dokładnie, co zjadłeś. Bez wpisywania, bez szukania, bez skanowania kodów kreskowych. Po prostu skieruj, zrób zdjęcie i pozwól maszynie wykonać pracę. Po miesiącach żmudnego ręcznego rejestrowania jedzenia w innych aplikacjach, to brzmiało jak przyszłość. Zarejestrowałem się natychmiast.

Przez około trzy tygodnie byłem naprawdę pod wrażeniem. Potem zacząłem porównywać oszacowania SnapCalorie z rzeczywistymi etykietami żywności i wymierzonymi porcjami. Niekonsekwencje były znaczące. Były na tyle duże, że podważały cały sens śledzenia.

To historia o tym, jak zrozumiałem, że rozpoznawanie zdjęć przez AI bez zweryfikowanej bazy danych żywności to piękna koncepcja z poważnym problemem dokładności — oraz jak połączenie AI z bazą danych zawierającą 1,8 miliona produktów w Nutrola dało mi to, czego SnapCalorie nie mogło.

Urok śledzenia tylko na podstawie zdjęć

Rozumiem, dlaczego SnapCalorie przyciągnęło tak wielu użytkowników, w tym mnie. Tradycyjne doświadczenie rejestrowania żywności — wpisywanie nazwy jedzenia, przewijanie wyników, wybieranie odpowiedniego, dostosowywanie wielkości porcji, powtarzanie dla każdego elementu na talerzu — jest żmudne. To główny powód, dla którego ludzie przestają śledzić swoją dietę.

SnapCalorie obiecało całkowicie wyeliminować ten problem. Zrób zdjęcie, AI oszacowuje składniki i ich ilości, a ty otrzymujesz rozkład kalorii i makroskładników w kilka sekund. Interfejs był przejrzysty, doświadczenie szybkie, a przy prostych posiłkach wydawało się wręcz magiczne.

Zrobiłem zdjęcie talerza z piersią z kurczaka, ryżem i brokułami. SnapCalorie zidentyfikowało wszystkie trzy składniki i oszacowało kalorie w ciągu kilku sekund. Byłem kupiony.

Gdzie dokładność zawiodła

Problem z SnapCalorie ujawniał się stopniowo, a potem nagle.

Oszacowanie porcji było niekonsekwentne

AI może zidentyfikować, że coś to pierś z kurczaka. Problemem jest oszacowanie, czy ta pierś waży 120 gramów czy 200 gramów — różnica wynosząca około 100 kalorii i 20 gramów białka. Z płaskiego zdjęcia, gruba i cienka pierś z kurczaka mogą wyglądać zaskakująco podobnie.

Przetestowałem to celowo pewnego wieczoru. Na talerzu znalazły się dwie porcje makaronu: jedna ważyła 80 gramów (waga przed ugotowaniem), a druga 150 gramów. Obie były podane na podobnych talerzach z tym samym sosem. SnapCalorie oszacowało mniejszą porcję na 420 kalorii, a większą na 480 kalorii. Rzeczywista różnica wynosiła około 250 kalorii.

AI widziało dwa podobnie wyglądające talerze i zwróciło podobne oszacowania, ponieważ opierało się na wizualnych przypuszczeniach, a nie na zweryfikowanych danych żywieniowych powiązanych z wymierzonymi wagami.

Mieszane dania były grą w zgadywanie

SnapCalorie radziło sobie całkiem nieźle z prostymi, oddzielonymi posiłkami — kawałek ryby obok stosu warzyw obok porcji ryżu. Wszystko było wizualnie wyraźne i oszacowalne.

Jednak prawdziwe życie obejmuje gulasze, curry, zapiekanki, smoothie, burrito, kanapki i miski zbożowe, gdzie składniki się nakładają, ukrywają pod sosami lub łączą wizualnie. Dla tych posiłków oszacowania SnapCalorie wahały się od mniej więcej poprawnych do całkowicie błędnych.

Zrobiłem zdjęcie miski burrito z restauracji. SnapCalorie zidentyfikowało ryż, fasolę, kurczaka i salsę. Pominęło śmietanę ukrytą pod sałatą, ser wymieszany z ryżem oraz guacamole na boku miski, które było częściowo zasłonięte przez koszyk z chipsami. Szacowana liczba kalorii wyniosła około 530. Gdy obliczyłem posiłek ręcznie, korzystając z opublikowanych danych żywieniowych restauracji, było to bliżej 840 kalorii. Różnica 310 kalorii z jednego posiłku.

Brak skanowania kodów kreskowych, brak ręcznego wsparcia

Cała tożsamość SnapCalorie opierała się na rozpoznawaniu zdjęć. Nie miało tradycyjnej bazy danych żywności, którą można by przeszukiwać ręcznie. Nie miało skanera kodów kreskowych. Jeśli AI nie mogło czegoś zidentyfikować — lub zidentyfikowało to błędnie — byłeś w martwym punkcie.

Produkty pakowane, które mogłem łatwo zeskanować skanerem kodów kreskowych, musiałem fotografować, a AI próbowało oszacować zawartość wizualnie, zamiast pobierać dokładne zweryfikowane dane żywieniowe z etykiety. To było absurdalne w przypadku produktów pakowanych, gdzie producent już dostarczył precyzyjne informacje żywieniowe.

Brak danych o mikroelementach

Nawet gdy oszacowania kalorii i makroskładników SnapCalorie były w odpowiednim zakresie, na tym się kończyły. Kalorie, białko, węglowodany, tłuszcz — to był zakres danych. Żadnych witamin, żadnych minerałów, żadnych pierwiastków śladowych. Jeśli chciałem wiedzieć, ile żelaza lub wapnia znajduje się w moim posiłku, SnapCalorie nie miało odpowiedzi.

AI oszacowywało makroskładniki na podstawie wizualnego wyglądu. Oszacowanie mikroelementów na podstawie zdjęcia byłoby jeszcze mniej wiarygodne, więc po prostu tego nie próbowali. Rezultatem było to, że byłem ślepy na wszystko poza czterema głównymi liczbami.

Uświadomienie: AI potrzebuje bazy danych

Po trzech tygodniach śledzenia w SnapCalorie i porównywaniu oszacowań z znanymi wartościami, doszedłem do wniosku, który wydaje się oczywisty w retrospektywie: rozpoznawanie zdjęć przez AI to genialna metoda wprowadzania, ale jest tak dobra, jak dane, do których się łączy.

AI SnapCalorie próbowało oszacować wartości odżywcze wyłącznie na podstawie analizy wizualnej. Takie podejście ma fundamentalny sufit dokładności. Niezależnie od tego, jak dobra staje się rozpoznawanie obrazów, zdjęcie nie może powiedzieć ci, jaka jest dokładna marka jogurtu, precyzyjna ilość oleju użytego do gotowania ani ukryte składniki w sosie restauracyjnym.

Potrzebowałem aplikacji, która wykorzystywałaby AI jako szybką metodę wprowadzania, ale łączyła te dane z zweryfikowaną bazą danych żywieniowych — tak, aby AI zidentyfikowało "pierś z kurczaka" na zdjęciu, ale dane o kaloriach i składnikach pochodziły z rzeczywistego, zweryfikowanego źródła, a ja mógłbym dostosować wagę do mojej porcji.

Dokładnie to robi Nutrola.

Przejście na Nutrola: AI plus baza danych

Nutrola wykorzystuje rozpoznawanie zdjęć przez AI, ale w inny sposób niż SnapCalorie. Kiedy robisz zdjęcie swojego posiłku, AI Nutrola identyfikuje składniki. Następnie porównuje te składniki z bazą danych zawierającą ponad 1,8 miliona zweryfikowanych produktów. Widoczysz dopasowane składniki z ich danymi żywieniowymi i możesz dostosować porcje według wagi lub powszechnych rozmiarów porcji.

Rezultatem jest to, że otrzymujesz szybkość rejestrowania napędzaną przez AI (bez wpisywania, bez szukania) z dokładnością zweryfikowanej bazy danych (prawdziwe liczby żywieniowe, a nie wizualne oszacowania).

Różnica w dokładności była natychmiastowa

Przeprowadziłem te same testy z Nutrola, które wykonałem z SnapCalorie.

Dwie porcje makaronu. Nutrola zidentyfikowało makaron na zdjęciu i dopasowało go do wpisu w bazie danych. Dostosowałem wagę dla każdego talerza. Mniejsza porcja wróciła z wynikiem 340 kalorii, a większa z 590 kalorii — obie w granicach 15 kalorii od moich ręcznych obliczeń. SnapCalorie oszacowało obie na około 450 kalorii z rozrzutem 60 kalorii.

Miska burrito. AI Nutrola zidentyfikowało główne składniki, a ja mogłem dodać śmietanę, ser i guacamole, które częściowo ukrywało zdjęcie. Każdy składnik pobrał zweryfikowane dane z bazy danych. Całkowite oszacowanie: 810 kalorii, w granicach 30 kalorii od opublikowanych danych restauracji. SnapCalorie pominęło 310 kalorii.

Smoothie. SnapCalorie miało problemy ze smoothie, ponieważ nie można zobaczyć składników. Oszacowywało "zielone smoothie" z przybliżonymi liczbami kalorii. Nutrola pozwoliła mi na rejestrowanie głosowe rzeczywistych składników — "szpinak, banan, masło orzechowe, białko w proszku, mleko migdałowe" — a każdy składnik pobrał dokładne dane z bazy danych. Różnica nie dotyczyła zdolności AI. Chodziło o posiadanie systemu, który mógł akceptować wiele metod wprowadzania i łączyć je z zweryfikowanymi danymi.

Skanowanie kodów kreskowych dla produktów pakowanych

Dla około 30 procent mojej diety, która pochodzi z produktów pakowanych — batonów białkowych, jogurtów, płatków, przypraw, napojów — skaner kodów kreskowych Nutrola był rewolucyjny w porównaniu do podejścia SnapCalorie opartego wyłącznie na zdjęciach.

Zeskanowałem batona białkowego. Nutrola zwróciła dokładne kalorie (210), białko (20g) i pełny profil mikroelementów z zweryfikowanej bazy danych. SnapCalorie analizowałoby zdjęcie zapakowanego batona i zwróciłoby wizualne oszacowanie. Nie ma takiego wszechświata, w którym zdjęcie opakowania jest dokładniejsze niż rzeczywiste dane żywieniowe z etykiety tego opakowania.

Rejestrowanie głosowe dla trudnych do sfotografowania produktów

Niektóre produkty są trudne do sfotografowania. Garść migdałów z torebki. Łyżka oliwy z oliwek podczas gotowania. Szklanka mleka. SnapCalorie wymagało, abym je fotografował, co było zarówno niewygodne, jak i niedokładne (jak sfotografować łyżkę oliwy z oliwek na patelni?).

Rejestrowanie głosowe Nutrola radziło sobie z tym doskonale. "Łyżka oliwy z oliwek, garść migdałów, około 20 gramów" — wypowiedziane w trzy sekundy, dopasowane do zweryfikowanych wpisów w bazie danych, zarejestrowane dokładnie.

Wyniki po 30 dniach

Po miesiącu korzystania z Nutrola, poprawa w porównaniu do SnapCalorie była wymierna.

Dokładność kalorii znacznie się poprawiła. Porównałem moje logi Nutrola z wartościami ważonymi i mierzonymi przez pełny tydzień. Codzienne sumy kalorii Nutrola były konsekwentnie w granicach 5 do 8 procent moich ręcznych obliczeń. SnapCalorie odchylało się o 15 do 25 procent w przypadku tych samych typów posiłków.

Zyskałem widoczność mikroelementów. Z zerowymi danymi o mikroelementach w SnapCalorie przeszedłem do śledzenia ponad 100 składników w Nutrola. W ciągu dwóch tygodni zidentyfikowałem, że moje spożycie selenu jest niskie (rzadko jem orzechy brazylijskie lub owoce morza) i że moje spożycie kwasu foliowego jest nieregularne.

Szybkość rejestrowania pozostała wysoka. To było moje zmartwienie związane z przejściem. SnapCalorie było szybkie, a obawiałem się, że każda aplikacja z większą dokładnością będzie również wolniejsza. Rozpoznawanie zdjęć przez AI Nutrola było tak samo szybkie jak w SnapCalorie, a dodatkowy krok potwierdzania dopasowań bazy danych zajmował tylko 10 do 15 sekund na posiłek. Rejestrowanie głosowe i skanowanie kodów kreskowych dla produktów, które trudno sfotografować, były w rzeczywistości szybsze niż próba ich sfotografowania.

Całkowity czas rejestrowania dziennego. SnapCalorie: około 4 minut dziennie (szybko, ale niedokładnie). Nutrola: około 6 minut dziennie (szybko i dokładnie). Dodatkowe dwie minuty przyniosły mi dramatycznie lepsze dane.

Koszt. Premium plan SnapCalorie kosztował około 10 dolarów miesięcznie. Nutrola kosztuje 2,50 euro miesięcznie. Mniej pieniędzy za więcej funkcji, lepsze dane i porównywalną szybkość.

Co SnapCalorie robiło dobrze

Czysta szybkość dla prostych posiłków. Jeśli twoja dieta składa się wyłącznie z jednoskładnikowych posiłków na przejrzystych talerzach, podejście SnapCalorie oparte na zdjęciach jest naprawdę najszybszym doświadczeniem rejestrowania, jakie można znaleźć. W tych konkretnych sytuacjach było imponujące.

Niski ładunek poznawczy. Brak konieczności myślenia o porcjach czy dopasowaniach bazy danych sprawił, że doświadczenie rejestrowania było niemal bezwysiłkowe. Rozumiem, dlaczego to przyciąga casualowych śledzących.

Nowatorskie doświadczenie. Jest coś satysfakcjonującego w przepływie pracy od zdjęcia do danych. To wydaje się futurystyczne i usuwa psychologiczną barierę "nie chcę rejestrować, bo to nudne".

Jednak szybkość bez dokładności to nie jest śledzenie. To zgadywanie z dodatkowymi krokami.

Kto powinien rozważyć przejście

Jeśli korzystasz z SnapCalorie i twoje wyniki utknęły w martwym punkcie — jeśli twoje cele kaloryczne nie przynoszą oczekiwanych rezultatów — niekonsekwentne oszacowanie AI może być powodem. Kiedy twoje narzędzie do śledzenia regularnie pomija 200 lub więcej kalorii na posiłek, twoje dzienne obliczenia kaloryczne mogą być błędne o 500 do 800 kalorii. Ta różnica jest na tyle duża, że całkowicie niweluje deficyt kaloryczny.

Jeśli chcesz wygody rejestrowania napędzanego przez AI, ale potrzebujesz również niezawodności zweryfikowanych danych żywieniowych, Nutrola daje ci obie te rzeczy. Rozpoznawanie zdjęć dla szybkości. Baza danych z 1,8 miliona produktów dla dokładności. Rejestrowanie głosowe i skanowanie kodów kreskowych dla produktów, których zdjęcia nie mogą dobrze uchwycić. Ponad 100 śledzonych składników dla pełnego obrazu. I zero reklam za dwa euro pięćdziesiąt miesięcznie.

Przyszłość śledzenia żywności to nie tylko AI. To AI połączone z zweryfikowanymi danymi. To właśnie odkryłem, przechodząc z SnapCalorie na Nutrola, a różnica w dokładności zmieniła moje wyniki w ciągu miesiąca.