De ce am trecut de la SnapCalorie la Nutrola (AI-ul foto singur nu este suficient)

SnapCalorie mi-a vândut un vis: fă o fotografie cu mâncarea ta, iar AI-ul îți spune exact ce ai mâncat. Fără tastare, fără căutări, fără scanare de coduri de bare. Doar îndreaptă, fotografiază și lasă mașina să facă restul. După luni de zile de înregistrare manuală a alimentelor pe alte aplicații, aceasta părea viitorul. M-am înscris imediat.

Timp de aproximativ trei săptămâni, am fost cu adevărat impresionat. Apoi am început să compar estimările SnapCalorie cu etichetele nutriționale reale și porțiile măsurate. Inconsistențele nu erau mici. Erau suficient de mari pentru a submina întregul scop al urmăririi.

Aceasta este povestea despre cum am învățat că recunoașterea foto AI fără o bază de date verificată a alimentelor este un concept frumos, dar cu o problemă serioasă de precizie — și cum combinația Nutrola de AI plus o bază de date de 1,8 milioane de alimente mi-a oferit ceea ce SnapCalorie nu putea.

Atracția urmăririi exclusiv foto

Înțeleg de ce SnapCalorie a atras atât de mulți utilizatori, inclusiv pe mine. Experiența tradițională de înregistrare a alimentelor — tastarea numelui unui aliment, derularea prin rezultate, alegerea celui corect, ajustarea dimensiunii porției, repetarea pentru fiecare element de pe farfurie — este obositoare. Este motivul numărul unu pentru care oamenii renunță la urmărirea alimentelor.

SnapCalorie promitea să elimine complet această fricțiune. Fă o fotografie, AI-ul estimează alimentele și cantitățile, iar tu primești o defalcare a caloriilor și macronutrienților în câteva secunde. Interfața era curată, experiența rapidă, iar pentru mesele simple, părea magică.

Am fotografiat o farfurie cu piept de pui, orez și broccoli. SnapCalorie a identificat toate cele trei elemente și a estimat caloriile în câteva secunde. Eram convins.

Unde a căzut precizia

Problema cu SnapCalorie a apărut treptat, apoi brusc.

Estimarea porțiilor era inconsistentă

AI-ul poate identifica că ceva este piept de pui. Ce îi lipsește este estimarea dacă acel piept de pui cântărește 120 de grame sau 200 de grame — o diferență de aproximativ 100 de calorii și 20 de grame de proteine. Dintr-o fotografie de sus, o bucată groasă de pui și una subțire pot arăta remarcabil de asemănător.

Am testat acest lucru deliberat într-o seară. Am servit două porții de paste: una de 80 de grame (greutate uscată) și cealaltă de 150 de grame. Ambele erau așezate pe farfurii similare cu aceeași sos. SnapCalorie a estimat porția mai mică la 420 de calorii și pe cea mai mare la 480 de calorii. Diferența reală era de aproximativ 250 de calorii.

AI-ul a văzut două farfurii asemănătoare și a returnat estimări similare, deoarece făcea presupuneri vizuale, nu se baza pe date nutriționale verificate legate de greutăți măsurate.

Mâncărurile mixte erau un joc de ghicit

SnapCalorie a performat rezonabil de bine pentru mese simple, separate — o bucată de pește lângă o grămadă de legume lângă o porție de orez. Totul era vizibil distinct și estimabil.

Dar viața reală include tocănițe, curry-uri, casserole, boluri de smoothie, burrito, sandvișuri și boluri cu cereale unde ingredientele se suprapun, se ascund sub sosuri sau se amestecă vizual. Pentru aceste mese, estimările SnapCalorie variau de la aproximativ corecte la complet eronate.

Am fotografiat un bol de burrito de la un restaurant. SnapCalorie a identificat orez, fasole, pui și salsa. A ratat smântâna ascunsă sub salată, brânza amestecată în orez și guacamole-ul de pe marginea bolului, parțial acoperit de un coș cu chipsuri. Estimarea caloriilor era de aproximativ 530 de calorii. Când am calculat manual masa folosind datele nutriționale publicate de restaurant, era mai aproape de 840 de calorii. O diferență de 310 calorii dintr-o singură masă.

Fără scanare de coduri de bare, fără backup manual

Întreaga identitate a SnapCalorie era construită în jurul recunoașterii foto. Nu avea o bază de date tradițională a alimentelor pe care să o poți căuta manual. Nu avea scanare de coduri de bare. Dacă AI-ul foto nu putea identifica ceva — sau îl identifica greșit — erai blocat.

Produsele ambalate pe care le-aș fi putut scana ușor cu un cititor de coduri de bare trebuiau fotografiate, iar AI-ul încerca să estimeze vizual conținutul, în loc să extragă datele nutriționale verificate de pe etichetă. Acest lucru era absurd pentru produsele ambalate, unde producătorul a furnizat deja informații nutriționale precise.

Fără date despre micronutrienți

Chiar și atunci când estimările de calorii și macronutrienți ale SnapCalorie erau în intervalul corect, se opreau acolo. Calorii, proteine, carbohidrați, grăsimi — aceasta era limita datelor. Fără vitamine, fără minerale, fără elemente în cantități infime. Dacă voiam să știu cât de mult fier sau calciu era în masa mea, SnapCalorie nu avea răspuns.

AI-ul estima macronutrienții pe baza aspectului vizual. Estimarea micronutrienților dintr-o fotografie ar fi fost și mai puțin fiabilă, așa că pur și simplu nu au încercat. Dar rezultatul era că eram complet în întuneric în ceea ce privește tot ce depășea cele patru numere mari.

Realizarea: AI-ul are nevoie de o bază de date

După trei săptămâni de urmărire pe SnapCalorie și compararea estimărilor cu valorile cunoscute, am ajuns la o concluzie care pare evidentă în retrospectivă: recunoașterea foto AI este o metodă de input strălucită, dar este la fel de bună ca datele la care se conectează.

AI-ul SnapCalorie încerca să estimeze nutriția pur pe baza analizei vizuale. Această abordare are un plafon fundamental de precizie. Indiferent cât de bun devine recunoașterea imaginii, o fotografie nu poate spune exact marca de iaurt, cantitatea precisă de ulei folosită la gătit sau ingredientele ascunse într-un sos de restaurant.

Ceea ce aveam nevoie era o aplicație care să folosească AI-ul ca metodă rapidă de input, dar să conecteze aceste inputuri la o bază de date nutriționale verificate — astfel încât AI-ul să identifice "piept de pui" dintr-o fotografie, dar datele despre calorii și nutrienți să provină dintr-o sursă verificată, iar eu să pot ajusta greutatea pentru a se potrivi cu porția mea.

Exact asta face Nutrola.

Trecerea la Nutrola: AI plus bază de date

Nutrola folosește recunoașterea foto AI, dar diferit față de SnapCalorie. Când faci o fotografie cu masa ta, AI-ul Nutrola identifică alimentele. Apoi, le potrivește cu baza sa de date de peste 1,8 milioane de alimente verificate. Vezi elementele potrivite cu datele lor nutriționale și poți ajusta porțiile după greutate sau dimensiuni de servire comune.

Rezultatul este că obții viteza înregistrării alimentelor cu ajutorul AI-ului (fără tastare, fără căutări) cu precizia unei baze de date verificate (numere nutriționale reale, nu estimări vizuale).

Diferența de precizie a fost imediată

Am efectuat aceleași teste cu Nutrola pe care le-am făcut cu SnapCalorie.

Cele două porții de paste. Nutrola a identificat pastele din fotografie și le-a potrivit cu o intrare din baza de date. Am ajustat greutatea pentru fiecare farfurie. Porția mai mică a revenit la 340 de calorii, iar cea mai mare la 590 de calorii — ambele în termen de 15 calorii de valorile mele calculate manual. SnapCalorie estimase ambele în jur de 450 de calorii cu o variație de 60 de calorii.

Bolul de burrito. AI-ul Nutrola a identificat componentele principale, iar eu am putut adăuga smântâna, brânza și guacamole-ul pe care fotografia le-a ascuns parțial. Fiecare element a extras date verificate din baza de date. Estimarea totală: 810 calorii, în termen de 30 de calorii de datele publicate de restaurant. SnapCalorie a ratat 310 calorii.

Un smoothie. SnapCalorie a avut dificultăți cu smoothie-urile deoarece nu poți vedea ingredientele. Ar estima "un smoothie verde" cu numere aproximative de calorii. Nutrola mi-a permis să înregistrez vocal ingredientele reale — "spanac, banană, unt de arahide, pudră de proteine, lapte de migdale" — iar fiecare ingredient a extras date exacte din baza de date. Diferența nu a fost despre capacitatea AI-ului. A fost despre a avea un sistem care să accepte multiple metode de input și să le conecteze la date verificate.

Scanarea codurilor de bare pentru produsele ambalate

Pentru aproximativ 30% din dieta mea care provine din produse ambalate — batoane proteice, iaurt, cereale, condimente, băuturi — scannerul de coduri de bare al Nutrola a fost transformator comparativ cu abordarea foto-exclusivă a SnapCalorie.

Am scanat un baton proteic. Nutrola a returnat exact caloriile (210), proteinele (20g) și profilul complet de micronutrienți din baza de date verificată. SnapCalorie ar fi analizat o fotografie a unui baton ambalat și ar fi returnat o estimare vizuală. Nu există nicio situație în care o fotografie a unui ambalaj să fie mai precisă decât datele nutriționale reale de pe eticheta acelui ambalaj.

Înregistrarea vocală pentru alimentele intermediare

Unele alimente sunt incomode de fotografiat. O mână de migdale dintr-un pachet. O stropire de ulei de măsline în timpul gătitului. Un pahar de lapte. SnapCalorie necesita să fotografiez aceste alimente, ceea ce era atât inconvenient, cât și inexact (cum poți fotografia o lingură de ulei de măsline într-o tigaie?).

Înregistrarea vocală a Nutrola a gestionat perfect aceste situații. "Lingură de ulei de măsline, mână de migdale, aproximativ 20 de grame" — spus în trei secunde, potrivit cu intrările verificate din baza de date, înregistrate cu exactitate.

Rezultatele după 30 de zile

După o lună pe Nutrola, îmbunătățirile față de SnapCalorie au fost măsurabile.

Precizia caloriilor s-a îmbunătățit semnificativ. Am comparat înregistrările mele Nutrola cu valorile cântărite și măsurate timp de o săptămână întreagă. Totalurile zilnice de calorii ale Nutrola erau constant în termen de 5 până la 8 procente față de valorile mele calculate manual. SnapCalorie a deviat cu 15 până la 25 de procente pentru aceleași tipuri de mese.

Am câștigat vizibilitate asupra micronutrienților. De la zero date despre micronutrienți pe SnapCalorie, am trecut la urmărirea a peste 100 de nutrienți pe Nutrola. În termen de două săptămâni, am identificat că aportul meu de seleniu era scăzut (rareori consum nuci de Brazilia sau fructe de mare) și folatul meu era inconsistent.

Viteza de înregistrare a rămas rapidă. Aceasta a fost îngrijorarea mea cu privire la trecere. SnapCalorie era rapid, iar eu mă temeam că orice aplicație cu mai multă precizie va fi și mai lentă. Recunoașterea foto AI a Nutrola a fost la fel de rapidă ca cea a SnapCalorie, iar pasul suplimentar de confirmare a potrivirilor din baza de date a adăugat doar 10 până la 15 secunde pe masă. Înregistrarea vocală și scanarea codurilor de bare pentru alimentele care nu se pretează la fotografie au fost de fapt mai rapide decât încercarea de a le fotografia.

Timpul total de înregistrare zilnic. SnapCalorie: aproximativ 4 minute pe zi (rapid, dar inexact). Nutrola: aproximativ 6 minute pe zi (rapid și precis). Cele două minute în plus mi-au adus date dramatic mai bune.

Cost. Planul premium al SnapCalorie costa aproximativ 10 dolari pe lună. Nutrola costă 2.50 euro pe lună. Mai puțini bani pentru mai multe funcții, date mai bune și viteză comparabilă.

Ce a făcut bine SnapCalorie

Viteză pură pentru mese simple. Dacă dieta ta constă exclusiv din mese cu un singur ingredient pe farfurii clare, abordarea foto-aici și gata a SnapCalorie este cu adevărat cea mai rapidă experiență de înregistrare disponibilă. Pentru acele scenarii specifice, a fost impresionant.

Încărcare cognitivă scăzută. Fără a fi nevoie să te gândești la porții sau potriviri din baza de date, experiența de înregistrare era aproape fără efort. Pot înțelege de ce asta atrage utilizatorii ocazionali.

Experiență nouă. Există ceva satisfăcător în fluxul de lucru de la fotografie la date. Se simte futurist și a eliminat bariera psihologică de "nu vreau să înregistrez pentru că este obositor."

Dar viteza fără precizie nu este urmărire. Este ghicit cu pași suplimentari.

Cine ar trebui să ia în considerare trecerea

Dacă folosești SnapCalorie și rezultatele tale s-au stagnat — dacă țintele tale calorice nu produc rezultatele așteptate — estimarea inconsistentă a AI-ului ar putea fi motivul. Când instrumentul tău de urmărire ratează regulat cu peste 200 de calorii pe masă, numărul tău zilnic de calorii ar putea fi greșit cu 500 până la 800 de calorii. Această diferență este suficient de mare pentru a anula complet un deficit caloric.

Dacă vrei confortul înregistrării alimentelor cu ajutorul AI-ului, dar ai nevoie și de fiabilitatea datelor nutriționale verificate, Nutrola îți oferă ambele. Recunoaștere foto pentru viteză. O bază de date de 1,8 milioane de alimente pentru precizie. Înregistrare vocală și scanare de coduri de bare pentru alimentele pe care fotografiile nu le pot captura bine. Peste 100 de nutrienți urmăriți pentru o imagine de ansamblu completă. Și fără reclame la doi euro cincizeci pe lună.

Viitorul urmăririi alimentelor nu este doar AI. Este AI conectat la date verificate. Asta am descoperit când am trecut de la SnapCalorie la Nutrola, iar diferența de precizie mi-a schimbat rezultatele în termen de o lună.