Мы зафиксировали 100 заказов в ресторанах — насколько точно AI их понял?
Мы протестировали голосовую фиксацию AI на 100 реальных заказах в ресторанах, включая фастфуд, casual dining, этнические рестораны, fine dining и кафе. Фастфуд показал 92% точности по калориям. Fine dining набрал всего 74%.
Голосовая фиксация AI достигла общей точности в 84% по калориям на 100 заказов в ресторанах, но результаты сильно варьировались в зависимости от категории: фастфуд показал 92%, casual dining — 86%, этнические рестораны — 82%, кафе и завтраки — 80%, а fine dining оказался на последнем месте с 74%. Ключевым фактором была не сложность блюд, а стандартизация названий меню. "Биг Мак" соответствует точному количеству калорий. А вот "утка, запеченная с вишневым соусом" — нет.
Отслеживание калорий при питании вне дома — это проблема для большинства людей. Исследование, опубликованное в BMJ, показало, что блюда в ресторанах содержат в среднем 1,205 калорий — примерно в два раза больше, чем предполагают большинство посетителей. Голосовая фиксация позволяет зафиксировать, что вы заказали, в реальном времени, не вытаскивая телефон для поиска базы данных во время еды. Но вопрос в том, сможет ли AI точно интерпретировать разнообразные способы, которыми люди описывают ресторанную еду.
Мы использовали функцию голосовой фиксации Nutrola для тестирования всех 100 заказов. Каждый заказ был произнесен естественно, как вы бы описали его другу, и мы сравнили оценку калорий AI с проверенными данными о питательной ценности из опубликованных ресторанных справочников, USDA FoodData Central и базы данных Nutrola с более чем 500K продуктов.
Дизайн теста: 100 заказов в 5 категориях ресторанов
Мы разделили 100 заказов поровну по пяти категориям:
| Категория | Заказы | Почему эта категория |
|---|---|---|
| Фастфуд | 20 | Высокая стандартизация меню, опубликованные данные о питательной ценности |
| Casual dining | 20 | Полу-стандартизированные, большие порции, разнообразная подготовка |
| Этнические рестораны | 20 | Названия блюд на неанглийском, сложные профили специй/соусов |
| Fine dining | 20 | Описания от шеф-повара, маленькие порции, богатая подготовка |
| Кафе и завтрак | 20 | Смешение простых блюд и индивидуальных заказов |
Точность рассчитывалась следующим образом:
Точность = 100 - (|Оцененные калории AI - фактические калории| / фактические калории x 100)
Каждый заказ фиксировался голосом один раз, как это сделал бы реальный пользователь в реальной ситуации — без повторов, исправлений и дополнительных деталей, кроме того, что вы бы естественно сказали.
Категория 1: Фастфуд — 92% средняя точность
Фастфуд — это самая простая категория для голосовой фиксации AI. У меню есть точные, зарегистрированные названия. Данные о питательной ценности опубликованы и обязательны к предоставлению. Размеры порций фиксированы. AI просто должен сопоставить произнесенный элемент с записью в базе данных.
| # | Произнесенный заказ | Интерпретация AI | Калории AI | Фактические калории | Точность |
|---|---|---|---|---|---|
| 1 | "комплект Биг Мака со средним картофелем фри и Диетической Кока-колой" | Биг Мак (550), Средний картофель фри (320), Диетическая Кока-кола (0) | 870 | 870 | 100% |
| 2 | "Уоппер с сыром и кольцами лука" | Уоппер с сыром (790), Кольца лука средние (410) | 1200 | 1170 | 97% |
| 3 | "два МакЧикена и большая Кока-кола" | МакЧикен x2 (800), Кока-Кола большая (290) | 1090 | 1090 | 100% |
| 4 | "Кранчврап Суприм и Баха Бласт" | Кранчврап Суприм (530), Баха Бласт средний (250) | 780 | 780 | 100% |
| 5 | "комплект номер 1 в Chick-fil-A" | Куриный сэндвич Chick-fil-A, средний картофель фри, напиток средний | 1060 | 1100 | 96% |
| 6 | "четверть фунта с сыром, без огурцов" | Четверть фунта с сыром (520) | 520 | 520 | 100% |
| 7 | "шестидольные наггетсы с барбекю и маленьким картофелем фри" | 6-долл. наггетсы (250), Соус барбекю (45), Маленький картофель фри (220) | 515 | 510 | 99% |
| 8 | "Беконатор и шоколадный Фрости" | Беконатор (960), Шоколадный Фрости маленький (350) | 1310 | 1310 | 100% |
| 9 | "куриная кесадилья из Taco Bell" | Куриная кесадилья (500) | 500 | 500 | 100% |
| 10 | "Дабл-Дабл в стиле Animal из In-N-Out" | Дабл-Дабл в стиле Animal (770) | 770 | 770 | 100% |
| 11 | "футлонг итальянский BMT на пшеничном хлебе" | Итальянский BMT Subway, пшеничный, 12 дюймов | 820 | 900 | 91% |
| 12 | "комплект острого куриного сэндвича от Popeyes" | Острый куриный сэндвич Popeyes (700), Обычные картофель фри (260), Напиток (250) | 1210 | 1230 | 98% |
| 13 | "10-долларовые наггетсы с кисло-сладким соусом" | 10-долл. наггетсы (410), Кисло-сладкий соус (50) | 460 | 460 | 100% |
| 14 | "Дэйв Сингл с салатом" | Дэйв Сингл от Wendy's (590), Салат на гарнир (30) | 620 | 610 | 98% |
| 15 | "коробка чалупы из Taco Bell" | Коробка Чалупа Суприм (1050) | 1050 | 1080 | 97% |
| 16 | "большая пицца с пепперони от Domino's, два куска" | Пицца с пепперони Domino's, большая, 2 куска | 580 | 600 | 97% |
| 17 | "Филе-О-Фиш с средним картофелем фри" | Филе-О-Фиш (390), Средний картофель фри (320) | 710 | 710 | 100% |
| 18 | "блюдо с курицей, рисом, черными бобами и гуакамоле из Chipotle" | Chipotle Bowl: курица, белый рис, черные бобы, гуакамоле | 780 | 835 | 93% |
| 19 | "три мягких тако с говядиной из Taco Bell" | Мягкое тако, приправленная говядина x3 (510) | 510 | 510 | 100% |
| 20 | "сэндвич с курицей-гриль и фруктовый салат от Chick-fil-A" | Сэндвич с курицей-гриль (390), Фруктовый салат (60) | 450 | 460 | 98% |
Средняя точность: 92% (диапазон: 91-100%)
Только два заказа оказались ниже 95%. Итальянский BMT Subway упал до 91%, потому что сэндвичи Subway варьируются по начинкам — AI предположил стандартный набор, но "на пшеничном" не уточняло, включен ли сыр, масло или овощи. Блюдо Chipotle показало 93% из-за щедрой порции гуакамоле (230 калорий на порцию), и AI немного недооценил порцию риса.
Ключевая идея: Брендированные названия меню функционируют как точные идентификаторы. Когда вы говорите "Биг Мак", AI не делает оценок — он извлекает точное соответствие.
Категория 2: Casual Dining — 86% средняя точность
Рестораны casual dining, такие как Applebee's, Olive Garden и местные гриль-бары, представляют собой среднюю категорию. Многие сети публикуют данные о питательной ценности, но описания менее стандартизированы, а порции больше и более разнообразны.
| # | Произнесенный заказ | Интерпретация AI | Калории AI | Фактические калории | Точность |
|---|---|---|---|---|---|
| 21 | "гриль-семга с запеченными овощами и салатом Цезарь" | Филе гриль-семги (6 унций), запеченные овощи, салат Цезарь на гарнир | 680 | 750 | 91% |
| 22 | "беконный чизбургер с картофелем фри" | Беконный чизбургер (8 унций), картофель фри обычный | 1150 | 1320 | 87% |
| 23 | "курица Альфредо из Olive Garden" | Курица Альфредо из Olive Garden | 1570 | 1570 | 100% |
| 24 | "рибай стейк с запеченным картофелем и сметаной" | Рибай стейк (12 унций), запеченный картофель, сметана (2 ст. ложки) | 980 | 1100 | 89% |
| 25 | "рыба с картошкой и соусом тартар" | Рыба в кляре (2 шт.), картофель фри, соус тартар (2 ст. ложки) | 950 | 1080 | 88% |
| 26 | "сандвич с индейкой и сладким картофелем фри" | Сандвич с индейкой, сладкий картофель фри | 920 | 980 | 94% |
| 27 | "чаша с моллюсками и булочкой" | Новой английский моллюсковый суп (12 унций), булочка | 430 | 460 | 93% |
| 28 | "куриные наггетсы с медово-горчичным соусом и капустным салатом" | Куриные наггетсы (4 шт.), медово-горчичный соус (2 ст. ложки), капустный салат | 780 | 890 | 88% |
| 29 | "салат Кобб с соусом ранч" | Салат Кобб, соус ранч (2 ст. ложки) | 620 | 760 | 82% |
| 30 | "креветки с чесноком и хлебом" | Креветки с чесноком, лингвини, хлеб (2 шт.) | 860 | 940 | 91% |
| 31 | "пицца Маргарита и салат" | Пицца Маргарита, салат с винегретом | 680 | 730 | 93% |
| 32 | "аппетайзер с картофельными шкурами" | Картофельные шкуры (6 шт.), бекон, сыр, сметана | 620 | 710 | 87% |
| 33 | "пицца с курицей BBQ, два куска" | Пицца с курицей BBQ, 2 куска (14 дюймов) | 560 | 640 | 88% |
| 34 | "бутерброд с черным куриным мясом и фруктами" | Бутерброд с черным куриным мясом, фруктовый салат | 580 | 610 | 95% |
| 35 | "бутерброд с французским соусом" | Французский соус, говядина, булочка, соус | 620 | 680 | 91% |
| 36 | "куриный пармезан с пастой" | Куриный пармезан (панированное филе), маринара, моцарелла, паста | 1080 | 1260 | 86% |
| 37 | "начос гранде на двоих" | Начос с сыром, говядиной, бобами, халапеньо, сметаной | 1300 | 1540 | 84% |
| 38 | "салат с курицей на юго-западе с авокадо и ранч" | Салат с курицей на юго-западе, соус авокадо | 680 | 820 | 83% |
| 39 | "моцарелла с соусом маринара" | Моцарелла (6 шт.), соус маринара | 510 | 560 | 91% |
| 40 | "миска терияки с курицей и белым рисом" | Терияки с курицей, белый рис (1.5 чашки), овощи на пару | 720 | 780 | 92% |
Средняя точность: 86% (диапазон: 82-100%)
Наибольшие потери точности произошли по трем причинам:
Масло и жир в ресторанной кухне. Рестораны используют значительно больше масла и жира, чем домашние повара. Оценка AI для рибая была занижена, потому что он не учел полностью масло, которое большинство стейкхаусов добавляет в блюдо.
Порции соусов и заправок. Порции соуса для салатов в ресторанах обычно составляют 3-4 столовые ложки, а не 2, как предполагал AI. Это привело к недооценке салата Кобб на 140 калорий.
Порции закусок. Общие закуски, такие как начос гранде, известны высоким содержанием калорий, и AI недооценил количество сыра и сметаны.
Курица Альфредо из Olive Garden показала 100%, потому что это элемент сети с опубликованными данными о питательной ценности, которые AI извлек точно.
Категория 3: Этнические рестораны — 82% средняя точность
Заказы из этнических ресторанов вводят названия блюд на неанглийском, сложные профили соусов и специй, а также широкое разнообразие методов приготовления между ресторанами. AI должен распознавать названия блюд из разных кухонь и оценивать калорийные компоненты, такие как кокосовое молоко, гхи и пальмовое масло.
| # | Произнесенный заказ | Интерпретация AI | Калории AI | Фактические калории | Точность |
|---|---|---|---|---|---|
| 41 | "курица тикка масала с чесночным нааном и басмати" | Курица тикка масала (10 унций), чесночный наан (1 шт.), рис басмати (1 чашка) | 880 | 960 | 92% |
| 42 | "говядина фо с срирача и хойсином" | Фо бо, говядина, рисовая лапша, бульон, срирача, хойсин | 520 | 550 | 95% |
| 43 | "пад тай с креветками" | Пад тай, креветки, рисовая лапша, арахис, проростки | 550 | 630 | 87% |
| 44 | "тарелка с курицей шаурмой с хумусом и питой" | Курица шаурма, хумус (1/3 чашки), пита (2 шт.), рис | 780 | 850 | 92% |
| 45 | "калифорнийская ролл и острый тунец" | Калифорнийская ролл (8 шт.), острый тунец (8 шт.) | 560 | 590 | 95% |
| 46 | "бириани с бараниной и раита" | Баранина бирьяни (12 унций), раита (1/4 чашки) | 680 | 780 | 87% |
| 47 | "бенто-бокс с терияки лососем, рисом и мисо-супом" | Терияки лосось, белый рис, мисо-суп, салат на гарнир | 720 | 760 | 95% |
| 48 | "три тако аль пастор с кинзой и луком" | Тако аль пастор x3, кукурузные лепешки, кинза, лук | 540 | 570 | 95% |
| 49 | "зеленое карри с тофу и жасминовым рисом" | Тайское зеленое карри, тофу, кокосовое молоко, жасминовый рис (1 чашка) | 620 | 720 | 86% |
| 50 | "тарелка бульгоги с кимчи и рисом на пару" | Бульгоги (говядина), кимчи, белый рис на пару | 650 | 710 | 92% |
| 51 | "фалафель в лаваше с тахини и маринованной редькой" | Фалафель в лаваше: фалафель (5 шт.), тахини, маринованная редька, пита | 580 | 640 | 91% |
| 52 | "курица в масле с двумя чапати" | Курица в масле (10 унций), чапати x2 | 760 | 890 | 85% |
| 53 | "чаша тонкотсу рамена" | Тонкотсу рамен, свиной бульон, чаша, яйцо, лапша | 580 | 700 | 83% |
| 54 | "курица в джерк с рисом и горохом и жареными бананами" | Джерк курица, рис и горох, жареные бананы | 820 | 940 | 87% |
| 55 | "гиро с бараниной с дзадзики и греческим салатом" | Гиро с бараниной, дзадзики, пита, греческий салат | 720 | 800 | 90% |
| 56 | "курица кatsu карри с рисом" | Японская курица кatsu, соус карри, белый рис | 850 | 980 | 87% |
| 57 | "тарелка энчилад с моле с рисом и бобами" | Энчилада с моле (3), мексиканский рис, жареные бобы | 880 | 1020 | 86% |
| 58 | "доса с самбаром и кокосовым чатни" | Масала доса, самбар, кокосовое чатни | 380 | 410 | 93% |
| 59 | "тарелка жолоф риса с жареной курицей" | Жолоф рис (1.5 чашки), жареная курица (2 шт.) | 780 | 920 | 85% |
| 60 | "заказ сяолунбао, восемь штук" | Сяолунбао (суповые пельмени) x8 | 360 | 440 | 82% |
Средняя точность: 82% (диапазон: 82-95%)
AI правильно идентифицировал каждое название блюда, включая сяолунбао, бульгоги и жолоф рис, что впечатляет. Потери точности произошли не из-за неудач в распознавании, а из-за недооценки калорий — в частности:
- Кокосовое молоко и гхи. Блюда, такие как зеленое карри, курица в масле и тонкотсу рамен, калорийны из-за кокосового молока, масла/гхи и свиного жира. AI постоянно недооценивал эти компоненты на 80-150 калорий.
- Жареные компоненты. Жареные бананы, жареная курица в жолоф рисе и кatsu котлеты впитывают масло во время жарки. AI недооценил впитывание масла в 4 из 20 заказов.
- Порции, специфичные для ресторана. Чаша тонкотсу рамена в ресторане обычно содержит больше лапши и более насыщенный бульон, чем стандартная рецептура.
Категория 4: Fine Dining — 74% средняя точность
Fine dining была самой сложной категорией. Описания от шеф-повара, богатые соусы, блюда, приготовленные с маслом, и нестандартные формулировки порций создают трудности для интерпретации AI.
| # | Произнесенный заказ | Интерпретация AI | Калории AI | Фактические калории | Точность |
|---|---|---|---|---|---|
| 61 | "утка, запеченная с вишневым соусом и картофелем" | Утка (6 унций), вишневый соус, картофель | 620 | 780 | 79% |
| 62 | "салат из свеклы и козьего сыра с орехами" | Салат из свеклы, козий сыр (2 унции), орехи, винегрет | 380 | 490 | 78% |
| 63 | "карпаччо из вагю" | Карпаччо из вагю, оливковое масло, рукола, тертый пармезан | 310 | 380 | 82% |
| 64 | "ризотто с лобстером" | Ризотто с лобстером, рис арборио, масло, пармезан | 580 | 780 | 74% |
| 65 | "ребра ягненка с розмариновым соусом и трюфельным пюре" | Ребра ягненка (3 ребра), розмариновый соус, трюфельное пюре | 850 | 1050 | 81% |
| 66 | "тунец тартар с авокадо и кунжутом" | Тунец тартар, авокадо, кунжутное масло, соевый соус, хрустящие лепешки | 320 | 380 | 84% |
| 67 | "тушеная короткая ребрышка с полентой" | Тушеная короткая ребрышка (8 унций), кремовая полента | 720 | 940 | 77% |
| 68 | "буррата с heirloom томатами и базиликовым маслом" | Буррата (4 унции), heirloom томаты, базиликовое масло | 350 | 420 | 83% |
| 69 | "обжаренные гребешки с пюре из цветной капусты и коричневым маслом" | Обжаренные гребешки (4 шт.), пюре из цветной капусты, коричневое масло | 380 | 520 | 73% |
| 70 | "фуа-гра с бриошью и инжирным джемом" | Фуа-гра (3 унции), бриошь (2 шт.), инжирный джем | 480 | 620 | 77% |
| 71 | "паста с белыми трюфелями" | Паста с трюфелями, тальятелле, масло, пармезан, трюфель | 580 | 780 | 74% |
| 72 | "чилийская морская баса с мисо-глазурью" | Чилийская морская баса (6 унций), мисо-глазурь, бок-чой | 420 | 510 | 82% |
| 73 | "тарелка закусок на одного" | Закуски: мясные деликатесы, сыры, крекеры, оливки, инжирная паста | 620 | 850 | 73% |
| 74 | "свинина с яблочным компотом" | Свинина (5 унций), яблочный компот | 520 | 680 | 76% |
| 75 | "закуска с севиче" | Севиче, белая рыба, лайм, кинза, кукурузные чипсы | 250 | 280 | 89% |
| 76 | "оленина с черничным соусом" | Оленина (6 унций), черничный соус | 380 | 440 | 86% |
| 77 | "шоколадный фондан на десерт" | Шоколадный фондан, одна порция | 380 | 520 | 73% |
| 78 | "сырный суфле" | Сырный суфле, Грюйер | 380 | 480 | 79% |
| 79 | "осьминог с ромеско и хрустящим картофелем" | Запеченный осьминог, соус ромеско, хрустящий картофель | 420 | 560 | 75% |
| 80 | "крем-брюле" | Крем-брюле, одна порция | 320 | 400 | 80% |
Средняя точность: 74% (диапазон: 73-89%)
Точность в fine dining пострадала от постоянного паттерна: AI недооценивал масло, сливки и жир в практически каждом блюде. На кухнях fine dining большинство блюд завершаются маслом. Ризотто получает 3-4 столовые ложки масла, которые добавляют в конце. Гребешки обжариваются в коричневом масле. Пюре из картофеля используют тяжелые сливки. Эти скрытые жиры добавляют 150-300 калорий, которые стандартные рецепты AI не учитывают.
Ризотто с лобстером стало символом: AI оценил 580 калорий на основе стандартного рецепта ризотто, но ресторанное ризотто содержит значительно больше масла и пармезана, чем домашний рецепт, что увеличивает фактическое количество до 780.
Тарелка закусок на одного на 73% подчеркивает еще одну проблему fine dining — неструктурированные подачи, где нет четкой порции. "Тарелка закусок на одного" может означать от 400 до 1000 калорий в зависимости от определения ресторана.
Категория 5: Кафе и завтрак — 80% средняя точность
Кафе и завтраки смешивают простые блюда (тост, яйца) с сильно индивидуализированными заказами (авокадо-тост, специальные латте). Точность находится между фастфудом и fine dining.
| # | Произнесенный заказ | Интерпретация AI | Калории AI | Фактические калории | Точность |
|---|---|---|---|---|---|
| 81 | "авокадо-тост с яйцом-пашот и флет-вайтом" | Авокадо-тост (сурдоу), яйцо-пашот, флет-вайт (цельное молоко) | 480 | 530 | 91% |
| 82 | "омлет с шпинатом и фетой с цельнозерновым тостом" | Омлет со шпинатом и фетой (3 яйца), цельнозерновой тост (2 ломтика), масло | 520 | 580 | 90% |
| 83 | "блинчики с черникой и кленовым сиропом" | Блинчики с черникой (3), кленовый сироп (3 ст. ложки) | 520 | 680 | 76% |
| 84 | "яйца Бенедикт с фруктами" | Яйца Бенедикт (2 шт.), голландский соус, канадский бекон, фруктовый салат | 680 | 740 | 92% |
| 85 | "завтрак-буррито с беконом, яйцами, сыром и сальсой" | Завтрак-буррито: мучная лепешка, бекон, яичница, сыр, сальса | 580 | 650 | 89% |
| 86 | "чаша асаи с гранолой и медом" | Чаша асаи, гранола (1/3 чашки), мед | 420 | 540 | 78% |
| 87 | "французские тосты с взбитыми сливками и клубникой" | Французские тосты (3 ломтика), взбитые сливки, клубника | 580 | 750 | 77% |
| 88 | "круассан и капучино" | Масляный круассан, капучино (12 унций, цельное молоко) | 370 | 380 | 97% |
| 89 | "багель с крем-сыром и копченым лососем" | Багель, крем-сыр (2 ст. ложки), копченый лосось (2 унции) | 440 | 500 | 88% |
| 90 | "парафет греческого йогурта с гранолой и ягодами" | Греческий йогурт (8 унций), гранола (1/4 чашки), смешанные ягоды | 320 | 360 | 89% |
| 91 | "два яйца с беконом и картофельными оладьями" | Яйца (2), бекон (3 полоски), картофельные оладьи | 520 | 610 | 85% |
| 92 | "курица и вафли" | Жареная куриная грудка, бельгийская вафля, кленовый сироп | 780 | 950 | 82% |
| 93 | "медово-банановый маффин и черный кофе" | Банановый маффин, кофе черный (12 унций) | 420 | 490 | 86% |
| 94 | "яйца Бенедикт с копченым лососем" | Яйца Бенедикт с копченым лососем: английский маффин, копченый лосось, голландский соус, яйца-пашот | 620 | 680 | 91% |
| 95 | "чаша гранолы с миндальным молоком и бананом" | Гранола (1 чашка), миндальное молоко (1 чашка), банан (1 средний) | 480 | 510 | 94% |
| 96 | "вегетарианский завтрак-обертка" | Завтрак-обертка: яйца, перцы, лук, шпинат, сыр, мучная лепешка | 380 | 420 | 90% |
| 97 | "сэндвич Монтекристо" | Монтекристо: ветчина, индейка, швейцарский сыр, панированное и жареное | 680 | 860 | 79% |
| 98 | "холодный кофе с овсяным молоком и ванилью" | Холодный кофе, овсяное молоко (4 унции), ванильный сироп (1 порция) | 100 | 120 | 83% |
| 99 | "полный английский завтрак" | Полный английский: 2 яйца, 2 бекона, 2 сосиски, бобы, тост, помидоры, грибы | 820 | 950 | 86% |
| 100 | "французские тосты с Нутеллой и бананами" | Французские тосты (2 ломтика), Нутелла, бананы | 650 | 830 | 78% |
Средняя точность: 80% (диапазон: 76-97%)
Наихудшие результаты показали ресторанные завтраки с скрытыми жирами. Блинчики с черникой в кафе обычно готовятся с маслом в тесте и жарятся на подсолнечном масле, затем подаются с 3-4 столовыми ложками сиропа и иногда с кусочком масла сверху. AI оценил скромный домашний рецепт. Аналогично, французские тосты в ресторанах часто обмакиваются в более богатое тесто (больше сливок, больше яиц), чем домашние версии, и подаются с щедрым количеством взбитых сливок.
Чаша асаи показала низкую точность на уровне 78% по той же причине, что и в тесте напитков — коммерческие чаши асаи используют большие порции и часто включают скрытый мед или агаву в смесь.
Полный обзор результатов: Все 100 заказов по категориям
| Категория | Заказы | Ср. точность | Лучший результат | Худший результат | Ср. разница в калориях |
|---|---|---|---|---|---|
| Фастфуд | 20 | 92% | 100% (комплект Биг Мака, Кранчврап и др.) | 91% (Итальянский BMT Subway) | 32 кал |
| Casual dining | 20 | 86% | 100% (Курица Альфредо из Olive Garden) | 82% (Салат Кобб) | 108 кал |
| Этнические рестораны | 20 | 82% | 95% (фо, суши, бенто-бокс, тако) | 82% (сяолунбао) | 118 кал |
| Fine dining | 20 | 74% | 89% (севиче) | 73% (ризотто, закуски, фондан) | 156 кал |
| Кафе/завтрак | 20 | 80% | 97% (круассан + капучино) | 76% (блинчики с черникой) | 102 кал |
| Всего | 100 | 84% | 100% | 73% | 103 кал |
3 фактора, определяющие точность голосовой фиксации в ресторанах
После анализа всех 100 заказов три переменные объясняют почти все колебания точности:
1. Стандартизация названий меню
Брендированные, зарегистрированные наименования меню с опубликованными данными о питательной ценности достигли 96% средней точности. Общие описания достигли 80%. Чем более стандартизировано название, тем меньше предположений должно делать AI.
| Тип элемента | Пример | Средняя точность |
|---|---|---|
| Брендированные элементы сети | "Биг Мак", "Курица Альфредо из Olive Garden" | 96% |
| Общие элементы | "беконный чизбургер", "курица тикка масала" | 85% |
| Описания от шеф-повара | "утка, запеченная с вишневым соусом" | 76% |
| Неструктурированные подачи | "тарелка закусок на одного" | 73% |
2. Скрытое содержание жира
Ресторанные кухни используют масло, жир и сливки гораздо более щедро, чем домашние повара. Стандартные оценки калорий AI обычно основаны на рецептах, которые недооценивают жир на 100-200 калорий в ресторанных условиях. Этот эффект был наиболее выражен в fine dining (средняя недооценка: 156 калорий) и наименее выражен в фастфуде (средняя недооценка: 32 калории).
3. Количество компонентов
Заказы с одним элементом были более точными, чем многокомпонентные блюда. Каждый дополнительный компонент вводит новую оценку порции, и ошибки накапливаются.
| Компоненты | Пример | Средняя точность |
|---|---|---|
| 1 элемент | "калифорнийская ролл" | 91% |
| 2 элемента | "лосось с салатом Цезарь" | 86% |
| 3+ элемента | "курица тикка масала с чесночным нааном и рисом басмати" | 81% |
Как улучшить точность голосовой фиксации в ресторанах
Указывайте название ресторана, когда это возможно
Сказав "блюдо с курицей буррито из Chipotle", вы значительно повысите точность по сравнению с "блюдо с курицей буррито", потому что AI сможет обратиться к опубликованным данным о питательной ценности Chipotle. Это относится к любой сети: Olive Garden, Cheesecake Factory, Panera, Sweetgreen и сотням других в проверенной базе данных Nutrola.
Опишите способ приготовления и размер
"Гриль-филе семги весом 8 унций" дает AI три критически важных данных: способ приготовления (гриль, а не жарка), размер порции (8 унций) и тип белка. Без этих данных AI должен предполагать стандартные значения, которые могут не соответствовать вашему фактическому заказу.
Упоминайте соусы и заправки явно
Соусы и заправки составляют 100-250 калорий, которые легко забыть. Всегда упоминайте "с ранч", "с голландским соусом" или "с вишневым соусом" в вашей голосовой фиксации. Если вы пропустите соус, AI оценит блюдо без него.
Фиксируйте заказ сразу после его оформления
Голосовая фиксация работает лучше, когда заказ свеж в вашей памяти. Фиксация "гриль-семга с запеченными овощами и салатом Цезарь с ранч" сразу после заказа более детализирована, чем попытка вспомнить это через несколько часов.
Примите маржу и скорректируйте
Для casual dining, этнических ресторанов и fine dining ожидайте, что AI недооценит на 5-15%. Вы можете учесть это, добавив ручной запас в 100-150 калорий или воспользовавшись AI Diet Assistant от Nutrola для уточнения оценки. Опишите блюдо помощнику, упомяните, что оно из ресторана, и помощник сможет скорректировать оценку вверх на основе типичных методов приготовления в ресторане.
Используйте фотофиксацию Nutrola в качестве резервной копии
Для визуально сложных блюд, где вербальные описания не справляются, фотофиксация Nutrola может дополнить вашу голосовую фиксацию. Сделайте фото блюда, когда оно приходит, и AI сможет сопоставить визуальное с вашим произнесенным описанием для более точной оценки. Это особенно полезно для блюд fine dining, где размер порции неясен из вербального описания.
Часто задаваемые вопросы
Насколько точна голосовая фиксация AI для фастфуда?
Голосовая фиксация AI достигает 92% средней точности калорий для заказов фастфуда в нашем тесте на 20 заказов. Брендированные элементы меню, такие как "Биг Мак" или "Кранчврап Суприм", часто достигают 100% точности, потому что AI сопоставляет название элемента напрямую с опубликованными данными о питательной ценности.
Почему fine dining — самая сложная категория для голосовой фиксации?
Fine dining использует описания от шеф-повара, которые не соответствуют стандартным записям в базе данных, и блюда готовятся с значительно большим количеством масла, сливок и жира, чем стандартные рецепты. AI недооценивал блюда fine dining в среднем на 156 калорий, в основном из-за скрытых жиров, добавленных во время профессиональной подготовки на кухне.
Может ли голосовая фиксация распознавать названия этнических блюд, такие как сяолунбао или бульгоги?
Да. В нашем тесте AI правильно идентифицировал каждое этническое название блюда из китайской, корейской, японской, индийской, тайской, вьетнамской, мексиканской, эфиопской, ближневосточной и карибской кухонь. Проблема заключалась не в распознавании, а в оценке калорий для блюд с высокожирными методами приготовления (кокосовое молоко, гхи, пальмовое масло), где точность снизилась.
Должен ли я фиксировать каждое блюдо отдельно в ресторане?
Да. Фиксация "салат из свеклы и козьего сыра" и затем отдельно фиксировать "утка, запеченная с вишневым соусом и картофелем" более точна, чем попытка зафиксировать весь прием пищи в одной фразе. Каждый элемент получает свою собственную интерпретацию, что снижает вероятность пропуска компонентов.
Как Nutrola сравнивается с ручным поиском калорий в ресторане?
Для сетевых ресторанов с опубликованными данными о питательной ценности оба метода достигают схожей точности. Для независимых ресторанов без опубликованных данных голосовая фиксация Nutrola в сочетании с ее базой данных из 500K+ проверенных продуктов обеспечивает более быстрые и часто более точные оценки, чем ручной поиск общих баз данных калорий, потому что AI обрабатывает модификаторы и методы приготовления, которые пользователи часто забывают искать индивидуально.
Работает ли голосовая фиксация лучше, если я упоминаю название ресторана?
Значительно лучше. Когда ресторан является сетью с опубликованными данными о питательной ценности, упоминание названия позволяет AI получить точные подсчеты калорий, а не оценивать по общим рецептам. В нашем тесте заказы с упомянутыми сетями в среднем достигли 96% точности против 80% для общих описаний.
Какова средняя недооценка калорий при голосовой фиксации ресторанных блюд?
В целом, по всем 100 заказам средняя разница в калориях составила 103 калории, и направление почти всегда было недооценкой. AI, как правило, основывается на стандартных порциях и методах приготовления, которые используют меньше жира, чем ресторанные кухни. Разница варьировалась от 32 калорий для фастфуда до 156 калорий для fine dining.
Могу ли я исправить запись, если AI ошибается?
Да. После голосовой фиксации Nutrola отображает интерпретацию AI, чтобы вы могли ее просмотреть. Вы можете редактировать запись, корректировать размеры порций или использовать AI Diet Assistant для уточнения оценки с дополнительными деталями о блюде. Этот шаг проверки занимает секунды и может значительно улучшить точность для сложных заказов.
Итог
Голосовая фиксация ресторанных блюд с помощью AI является практичной и полезной, но точность зависит от типа ресторана. Фастфуд — это почти идеальный случай с 92% точности — брендированные названия элементов устраняют неопределенности. Casual dining и этнические рестораны показывают стабильные результаты в диапазоне 82-86%, с основными потерями точности из-за недооцененных жиров и порций соусов. Fine dining — самая слабая категория с 74%, обусловленная жирными приготовлениями и нестандартными описаниями блюд.
Средняя недооценка калорий по всем 100 заказам составила 103 калории. Для большинства целей отслеживания питания этот уровень точности более чем достаточен — и он значительно лучше, чем отсутствие отслеживания ресторанных блюд, что является тем, к чему большинство людей склоняется по умолчанию.
Nutrola позволяет вам зафиксировать заказ в ресторане одним произнесенным предложением сразу после оформления, без набора текста, поиска меню и прерывания вашей еды. В сочетании с проверенной базой данных Nutrola из 500K+ продуктов, AI Diet Assistant для уточнения оценок и AI фотофиксацией для визуального подтверждения, это самый быстрый способ поддерживать последовательность отслеживания питания даже при питании вне дома.
Nutrola начинается с €2.50 в месяц с 3-дневной бесплатной пробной версией. Без рекламы на любом плане.
Готовы трансформировать отслеживание питания?
Присоединяйтесь к тысячам тех, кто изменил свой путь к здоровью с Nutrola!
