SnapCalorie'den Nutrola'ya Geçişimin Nedeni (Sadece Fotoğraf AI Yeterli Değil)

SnapCalorie bana bir hayal satmıştı: Yiyeceklerimin fotoğrafını çek, AI tam olarak ne yediğini söylesin. Hiçbir şey yazmaya, aramaya veya barkod taramaya gerek yok. Sadece hedefle, çek ve makinenin işini yapmasına izin ver. Diğer uygulamalarda aylardır süren zahmetli manuel gıda kaydı deneyiminden sonra, bu geleceğin bir parçası gibi geliyordu. Hemen kaydoldum.

Üç hafta boyunca gerçekten etkilendim. Sonra SnapCalorie'nin tahminlerini gerçek besin etiketleri ve ölçülen porsiyonlarla karşılaştırmaya başladım. Tutarsızlıklar küçümsenmeyecek kadar büyüktü. Bu durum, takip etmenin amacını tamamen zayıflatıyordu.

Bu, doğrulanmış bir gıda veritabanı olmadan AI fotoğraf tanımanın güzel bir kavram olduğunu ama ciddi bir doğruluk problemi olduğunu öğrendiğim hikaye — ve Nutrola'nın AI ile 1.8 milyon gıda veritabanının birleşiminin, SnapCalorie'nin sunamadığı şeyi bana nasıl sağladığını anlatıyor.

Sadece Fotoğrafla Takibin Çekiciliği

SnapCalorie'nin bu kadar çok kullanıcı çekmesinin nedenini anlıyorum, ben de dahil. Geleneksel gıda kaydı deneyimi — bir gıda adı yazmak, sonuçları kaydırmak, doğru olanı seçmek, porsiyon boyutunu ayarlamak, tabağınızdaki her bir öğe için bunu tekrarlamak — oldukça zahmetli. Bu, insanların gıda takibini bırakmasının bir numaralı sebebi.

SnapCalorie, bu sürtüşmeyi tamamen ortadan kaldırmayı vaat ediyordu. Bir fotoğraf çekiyorsunuz, AI yiyecekleri ve miktarlarını tahmin ediyor, birkaç saniye içinde kalori ve makro dağılımını alıyorsunuz. Arayüzü temizdi, deneyim hızlıydı ve basit yemekler için sihir gibi geliyordu.

Bir tabak tavuk göğsü, pirinç ve brokoli fotoğrafı çektim. SnapCalorie, üç öğeyi de tanımladı ve kalori tahminini birkaç saniye içinde yaptı. Artık buna inandım.

Doğruluğun Nerede Çöktüğü

SnapCalorie'deki sorun yavaş yavaş ortaya çıktı, sonra bir anda patlak verdi.

Porsiyon Tahmini Tutarsızdı

AI bir şeyin tavuk göğsü olduğunu tanımlayabilir. Ancak, o tavuk göğsünün 120 gram mı yoksa 200 gram mı olduğunu tahmin etmekte zorlanır — bu yaklaşık 100 kalori ve 20 gram protein farkı demektir. Düz bir üstten fotoğrafta, kalın bir tavuk parçası ile ince bir tavuk parçası oldukça benzer görünebilir.

Bu durumu bir akşam kasıtlı olarak test ettim. İki porsiyon makarna hazırladım: biri 80 gram (kuru ağırlık) diğeri 150 gram. Her ikisi de benzer tabaklarda aynı sosla serildi. SnapCalorie, daha küçük porsiyonu 420 kalori, daha büyük porsiyonu ise 480 kalori olarak tahmin etti. Gerçek fark yaklaşık 250 kaloriydi.

AI, benzer görünen iki tabağı gördü ve benzer tahminler yaptı çünkü görsel tahminler yapıyordu, ölçülen ağırlıklara bağlı doğrulanmış besin verilerini referans almıyordu.

Karışık Yemekler Tahmin Oyunuydu

SnapCalorie, basit ve ayrılmış yemeklerde — bir parça balık, yanında sebzeler ve bir kepçe pirinç — makul bir şekilde performans gösterdi. Her şey görsel olarak belirgindi ve tahmin edilebilirdi.

Ancak gerçek yaşam, malzemelerin üst üste geldiği, sosların altında gizlendiği veya görsel olarak birleştiği güveçler, köri yemekleri, kasedeki smoothie'ler, burritolar, sandviçler ve tahıl kâselerini içerir. Bu yemekler için SnapCalorie'nin tahminleri yaklaşık doğru ile tamamen yanlış arasında değişiyordu.

Bir restorandan burrito kasesinin fotoğrafını çektim. SnapCalorie, pirinci, fasulyeyi, tavuk ve salsa'yı tanımladı. Ancak, marulun altında gizlenmiş ekşi krema, pirinçle karışmış peynir ve kısmen bir cips sepetinin arkasında kalan guacamole'yi atladı. Kalori tahmini yaklaşık 530 kalori oldu. Restoranın yayımladığı besin verilerini manuel olarak hesapladığımda, bu değer 840 kaloriye yakındı. Tek bir yemekten 310 kalori fark.

Barkod Tarama Yok, Manuel Yedekleme Yok

SnapCalorie'nin tüm kimliği fotoğraf tanıma etrafında inşa edilmişti. Manuel olarak arayabileceğiniz geleneksel bir gıda veritabanı yoktu. Barkod taraması yoktu. Eğer fotoğraf AI bir şeyi tanımlayamıyorsa — ya da yanlış tanımlıyorsa — o zaman çaresiz kalıyordunuz.

Barkod okuyucuyla kolayca tarayabileceğim paketlenmiş gıdaları fotoğraflamak zorunda kaldım ve AI, içeriği görsel olarak tahmin etmeye çalışıyordu, etiketin doğrulanmış besin verilerini çekmek yerine. Bu, üreticinin zaten kesin besin bilgilerini sağladığı paketlenmiş gıdalar için absürd bir durumdu.

Mikronutrisyon Verisi Yok

SnapCalorie'nin kalori ve makro tahminleri doğru aralıkta olsa bile, burada duruyordu. Kaloriler, protein, karbonhidrat, yağ — verilerin kapsamı bu kadardı. Eğer öğünümde ne kadar demir veya kalsiyum olduğunu öğrenmek isteseydim, SnapCalorie'nin buna bir yanıtı yoktu.

AI, makroları görsel görünümlerden tahmin ediyordu. Mikronutrisyonları bir fotoğraftan tahmin etmek daha da az güvenilir olacağından, bunu denemekten kaçındılar. Ancak sonuç, büyük dört sayı dışında her şeyde kör bir şekilde ilerlemem oldu.

Farkındalık: AI'nın Bir Veritabanına İhtiyacı Var

SnapCalorie'de üç hafta boyunca takip yaptıktan ve tahminleri bilinen değerlerle karşılaştırdıktan sonra, geriye dönük olarak oldukça belirgin bir sonuca vardım: AI fotoğraf tanıma harika bir giriş yöntemi, ancak bağlandığı veriler kadar iyi.

SnapCalorie'nin AI'sı, beslenmeyi tamamen görsel analizden tahmin etmeye çalışıyordu. Bu yaklaşımın temel bir doğruluk sınırı var. Görüntü tanıma ne kadar iyi olursa olsun, bir fotoğraf size yoğurdun tam markasını, pişirmede kullanılan yağın kesin miktarını veya bir restoran sosundaki gizli malzemeleri söyleyemez.

İhtiyacım olan, AI'yı hızlı bir giriş yöntemi olarak kullanan ama bu girişleri doğrulanmış bir besin veritabanına bağlayan bir uygulamaydı — böylece AI bir fotoğraftan "tavuk göğsü" tanımlarken, kalori ve besin verileri gerçek bir doğrulanmış kaynaktan gelir ve ben de porsiyonumu ayarlayabilirim.

Nutrola tam olarak bunu yapıyor.

Nutrola'ya Geçiş: AI Artı Veritabanı

Nutrola, AI fotoğraf tanımayı kullanıyor, ancak SnapCalorie'den farklı bir şekilde. Yemek fotoğrafınızı çektiğinizde, Nutrola'nın AI'sı yiyecek öğelerini tanımlıyor. Ardından, bu öğeleri 1.8 milyon doğrulanmış gıda verisi içeren veritabanıyla eşleştiriyor. Eşleşen öğeleri besin verileriyle birlikte görüyorsunuz ve porsiyonları ağırlık veya yaygın servis boyutlarıyla ayarlayabiliyorsunuz.

Sonuç olarak, yazma veya arama yapmadan AI destekli kaydın hızını, doğrulanmış bir veritabanının doğruluğuyla bir arada elde ediyorsunuz (görsel tahminler değil, gerçek besin sayıları).

Doğruluk Farkı Hızla Ortaya Çıktı

Nutrola ile aynı testleri yaptım ki bunları SnapCalorie ile de denemiştim.

İki makarna porsiyonu. Nutrola, fotoğraftan makarnayı tanımladı ve veritabanındaki bir girişle eşleştirdi. Her tabak için ağırlığı ayarladım. Daha küçük porsiyon 340 kalori, daha büyük porsiyon 590 kalori olarak geri döndü — her ikisi de manuel hesaplamama 15 kalori içinde. SnapCalorie, her ikisini de yaklaşık 450 kalori olarak tahmin etmişti ve 60 kalori farkla.

Burrito kasesi. Nutrola'nın AI'sı ana bileşenleri tanımladı ve fotoğrafın kısmen gizlediği ekşi kremayı, peyniri ve guacamole'yi ekleyebildim. Her bir öğe, veritabanından doğrulanmış verileri çekti. Toplam tahmin: 810 kalori, restoranın yayımladığı verilere 30 kalori içinde. SnapCalorie, 310 kalori kaçırmıştı.

Bir smoothie. SnapCalorie, smoothie'lerle zorlanıyordu çünkü içerikler görünmüyordu. "Yeşil smoothie" için kaba kalori sayıları tahmin ediyordu. Nutrola, gerçek içerikleri sesle kaydetmeme izin verdi — "ıspanak, muz, fıstık ezmesi, protein tozu, badem sütü" — ve her bir içerik veritabanından tam verileri çekti. Fark, AI yeteneğiyle ilgili değildi. Birden fazla giriş yöntemini kabul edebilen ve bunları doğrulanmış verilere bağlayabilen bir sisteme sahip olmaktı.

Paketlenmiş Gıdalar için Barkod Tarama

Diyetimin yaklaşık %30'unu oluşturan paketlenmiş gıdalar — protein barları, yoğurt, tahıl, soslar, içecekler — için Nutrola'nın barkod tarayıcısı, SnapCalorie'nin yalnızca fotoğraf odaklı yaklaşımına kıyasla devrim niteliğindeydi.

Bir protein barını taradım. Nutrola, doğrulanmış veritabanından tam kalori (210), protein (20g) ve tam mikronutrisyon profili sundu. SnapCalorie, sarılı bir barın fotoğrafını analiz eder ve görsel bir tahmin dönerdi. Bir ambalajın fotoğrafının, o ambalajın etiketindeki gerçek besin verilerinden daha doğru olduğu bir evren yok.

Ara Gıda için Sesle Kayıt

Bazı gıdaları fotoğraflamak zor. Bir torbadan bir avuç badem. Pişirme sırasında bir kaşık zeytinyağı. Bir bardak süt. SnapCalorie, bunların fotoğraflarını çekmemi gerektiriyordu ki bu hem elverişsiz hem de hatalıydı (bir tavada bir yemek kaşığı zeytinyağını nasıl fotoğraflarsınız?).

Nutrola'nın sesle kaydı, bunları mükemmel bir şekilde halletti. "Bir yemek kaşığı zeytinyağı, bir avuç badem, yaklaşık 20 gram" — üç saniyede konuşuldu, doğrulanmış veritabanı girişleriyle eşleştirildi, doğru bir şekilde kaydedildi.

30 Günlük Sonuçlar

Nutrola'da bir ay geçirdikten sonra, SnapCalorie'ye göre iyileşmeler ölçülebilir hale geldi.

Kalori doğruluğu önemli ölçüde arttı. Nutrola kayıtlarımı bir hafta boyunca tartılmış ve ölçülmüş değerlerle karşılaştırdım. Nutrola'nın günlük kalori toplamları, manuel hesaplamalarıma sürekli olarak %5 ila %8 arasında bir farkla uyum sağladı. SnapCalorie, aynı tür yemeklerde %15 ila %25 sapma gösterdi.

Mikronutrisyon görünürlüğüm arttı. SnapCalorie'de mikronutrisyon verisi yokken, Nutrola'da 100'den fazla besin maddesini takip etmeye başladım. İki hafta içinde, selenyum alımımın düşük olduğunu (nadiren Brezilya fındığı veya deniz ürünleri yiyorum) ve folatımın tutarsız olduğunu belirledim.

Kayıt hızı hızlı kaldı. Bu, geçiş yapma konusundaki endişemdi. SnapCalorie hızlıydı ve daha fazla doğruluğa sahip herhangi bir uygulamanın daha yavaş olacağından korkuyordum. Nutrola'nın AI fotoğraf tanıma hızı, SnapCalorie kadar hızlıydı ve veritabanı eşleşmelerini onaylama ek adımı, her öğün için yalnızca 10 ila 15 saniye ekledi. Sesle kayıt ve fotoğraf çekemediğim gıdalar için barkod tarama, bunları fotoğraflamaya çalışmaktan daha hızlıydı.

Günlük toplam kayıt süresi. SnapCalorie: günde yaklaşık 4 dakika (hızlı ama hatalı). Nutrola: günde yaklaşık 6 dakika (hızlı ve doğru). Ekstra iki dakika, bana dramatik bir şekilde daha iyi veriler sağladı.

Maliyet. SnapCalorie'nin premium planı ayda yaklaşık 10 dolar tutuyordu. Nutrola'nın maliyeti ayda 2.50 euro. Daha az para, daha fazla özellik, daha iyi veriler ve karşılaştırılabilir hız için.

SnapCalorie'nin İyi Yaptığı Şeyler

Basit yemekler için saf hız. Diyetiniz tamamen tek bileşenli yemeklerden oluşuyorsa, SnapCalorie'nin fotoğraf ve tamam yaklaşımı gerçekten mevcut en hızlı kayıt deneyimidir. Bu özel senaryolar için etkileyiciydi.

Düşük bilişsel yük. Porsiyonlar veya veritabanı eşleşmeleri hakkında düşünmemek, kayıt deneyimini neredeyse zahmetsiz hale getiriyordu. Bu durumun, gündelik takipçiler için çekici olduğunu görebiliyorum.

Yeni deneyim. Fotoğraftan veriye geçiş sürecinde tatmin edici bir şey var. Gelecekten bir şey gibi hissediyor ve "kayıt yapmak istemiyorum çünkü zahmetli" psikolojik engelini ortadan kaldırıyordu.

Ama hız, doğruluk olmadan takip değildir. Bu, ek adımlarla tahmin yapmaktır.

Kimler Geçiş Yapmayı Düşünmeli

Eğer SnapCalorie kullanıyorsanız ve sonuçlarınız duraksadıysa — kalori hedefleriniz beklenen sonuçları vermiyorsa — tutarsız AI tahmini bunun nedeni olabilir. Takip aracınız düzenli olarak her öğünde 200'den fazla kalori kaçırıyorsa, günlük kalori sayınız 500 ila 800 kalori kadar yanlış olabilir. Bu fark, kalori açığını tamamen ortadan kaldıracak kadar büyüktür.

AI destekli kaydın kolaylığını istiyorsanız ama aynı zamanda doğrulanmış besin verilerinin güvenilirliğine de ihtiyacınız varsa, Nutrola size her ikisini de sunuyor. Hız için fotoğraf tanıma. Doğruluk için 1.8 milyon gıda veritabanı. Fotoğrafların iyi yakalayamadığı gıdalar için sesle kayıt ve barkod tarama. Tam resmi görmek için 100'den fazla takip edilen besin maddesi. Ve ayda sadece iki euro elli ile sıfır reklam.

Gıda takibinin geleceği yalnızca AI değil. Doğrulanmış verilerle bağlantılı AI. SnapCalorie'den Nutrola'ya geçiş yaptığımda bulduğum şey buydu ve doğruluk farkı, sonuçlarımı bir ay içinde değiştirdi.