AI卡路里追踪：诚实的局限性及其尚未解决的问题

目前市场上的每一个AI卡路里追踪器都有显著的局限性，而这些在营销材料中并未提及。 包括Nutrola在内。过去三年间，技术有了显著进步——食品识别的准确率从大约60%提升至80-92%（针对常见餐点）——但仍然存在一些食品类别和用餐场景，任何AI系统都无法可靠地处理。

承认这些局限性并不是反对AI卡路里追踪的理由，而是为了理解AI的能力与局限，以便更好地利用这一技术，而不是盲目信任。每种工具都有其局限性，最好的工具是在达到这些局限时设计了备用方案。

局限性1：重酱菜肴

问题

当一餐被酱汁、糖浆或肉汁覆盖时，AI失去了大部分视觉信息。它可以看到酱汁的颜色和质地，但无法识别或量化其下的食物。比如，淋满照烧酱的鸡胸肉、沉浸在阿尔弗雷多酱中的意大利面，或是涂满浓稠咖喱的蔬菜——AI只能处理酱汁的外观，而无法识别食物本身。

酱汁对卡路里的影响是相当大的。2023年《美国饮食协会杂志》的一项分析发现，餐厅用餐时，酱汁和调料平均贡献了每餐200-400卡路里，通常占到餐点总卡路里的30-50%。如果酱汁的估算错误，就意味着整餐的估算也会出错。

各个应用的处理方式

Cal AI和SnapCalorie： AI将整道菜视为一个单一项目进行估算。如果它识别为“照烧鸡配米饭”，那么卡路里数字反映的是该菜品类别的平均训练数据。具体的酱汁与鸡肉的比例、酱汁配方和烹饪油在你的特定菜肴中都是未知且未考虑的。

Foodvisor： 类似的AI估算，用户可以选择咨询营养师进行修正——但这属于事后补救，速度较慢。

Nutrola： AI识别菜品类别并建议数据库匹配。用户可以通过从数据库中选择特定的酱汁类型进行调整（例如“照烧酱，3汤匙=135卡路里”），并将其与蛋白质和淀粉分开记录。数据库提供了数十种酱汁类型和制作风格的验证卡路里数据。这虽然无法解决根本的视觉问题，但提供了一种添加酱汁卡路里的机制，而仅依靠照片的应用无法做到这一点。

诚实评估

没有任何AI追踪器能够仅凭照片处理重酱菜肴。Nutrola的优势在于能够通过语音或数据库搜索单独记录酱汁——但这要求用户知道（或估算）所用的酱汁类型及大致用量。对于家庭自制餐点来说，这是可行的；而对于酱汁配方未知的餐厅餐点，所有追踪器都在进行估算。

局限性2：从照片中准确估算份量

问题

这是基于照片的食品追踪中最持久且根本的局限性。二维照片无法可靠地传达食物的三维体积和质量。

考虑两份意大利面：150克和300克。在同一盘子上，从上方拍摄，300克的份量可能看起来只是稍微高一些，但卡路里差异却是195卡路里。视觉上的差异微乎其微，但卡路里差异却相当显著。

关于AI份量估算的研究一致发现，二维照片的体积估算平均误差为20-40%。2024年在《营养学》期刊上发表的一项研究报告显示，即使是最先进的食品份量估算模型，在多种餐点类型中也显示出25-35%的平均误差，对于小份量的高卡路里食品（如坚果、奶酪、油）误差甚至超过50%。

各个应用的处理方式

Cal AI： 使用基于盘子相对大小和学习先验的二维照片估算，误差范围为20-40%。

SnapCalorie： 3D LiDAR扫描相比于二维方法减少了30-40%的误差，尤其适用于高耸的食物（如米饭、燕麦粥）。然而，3D技术对平坦食物（如比萨、三明治）、碗中的食物（如汤、麦片）或小型高卡路里食品（如坚果、奶酪块）无济于事。

Foodvisor： 采用二维估算，并参考一些数据库中的标准份量。

Nutrola： 通过数据库标准份量补充二维照片估算。当AI建议“鸡肉炒菜”时，数据库提供标准的份量大小（例如“1份=300克”）。用户可以使用数据库的份量选项进行调整，而不是猜测克数。语音记录允许直接指定份量：“大约两杯米饭。”

诚实评估

从照片中估算份量是计算机视觉领域未解决的问题。SnapCalorie的3D方法是最先进的技术解决方案，但其改进仅限于特定类型的食物，并且需要LiDAR硬件。Nutrola的数据库份量参考提供了锚定点，但用户仍需估算自己是吃了“1份”还是“1.5份”。诚实的建议是：在需要高精度的情况下，称量食物。没有任何AI追踪器能替代厨房秤的精确度。

局限性3：地方特色和不熟悉的食品

问题

AI食品识别模型是基于其训练数据集进行训练的，而这些数据集通常反映的是在其训练数据中最具代表性的饮食文化——通常是美国、西欧和东亚的美食。来自代表性不足的饮食文化的食品可能会被错误识别或获得低置信度的估算。

2023年在《ACM计算调查》上发表的一项研究分析了食品识别数据集，发现最常用的训练集中的72%图像仅代表10个国家的食品。西非、中亚、太平洋岛屿、土著及许多其他饮食传统的代表性显著不足。

这意味着，如果你经常吃埃塞俄比亚炖菜配因杰拉、秘鲁生鱼片、菲律宾阿斗、格鲁吉亚哈恰普里或塞内加尔蒂布迪恩，AI可能会错误识别菜肴，将其与更具代表性的菜肴混淆，或分配一个准确性较差的“混合菜”估算。

各个应用的处理方式

Cal AI： 完全依赖于AI模型的训练数据。如果食品在训练中没有得到良好代表，估算将会很差且没有备用方案。

SnapCalorie： 同样的局限性。3D扫描改善了份量估算，但无法帮助识别代表性不足的饮食文化食品。

Foodvisor： 对欧洲菜系的覆盖略好（法国公司），但在非欧洲食品方面也存在相同的训练数据局限性。

Nutrola： AI面临相同的识别局限性，但其验证数据库包含超过180万条来自多样烹饪传统的食品。当AI无法识别地方特色食品时，用户可以通过语音描述（例如“埃塞俄比亚因杰拉，大约200克，配扁豆炖菜，大约150克”）来获取这些食品的验证条目。15种语言的支持也意味着可以使用当地语言的食品名称进行数据库搜索。

诚实评估

这是整个AI食品识别领域的局限性，而不仅仅是特定应用的局限性。基于数据库的追踪器具有优势，因为数据库可以扩展以包括地方特色食品，而无需重新训练AI模型——为“蒂布迪恩”添加一个验证条目到数据库比确保AI从照片中识别它要简单得多。但数据库的覆盖也存在空白。Nutrola的180万条条目涵盖的食品数量超过任何仅依靠AI模型分类的词汇，但高度地方化、自制或稀有的食品可能仍需手动输入。如今，没有任何追踪器能够完美覆盖所有全球饮食传统。

局限性4：不透明容器中的饮料

问题

在不透明的杯子、马克杯或瓶子中拍摄饮料几乎不给AI提供任何可用信息。一个白色咖啡杯可能装的是黑咖啡（5卡路里）、全脂牛奶拿铁（190卡路里）、加了奶油的摩卡（400卡路里）或一杯茶（2卡路里）。视觉信号是杯子，而不是内容。

即使是透明玻璃中的饮料，AI的信息也有限。液体的颜色和不透明度缩小了可能性，但无法确定具体配方。橙汁、芒果奶昔和胡萝卜姜汁在玻璃中看起来相似。深色可乐和深色冰咖啡在视觉上几乎无法区分。

各个应用的处理方式

Cal AI： AI根据上下文（杯子的形状、可见液体的颜色）进行猜测。饮料的准确性通常在40-60%之间——基本上是抛硬币的水平。

SnapCalorie： 3D扫描测量玻璃/杯子的体积，这有助于估算液体的量。但每毫升的卡路里含量仍然未知，因为无法识别具体饮料。

Foodvisor： 与Cal AI在饮料识别方面存在相同的局限性。

Nutrola： 语音记录是主要解决方案：“大杯燕麦奶拿铁，加入两泵香草”提供了足够的信息以匹配验证数据库。数据库中包括特定咖啡店饮品、牛奶类型、糖浆和制作方法的条目。条形码扫描覆盖包装饮料。饮料的照片扫描仍然不可靠，诚实地说，这是Nutrola的AI照片功能中最薄弱的应用场景。

诚实评估

饮料的AI卡路里追踪是所有应用中最薄弱的类别。解决方案并不是更好的AI——而是替代输入方法。语音记录和条形码扫描完全绕过了视觉限制。这是多方法追踪器的一个强有力论据：饮料占大多数人每日卡路里的10-20%，而仅依靠照片的追踪器处理得很差。

局限性5：多层和隐藏成分的菜肴

问题

千层面、卷饼、三明治、填充椒、锅饼、春卷、饺子以及任何外层隐藏内层的菜肴都对基于照片的AI构成了根本挑战。相机只能看到顶层，而卡路里来自所有层次。

从外部拍摄的卷饼只显示了一个玉米饼。内部可能是鸡肉、米饭、豆类、奶酪、酸奶油和鳄梨酱——或者只是米饭和豆类。这些馅料之间的卡路里差异可能在300-500卡路里之间，而这些都是不可见的。

2023年在《食品质量与偏好》上进行的一项研究测试了AI食品识别在多层菜肴上的表现，发现其准确性比单层可见餐点下降了25-40%。模型通常低估多层菜肴的卡路里含量，因为它们对可见成分的权重过重，而忽视了隐藏成分。

各个应用的处理方式

Cal AI： 根据外观将整个项目估算为一个条目。卷饼被视为“卷饼”，其卡路里估算基于平均值，而不考虑具体成分。

SnapCalorie： 3D扫描测量外部尺寸，从而提供更好的体积估算。但填充成分仍然未知。一个精确测量的卷饼，如果内容不明，那就是一个精确测量的谜。

Foodvisor： 对于多层菜肴存在相同的局限性。营养师的审查可能有帮助，但需要等待。

Nutrola： AI识别菜肴类型，用户可以通过语音记录具体成分：“鸡肉卷饼，配米饭、黑豆、奶酪、酸奶油和鳄梨酱。”每个成分都从验证的数据库条目中提取。用户实际上将隐藏层问题分解为可识别的成分。这要求用户知道（或合理估算）内部成分，这对于家庭自制食品来说较为容易，而对于餐厅或外卖食品则较为困难。

诚实评估

多层菜肴是任何基于照片的方法固有的局限性。关键在于应用提供了什么备用方案。仅依靠照片的应用没有备用方案——AI基于外观的估算就是最终答案。多方法应用允许用户提供相机无法捕捉的内部信息。准确性的提高完全取决于用户是否知道菜肴内部的成分，并花时间描述它。

局限性6：无法拍照的餐点

问题

并非所有餐点都可以方便地拍照。随身携带的餐点、会议间快速抓取的小吃、共享餐盘中的食物、在昏暗餐厅用餐的餐点，以及在记得记录之前已经吃完的餐点。仅依靠照片的追踪器面临一个二元问题：如果你没有拍照，它就不存在于你的记录中。

各个应用的处理方式

Cal AI： 没有照片，就没有条目。你可以手动输入描述，但应用的工作流程是围绕相机构建的。事后记录是可能的，但依赖于文本估算。

SnapCalorie： 同样的局限性。3D扫描要求食物必须在场。

Foodvisor： 以照片为中心的工作流程，但提供手动搜索。

Nutrola： 语音记录适用于任何餐点，无论是否拍照。“我大约两个小时前吃了一个火鸡三明治，配蛋黄酱和一份沙拉”可以通过语音进行事后记录，每个成分都与验证的数据库条目匹配。这不需要记得拍照——只需记得你吃了什么，大多数人在几小时内都能做到。

诚实评估

这不是AI的局限性，而是工作流程的局限性。仅依靠照片的应用比较脆弱——当没有照片时就会失效。多方法应用则更具韧性——当一种方法不可用时提供替代路径。对于那些经常忘记拍照或在不便拍照的情况下用餐的用户，记录餐点的覆盖差异可能是显著的。

目前没有任何AI追踪器能做到的事情

一些局限性是普遍存在的，当前的应用无法解决。

准确确定烹饪油的用量。 无论鸡肉是用一茶匙油煎炸还是用两汤匙油（相差200卡路里），在照片中都是不可见的，除非用户明确说明。这是所有AI卡路里追踪中最大的系统性错误。

识别无标记容器中的特定品牌。 一碗希腊酸奶可能是任何品牌，任何脂肪含量。不同品牌和脂肪水平的卡路里范围为每100克59-170卡路里。

确定餐厅食品的具体制作方法。 鱼是干煎还是涂抹黄油？蔬菜是蒸还是用油炒？土豆泥是用奶油还是牛奶制作的？这些答案会影响每个成分的卡路里，且对任何AI都是不可见的。

考虑个体份量的差异。 两个人可以为同一道菜盛出“一个份量”，但可能相差50-100%。没有任何AI能知道你是倾向于盛得慷慨还是适度。

从照片中追踪酒精含量。 一杯葡萄酒、一杯鸡尾酒、一瓶啤酒——AI可以估算饮料类型，但具体品牌、倒酒量和酒精含量（直接影响卡路里）往往是不可见的。

如何与局限性共处

理解这些局限性并不是放弃AI卡路里追踪的理由，而是聪明地使用它的理由。

针对每种食物使用正确的方法。 对于包装食品使用条形码。对于复杂或隐藏成分的餐点使用语音。对于视觉清晰的摆盘食品使用照片。手动搜索作为最后手段。照片扫描的局限性并不是卡路里追踪的局限性，只要你有替代方法。

始终单独添加烹饪脂肪。 养成这个习惯。在记录任何熟食后，作为单独条目添加烹饪油或黄油。这一单一习惯可以弥补AI食品扫描中最大的准确性差距。

在精确度重要时称量。 如果你正在进行竞争性减脂、医疗营养方案或研究，使用厨房秤称量关键餐点。AI追踪加上食品秤的准确性高于单独使用任何一种。

为常规餐点建立模板。 大多数人会轮换15-20种不同的餐点。每种餐点仔细记录一次，然后在未来的实例中重复该条目。这将你最常吃的餐点从AI估算转变为经过验证的一致条目。

接受有用的不精确性。 对于难以准确估算的餐点（餐厅用餐、社交餐点），接受AI的估算是近似的，专注于获取大致的正确性，而不是精确数字。在餐厅餐点上误差在20%以内总比不记录要好。

Nutrola对局限性的应对方式

Nutrola并不声称能解决上述所有局限性。没有任何诚实的追踪器可以做到。Nutrola提供的是在AI达到极限时最多的备用选项。

无法拍照的餐点？语音记录。AI错误识别了食品？从验证数据库中选择正确的条目。相机无法看到的隐藏成分？通过语音或搜索单独添加。包装食品？条形码扫描获取确切数据。吃常规餐点？重复之前验证过的条目。

AI是系统中的一个工具，而不是整个系统。当AI有效时——简单、可见、光线充足的餐点——它提供快速、便捷的记录。当AI失效时——酱汁菜肴、隐藏层、饮料、地方食品——数据库、语音和条形码提供了准确数据的路径，而仅依靠照片的应用根本无法做到。

这项服务在免费试用后每月€2.50，无广告，提供100多种营养成分，超过180万条验证条目，并在15种语言中支持iOS、Android、Apple Watch和Wear OS。并不是因为AI没有局限性，而是因为诚实的设计意味着围绕局限性构建，而不是假装它们不存在。

最好的AI卡路里追踪器并不是局限性最少的那个，而是当局限性出现时，提供最佳备用方案的那个。