يحاول SnapCalorie المدعوم بالذكاء الاصطناعي، الحصول على عدد دقيق للسعرات الحرارية وتفصيل المغذيات الكبيرة لوجبة من صورة واحدة تم التقاطها بهاتف ذكي. هذا الشهر، جمعت SnapCalorie تمويلًا بقيمة مليوني دولار من مستثمرين. كما جمعت سابقًا 125 ألف دولار من مستثمرين مجهولين في جولة ما قبل التأسيس.
درجات متفاوتة
SnapCalorie ليس أول تطبيق قائم على رؤية الكمبيوتر لحساب السعرات الحرارية. لقد حاولت تطبيقات مثل Calorie Mama وLose It وFoodadviser وBite.AI تحقيق هذا الإنجاز - بدرجات متفاوتة من النجاح. ولكن ما يجعل SnapCalorie مختلفًا، هو استخدامه لمستشعرات العمق على الأجهزة المدعومة لقياس حجم الجزء وفريق من المراجعين البشريين من أجل «طبقة إضافية من الجودة».
تقليل الخطأ
يقول مهندس البرمجيات واد نوريس: «في المتوسط، يكون الفريق قادرًا على تقليل خطأ السعرات الحرارية إلى أقل من 20 %». «هناك تطبيقات أخرى قادرة على استخدام الذكاء الاصطناعي للقيام بتتبع الوجبات بناءً على الصور، ولكن لا يساعد أي منها في تقدير حجم الجزء - وهو الجزء الأكثر أهمية لتقليل الخطأ». هناك الكثير من الشكوك في صناعة الصحة حول أدوات تقدير السعرات الحرارية القائمة على الصور - ولسبب وجيه. وجدت إحدى الدراسات التي أجريت عام 2020، التي قارنت بعض عدادات السعرات الحرارية الأكثر شيوعًا القائمة على الذكاء الاصطناعي أن الأكثر دقة - Calorie Mama - كانت صحيحة بنسبة 63 % فقط من الوقت.
مستشعرات العمق
إذن كيف تم تحسين SnapCalorie؟ إضافة إلى استخدام مستشعرات العمق والمراجعين، يشير نوريس إلى خوارزمية طورتها الشركة يمكنها أن تتفوق ظاهريًا على أي شخص في تقدير السعرات الحرارية للطعام. باستخدام الخوارزمية، يحدد SnapCalorie أنواع الطعام في الصورة ويقيس حجم جزء كل منها لتقدير محتوى السعرات الحرارية.
يمكن تسجيل النتائج في مجلة طعام SnapCalorie أو تصديرها إلى منصات تتبع اللياقة البدنية مثل Apple Health.
يقول نوريس، إن الأداء القوي الذي تم الإبلاغ عنه للخوارزمية يأتي من مجموعة بيانات التدريب الفريدة الخاصة بها، التي تتكون من 5000 وجبة، والتي أنشأتها SnapCalorie من خلال التقاط آلاف الصور لكل وجبة - مثل الحساء والبوريتو والزيوت و»الصلصات الغامضة» والمزيد - باستخدام جهاز آلي.
قال نوريس: «لقد تأكدنا من أن كل هذه العناصر تحتوي على جميع الظروف المتنوعة والصعبة التي تراها في العالم الحقيقي وقمنا بتقييم كل عنصر على نطاق واسع». «خط الأنابيب التقليدي لتدريب نموذج الذكاء الاصطناعي هو تنزيل صور الويب العامة، وجعل الأشخاص يقومون بتسمية الصور ثم تدريب النموذج على التنبؤ بهذه الملصقات. هذا غير ممكن بالنسبة للطعام، لأن الأشخاص غير دقيقين للغاية في تقدير حجم الجزء بصريًا ، لذلك لا يمكنك جعل الأشخاص يصفون الصور بعد الحقيقة».
دقة الحساب
يقر نوريس أن خوارزمية SnapCalorie قد تكون منحازة تجاه الطعام الأمريكي، حيث جمع الفريق معظم بيانات التدريب الأولية في الولايات المتحدة، لكن الشركة في طور توسيع بيانات التدريب - بالاعتماد على الصور من مستخدمي SnapCalorie والبيانات الداخلية - لتشمل كما يقول مطابخ ثقافية أخرى. لا يدعي نوريس أن SnapCalorie دقيق بنسبة 100 %.
درجات متفاوتة
SnapCalorie ليس أول تطبيق قائم على رؤية الكمبيوتر لحساب السعرات الحرارية. لقد حاولت تطبيقات مثل Calorie Mama وLose It وFoodadviser وBite.AI تحقيق هذا الإنجاز - بدرجات متفاوتة من النجاح. ولكن ما يجعل SnapCalorie مختلفًا، هو استخدامه لمستشعرات العمق على الأجهزة المدعومة لقياس حجم الجزء وفريق من المراجعين البشريين من أجل «طبقة إضافية من الجودة».
تقليل الخطأ
يقول مهندس البرمجيات واد نوريس: «في المتوسط، يكون الفريق قادرًا على تقليل خطأ السعرات الحرارية إلى أقل من 20 %». «هناك تطبيقات أخرى قادرة على استخدام الذكاء الاصطناعي للقيام بتتبع الوجبات بناءً على الصور، ولكن لا يساعد أي منها في تقدير حجم الجزء - وهو الجزء الأكثر أهمية لتقليل الخطأ». هناك الكثير من الشكوك في صناعة الصحة حول أدوات تقدير السعرات الحرارية القائمة على الصور - ولسبب وجيه. وجدت إحدى الدراسات التي أجريت عام 2020، التي قارنت بعض عدادات السعرات الحرارية الأكثر شيوعًا القائمة على الذكاء الاصطناعي أن الأكثر دقة - Calorie Mama - كانت صحيحة بنسبة 63 % فقط من الوقت.
مستشعرات العمق
إذن كيف تم تحسين SnapCalorie؟ إضافة إلى استخدام مستشعرات العمق والمراجعين، يشير نوريس إلى خوارزمية طورتها الشركة يمكنها أن تتفوق ظاهريًا على أي شخص في تقدير السعرات الحرارية للطعام. باستخدام الخوارزمية، يحدد SnapCalorie أنواع الطعام في الصورة ويقيس حجم جزء كل منها لتقدير محتوى السعرات الحرارية.
يمكن تسجيل النتائج في مجلة طعام SnapCalorie أو تصديرها إلى منصات تتبع اللياقة البدنية مثل Apple Health.
يقول نوريس، إن الأداء القوي الذي تم الإبلاغ عنه للخوارزمية يأتي من مجموعة بيانات التدريب الفريدة الخاصة بها، التي تتكون من 5000 وجبة، والتي أنشأتها SnapCalorie من خلال التقاط آلاف الصور لكل وجبة - مثل الحساء والبوريتو والزيوت و»الصلصات الغامضة» والمزيد - باستخدام جهاز آلي.
قال نوريس: «لقد تأكدنا من أن كل هذه العناصر تحتوي على جميع الظروف المتنوعة والصعبة التي تراها في العالم الحقيقي وقمنا بتقييم كل عنصر على نطاق واسع». «خط الأنابيب التقليدي لتدريب نموذج الذكاء الاصطناعي هو تنزيل صور الويب العامة، وجعل الأشخاص يقومون بتسمية الصور ثم تدريب النموذج على التنبؤ بهذه الملصقات. هذا غير ممكن بالنسبة للطعام، لأن الأشخاص غير دقيقين للغاية في تقدير حجم الجزء بصريًا ، لذلك لا يمكنك جعل الأشخاص يصفون الصور بعد الحقيقة».
دقة الحساب
يقر نوريس أن خوارزمية SnapCalorie قد تكون منحازة تجاه الطعام الأمريكي، حيث جمع الفريق معظم بيانات التدريب الأولية في الولايات المتحدة، لكن الشركة في طور توسيع بيانات التدريب - بالاعتماد على الصور من مستخدمي SnapCalorie والبيانات الداخلية - لتشمل كما يقول مطابخ ثقافية أخرى. لا يدعي نوريس أن SnapCalorie دقيق بنسبة 100 %.
