Budujemy licznik kalorii na podstawie zdjęć, więc można by się spodziewać, że powiemy ci, że to magia. Nie jest. Oto uczciwa wersja — liczby, które większość aplikacji w tej kategorii dyskretnie pomija w swoim marketingu.
Pytanie, które zadaje sobie każdy, zanim zaufa aplikacji ze zdjęciami
Kierujesz aparat na talerz makaronu, aplikacja mówi „620 kcal", a twoja pierwsza myśl brzmi: według kogo? Słusznie. Jeśli liczba może się mylić o połowę, cały nawyk traci sens. Więc — czy liczniki kalorii oparte na AI są dokładne? Rozdzielmy to, w czym AI ze zdjęć jest naprawdę dobra, od tego, co wciąż zgaduje.
Co jest rozwiązane: rozpoznawanie jedzenia na talerzu
Rozpoznanie co jesz to dziś w dużej mierze rozwiązany problem. Nowoczesne modele wizyjne poprawnie rozpoznają popularne dania w około 85–95% przypadków. Grillowany kurczak, burrito bowl, jajecznica — model je zna. Niezależne recenzje funkcji „Snap It" w Lose It oceniły rozpoznawanie jedzenia na około 70%, a recenzje Cal AI pokazują odchylenie rzędu 10% przy prostych, w pełni widocznych posiłkach. Błędy rozpoznawania są dziś wyjątkiem, a nie regułą.
Co nie jest rozwiązane: porcje, ukryty tłuszcz i dania mieszane
Prawdziwy błąd tkwi w szacowaniu porcji. Zdjęcie to płaski obraz 2D trójwymiarowego talerza — model nie potrafi zważyć twojego ryżu. Szacunki porcji na podstawie zdjęć zwykle różnią się o ±15–30%, a badania porównujące metody oparte na obrazach z pomiarami referencyjnymi wykazują, że spożycie jest średnio zaniżane o około 20%.
Trzy rzeczy pogarszają sytuację:
- Ukryte kalorie. Łyżka oliwy na patelni, masło w sosie. Niewidoczne na zdjęciu, bardzo widoczne na wadze. Osoby testujące Cal AI regularnie zgłaszają przeoczone oleje i ukryte składniki.
- Dania mieszane i zawinięte. Gulasze, zapiekanki, burrito — wszystko, co jest warstwowe. Te same recenzje Cal AI donoszą o błędach na poziomie 25% lub więcej w daniach mieszanych lub zawiniętych — wobec ~10% przy prostych.
- Niejednoznaczność głębokości. Szeroka, płytka miska i wąska, głęboka mogą wyglądać na zdjęciu niemal identycznie, mimo że zawierają zupełnie różne ilości jedzenia.
Uczciwy budżet błędu wygląda więc tak: rozpoznawanie ma niewielki udział, porcje — decydujący.
Kulinarne uprzedzenie, o którym nikt nie mówi
Większość danych treningowych dla AI od jedzenia jest mocno przechylona w stronę kuchni zachodniej. Cheeseburger dostaje bardziej precyzyjną estymację niż talerz menemenu, plovu czy domowego tureckiego gulaszu — nie dlatego, że te dania są trudniejsze, ale dlatego, że model widział ich mniej. Jeśli jesz poza zachodnim kanonem (wielu naszych użytkowników tak robi — Kalo działa po angielsku, turecku i rosyjsku), spodziewaj się szerszych marginesów błędu i częściej koryguj wynik. My też nie jesteśmy na to odporni; obecnie nikt nie jest.
Dlaczego ±20% wciąż wystarcza — jeśli szybko korygujesz i logujesz codziennie
Oto część, która brzmi jak wymówka, ale ma poparcie w badaniach: regularność bije precyzję. Badanie „Log Often, Lose More" (Obesity, 2019) wykazało, że to częstotliwość logowania — nie dokładność — była istotnym predyktorem utraty wagi, a czas poświęcany na śledzenie spadał z około 23 minut dziennie do około 15, w miarę jak ludzie nabierali wprawy. Inne prace pokazują, że najlepszym wskaźnikiem wytrwałości jest po prostu liczba dni, w których logujesz co najmniej dwa posiłki.
Szacunek z błędem ±20%, który faktycznie zapisujesz codziennie, bije idealny co do grama wpis, który porzucasz po dwóch tygodniach. A błędy częściowo się znoszą: przeszacujesz obiad, niedoszacujesz kolację, a twój tygodniowy trend — liczba, która naprawdę się liczy — pozostaje użyteczny.
Dwa uczciwe zastrzeżenia. Jeśli potrzebujesz precyzji klinicznej (schorzenia medyczne, zawody sylwetkowe), waga kuchenna plus duża zweryfikowana baza danych, taka jak MyFitnessPal, to wciąż lepsze narzędzie — to ich prawdziwa mocna strona, razem z pokryciem restauracji, choć teraz Premium kosztuje 79,99 $/rok, a ich baza tworzona przez użytkowników ma własne problemy z duplikatami wpisów. A jeśli chcesz najtańszego premium wśród dużych marek, trudno pobić Lose It za 39,99 $/rok, mimo że jego estymacja porcji w testach wypada niespójnie.
Jak Kalo radzi sobie z niepewnością: zobacz, popraw dwoma dotknięciami
Skoro błąd porcji jest nieunikniony, prawdziwe pytanie projektowe brzmi: co aplikacja z tym robi?
Kalo pokazuje ci swój poziom pewności zamiast udawać pewność — chwiejny szacunek wygląda chwiejnie. A poprawka to działanie na dwa dotknięcia bezpośrednio na karcie wyniku, nie pięcioekranowe grzebanie w menu edycji. Zrób zdjęcie, spójrz, popraw porcję, gotowe. Im szybsza korekta, tym częściej faktycznie się zdarza, i tym dokładniejsza staje się twoja rzeczywista precyzja.
Druga połowa dotyczy tego, dlaczego zbudowaliśmy Kalo wokół znajomych. Możesz dodać do 5 znajomych, widzieć dzień każdego obok siebie, reagować i motywować, budować serie razem — bo badania mówią, że partner, który zmienia się razem z tobą, to najsilniejsza dźwignia, jaka istnieje (w badaniu JAMA Internal Medicine na około 3700 parach szanse palaczy na rzucenie palenia wzrosły z około 8% do niemal 50%, gdy ich partner rzucał w tym samym czasie — ten sam wzorzec potwierdził się dla aktywności fizycznej i utraty wagi). Dokładność utrzymuje liczbę w zgodzie z prawdą; towarzystwo utrzymuje nawyk przy życiu. Jednego znajomego możesz oznaczyć jako partnera i dzielić z nim Premium.
Jeśli szukasz trackera uczciwego co do swoich marginesów błędu i łatwego do skorygowania — a przy tym fajniejszego z twoimi ludźmi w środku — Kalo jest dostępne na iOS i Androida.