Vi bygger en kalorikalkylator med foto, så man kan förvänta sig att vi säger att det är magi. Det är det inte. Här är den ärliga versionen — siffrorna som de flesta appar i den här kategorin tyst utelämnar från sin marknadsföring.
Frågan alla ställer innan de litar på en foto-app
Du riktar kameran mot en tallrik pasta, appen säger "620 kcal", och din första tanke är: vem säger det? Rättvis fråga. Om siffran kan vara fel med hälften blir hela vanan meningslös. Så är AI-kalorikalkylatorer verkligen exakta? Låt oss skilja på vad foto-AI faktiskt är bra på och vad den fortfarande gissar sig till.
Det som är löst: att känna igen maten på tallriken
Att identifiera vad du äter är i stort sett ett löst problem. Moderna bildmodeller känner igen vanliga rätter korrekt cirka 85–95% av tiden. Grillad kyckling, en burrito bowl, äggröra — modellen vet det. Oberoende recensioner av Lose It!s funktion "Snap It" har satt matidentifieringen till runt 70%, och recensioner av Cal AI visar att den hamnar inom ungefär 10% på enkla, helt synliga måltider. Igenkänningsmissar är numera undantaget, inte regeln.
Det som inte är: portioner, gömda oljor och blandade rätter
Portionsstorlek är där det verkliga felet finns. Ett foto är en platt 2D-bild av en 3D-tallrik — modellen kan inte väga ditt ris. Portionsuppskattningar från bilder ligger vanligtvis på ±15–30%, och studier som jämför bildbaserade metoder med guldstandardmätningar visar att de i genomsnitt underskattar intaget med omkring 20%.
Tre saker gör det värre:
- Dolda kalorier. Matskeden olivolja i pannan, smöret i såsen. Osynligt på bilden, mycket synligt på vågen. Recensenter som testar Cal AI rapporterar konsekvent missade oljor och dolda ingredienser.
- Blandade och inslagna rätter. Grytor, gratänger, burritos, allt som är lagrat. Samma Cal AI-recensioner rapporterade fel på 25% eller mer för blandade eller inslagna rätter — jämfört med ~10% för enkla.
- Djupoklarhet. En låg bred skål och en smal djup skål kan se nästan identiska ut på bild men innehålla väldigt olika mängder.
Så den ärliga felbudgeten ser ut så här: igenkänning bidrar lite, portioner bidrar mycket.
Köksfördomen ingen nämner
Det mesta träningsdatan för mat-AI lutar kraftigt åt väst. En cheeseburgare får en snävare uppskattning än en tallrik menemen, plov eller en hemlagad svensk gryta — inte för att de rätterna är svårare, utan för att modellen har sett färre exempel av dem. Om du äter utanför den västerländska kanon (många av våra användare gör det — Kalo finns på engelska, turkiska och ryska), förvänta dig bredare felmarginaler och rätta oftare. Vi är inte immuna mot det här heller — ingen är det ännu.
Varför ±20% ändå räcker — om du rättar snabbt och loggar dagligen
Här är delen som låter som en ursäkt men stöds av forskning: konsekvens slår precision. Studien "Log Often, Lose More" (Obesity, 2019) fann att loggningsfrekvens — inte noggrannhet — var den signifikanta prediktorn för viktnedgång, och att tiden för att logga sjönk från ~23 minuter om dagen till ~15 när folk blev vanare. Annan forskning visar att den bästa indikatorn på följsamhet helt enkelt är antalet dagar du loggar minst två måltider.
En ±20%-uppskattning du faktiskt antecknar varje dag slår en gramperfekt post du överger efter två veckor. Och felen tar delvis ut varandra: överskatta lunchen, underskatta middagen, och din veckotrend — siffran som faktiskt betyder något — förblir användbar.
Två ärliga förbehåll. Om du behöver klinisk precision (medicinska tillstånd, fysiktävlingar) är en köksvåg plus en stor verifierad databas som MyFitnessPals fortfarande det bättre verktyget — det är en verklig styrka hos dem, tillsammans med restaurangtäckning, även om det numera kostar 79,99 USD/år för Premium och deras crowdsourcade databas har sina egna problem med dubbla poster. Och vill du ha det billigaste kända premium-alternativet är Lose It! för 39,99 USD/år svårt att slå, även om dess portionsuppskattning testar inkonsekvent.
Så hanterar Kalo osäkerhet: se det, rätta det på två tryck
Eftersom portionsfel är oundvikligt blir designfrågan: vad gör appen åt det?
Kalo visar dig sitt konfidensvärde istället för att låtsas vara säker — en vinglig uppskattning ser vinglig ut. Och att rätta en är en tvåtrycksåtgärd direkt på resultatkortet, inte en femskärmars grävning i en redigeringsmeny. Fota, kika, justera portionen, klart. Ju snabbare rättelsen är, desto oftare händer den faktiskt, och desto skarpare blir din verkliga noggrannhet.
Den andra halvan är varför vi byggde Kalo kring vänner. Du kan lägga till upp till 5 vänner, se allas dag sida vid sida, reagera och peppa varandra, bygga streaks tillsammans — för forskningen säger att en partner som förändras tillsammans med dig är den starkaste hävstången som finns (i en JAMA Internal Medicine-studie på ~3 700 par hoppade rökares chanser att sluta från cirka 8% till nästan 50% när partnern slutade samtidigt — och samma mönster gällde för träning och viktnedgång). Noggrannhet håller en siffra ärlig; sällskap håller vanan vid liv. En vän kan markeras som din partner och delar ditt Premium.
Om du vill ha en tracker som är ärlig om sina felmarginaler och lätt att rätta — och roligare med dina egna människor i den — finns Kalo för iOS och Android.