Com el seguiment per foto resol els àpats que un codi de barres mai podrà

Obre gairebé qualsevol base de dades de nutrició i descobriràs que en realitat és una base de dades d'aliments envasats. Capses de cereals, barretes de proteïna, àpats congelats, productes de cadenes de restaurants amb codi UPC: tot registrat una vegada per algú, escanejat per tothom després. Això funciona bé, fins que cuines alguna cosa tu mateix.

Un salteat amb tres verdures, un adob que has calculat a ull, i la quantitat d'oli que realment ha acabat a la paella no té codi de barres. Tampoc en té una amanida que has fet amb el que hi havia a la nevera, ni una olla de xili que surt una mica diferent cada vegada que la fas. Aquests àpats representen una gran part del que la gent realment menja, i són precisament els que trenquen el registre basat en cerques.

La solució habitual és aproximar: buscar alguna cosa semblant, triar la coincidència més propera, i esperar que el càlcul de la porció no vagi gaire desencaminat. Fes això tres vegades al dia i els errors s'acumulen ràpid, no perquè cap estimació individual estigui molt equivocada, sinó perquè no hi ha cap ancoratge amb l'àpat que realment tens al davant.

L'estimació per foto inverteix el punt de partida. En lloc de buscar un substitut, fotografies el plat real, i el model raona sobre el que veu: els ingredients visibles, el seu volum aproximat respecte al plat, i com això es relaciona amb les proporcions típiques de macronutrients per a aquell tipus de plat. No està llegint cap etiqueta perquè no n'hi ha cap; està estimant a partir de la mateixa informació que faria servir una persona si li demanessis que ho endevinés.

Aquesta distinció importa més del que sembla. Una persona que mirés el teu salteat et podria dir que probablement és un plat de pollastre i verdures amb una salsa lleugera, més o menys un plat i mig de menjar, potser entre 500 i 650 calories. No necessitaria cap codi UPC per arribar-hi, i probablement s'acostaria més que una cerca genèrica a una base de dades de "salteat de pollastre" que assumeix una proporció completament diferent entre proteïna, verdures i oli.

Res d'això fa que l'estimació per foto sigui perfecta. No sabrà exactament quanta mantega portava el teu puré de patates, ni si aquella salsa es va fer amb nata o amb brou. El que sí que farà és situar-te dins d'un rang raonable en els àpats que abans no tenien cap bona opció de seguiment: àpats que, abans, es ballaven, s'endevinaven a l'atzar, o es registraven com una altra cosa completament diferent perquè era l'única coincidència a la base de dades.

Els dos sistemes estan pensats per treballar junts, no per competir. Un escaneig de codi de barres et dona números exactes per als aliments envasats perquè aquests números exactes existeixen. Una foto et dona una estimació útil per a tota la resta, perquè per al menjar casolà, un número ràpid i raonablement precís guanya a un de lent i falsament exacte. La majoria de dies s'acaben fent servir tots dos: el iogurt s'escaneja, el sopar es fotografia, i entre tots dos, el registre del dia reflecteix realment el que s'ha menjat en lloc del més semblant que hi havia en una base de dades.

El punt més important té a veure amb per a què serveix realment el seguiment. Si l'objectiu és una tendència al llarg de setmanes i mesos, una estimació una mica imperfecta avui que de veritat tornaràs a registrar demà guanya a un número tècnicament precís que t'ha costat cinc minuts trobar i que la propera vegada et saltaràs perquè no valia la pena l'esforç. El seguiment per foto existeix perquè el menjar casolà és habitual, el seguiment basat només en bases de dades el gestiona malament, i la solució no és una base de dades més gran: és una manera diferent de mirar el plat.