۷ میزان ۱۴۰۵ · 5 دقیقه مطالعه
علمی که پشت تخمین پرشن از یک عکس تکی است
تخمین محتوای تغذیه‌یی یک غذا از یک عکس تکی، در ظاهر انگار باید خیلی غیردقیق باشد که مفید باشد. هیچ ترازویی در کار نیست، هیچ لیست دقیق مواد وجود ندارد، و هیچ راهی برای دیدن این‌که داخل غذا چه می‌گذرد وجود ندارد. و با این حال، در عمل، تخمین از روی عکس آن‌قدر نزدیک می‌شود که برای اکثریت قاطع غذاهای روزمره واقعاً مفید است. دلیلش به این برمی‌گردد که یک بشقاب غذا واقعاً چقدر اطلاعات بصری دارد.
یک عکس چندین علامت مفید را یک‌جا حمل می‌کند: مواد غذایی قابل شناسایی و دسته‌بندی کلی آن‌ها (پروتین، نشاسته، سبزی، سس)، نسبت‌های نسبی آن‌ها به هم، حجم شان نسبت به اشیای مرجع شناخته‌شده مثل بشقاب، کاسه، یا ظروفی که در عکس هستند، و نشانه‌های بصری درباره روش آماده‌سازی — مثلاً سرخ‌شده در مقابل کباب‌شده، که حتی برای همان ماده پایه، پروفایل کالری قابل‌توجهی متفاوت دارد.
این یک روند مشابه، اما در مقیاسی خیلی بزرگ‌تر و سریع‌تر، به آن‌چه یک متخصص تغذیه آموزش‌دیده هنگام تخمین بصری یک غذا در یک مشاوره انجام می‌دهد، است — او هم بشقاب را وزن نمی‌کند، بلکه از تجربه استدلال می‌کند که یک حجم مشخص از یک نوع غذای مشخص معمولاً چقدر وزن دارد و چه چیزی دارد. یک مودل زبانی بزرگ که روی مقدار عظیمی از تصاویر غذا و داده‌های تغذیه‌یی آموزش دیده، نسخه‌یی از همان استدلال بصری را انجام می‌دهد، فقط خودکار و تقریباً فوری.
دقت این روش به طور طبیعی بین قسم‌های مختلف غذا نابرابر است. یک سینه مرغ کباب‌شده، یک کچالوی پخته، یا یک کاسه برنج نسبتاً راحت با دقت تخمین زده می‌شوند چون حجم و تراکم شان نسبتاً قابل پیش‌بینی است و مرزهای بصری شان واضح است. یک خورش، یک کسرول، یا هر چیزی که مواد در آن مخلوط و تا حدی پنهان شده‌اند — روغن اضافه، کره، یا کریمی که داخل یک سس چین خورده — ذاتاً سخت‌تر است که با دقت تخمین زده شود، چون بخش قابل‌توجهی از محتوای کالری اصلاً قابل مشاهده نیست.
دقیقاً به همین دلیل، تخمین از روی عکس به عنوان یک تخمین زود و معقول معرفی می‌شود، نه ادعای دقت سطح لابراتوار، و به همین دلیل با اسکن بارکود برای غذای بسته‌بندی‌شده که از قبل یک جواب دقیق و چاپ‌شده دارد، همراه شده. این دو روش برای مشکلات متفاوتی ساخته شده‌اند: اسکن بارکود جایی که داده دقیق از قبل وجود دارد، تخمین از روی عکس جایی که وجود ندارد و هیچ‌وقت نخواهد داشت، چون غذا از همان اول قرار نبود با یک لیبل بیاید.
همچنان ارزش دارد اشاره شود که تخمین از روی عکس با زمینه اضافی بهتر می‌شود، به همین دلیل دادن نام یک غذا یا یک توضیح کوتاه همراه عکس — "سرخ‌شده مرغ با برنج" به جای فقط یک عکس بدون لیبل — معمولاً تخمینی دقیق‌تر از آن‌چه فقط عکس به تنهایی می‌دهد، تولید می‌کند. هم اطلاعات بصری و هم توضیح متنی، محدوده مقادیر تغذیه‌یی محتمل را باریک‌تر می‌کنند، و ترکیب آن‌ها به طور مداوم از تکیه کردن به فقط یکی از آن‌ها بهتر عمل می‌کند.
راه واقع‌بینانه برای فکر کردن درباره تخمین از روی عکس این است که آن را یک ارتقای قابل‌توجه دقت نسبت به جایگزینی که در حقیقت دارد عوضش می‌کند — یک حدس تقریبی از یک جستجوی دیتابیس برای نزدیک‌ترین نتیجه نام — در نظر بگیرید، نه رقیبی برای یک ترازوی آشپزخانه و یک لیست کامل مواد. برای اکثریت قاطع غذاهای خانگی، این یک تخمین به شکل قابل‌توجهی بهتر است که در کسری از زمان ارائه می‌شود، و همین معاوضه است که واقعاً اهمیت دارد برای این‌که آیا ثبت کردن روز از پی روز ادامه پیدا می‌کند یا نه.