۲۱ شهریور ۱۴۰۵ · 6 دقیقه مطالعه
ثبت غذا با عکس چطور غذاهایی را پوشش می‌دهد که بارکد هرگز پوشش نمی‌دهد
تقریباً هر پایگاه داده‌ی تغذیه‌ای را که باز کنید، می‌بینید در واقع یک پایگاه داده‌ی غذاهای بسته‌بندی‌شده است. جعبه‌های غلات صبحانه، پروتئین‌بارها، غذاهای منجمد، آیتم‌های زنجیره‌های رستورانی با کد UPC — همه‌ی این‌ها یک بار توسط کسی ثبت شده‌اند و بعد همه آن‌ها را اسکن می‌کنند. این روش خوب جواب می‌دهد، تا زمانی که خودتان چیزی بپزید.
یک سرخ‌کرده‌ی سبزیجات با سه نوع سبزی، ماریناد شده با چشم و هرچقدر روغنی که واقعاً وارد تابه شده، بارکد ندارد. سالادی هم که از هرچه در یخچال بوده درست کرده‌اید، یا دیگ چیلی که هر بار کمی فرق می‌کند، بارکد ندارد. این غذاها بخش بزرگی از آن‌چه مردم واقعاً می‌خورند را تشکیل می‌دهند و دقیقاً همان غذاهایی هستند که ثبت مبتنی بر جستجو را به مشکل می‌اندازند.
راه‌حل معمول این است که تقریب بزنید: چیزی مشابه جستجو کنید، نزدیک‌ترین نتیجه را انتخاب کنید، و امیدوار باشید حدس اندازه‌ی وعده خیلی دور از واقعیت نباشد. این کار را سه بار در روز انجام دهید و خطاها سریع روی هم جمع می‌شوند — نه به این دلیل که یک حدس خاص بسیار اشتباه است، بلکه چون هیچ لنگری به غذایی که واقعاً مقابل شماست وجود ندارد.
تخمین مبتنی بر عکس نقطه‌ی شروع را برعکس می‌کند. به‌جای جستجوی یک جایگزین، از بشقاب واقعی عکس می‌گیرید و مدل درباره‌ی آن‌چه می‌بیند استدلال می‌کند: مواد قابل‌مشاهده، حجم تقریبی آن‌ها نسبت به بشقاب، و این‌که چطور این‌ها با نسبت‌های معمول درشت‌مغذی‌ها برای آن نوع غذا هم‌خوانی دارد. این مدل برچسبی نمی‌خواند چون برچسبی وجود ندارد — بلکه از همان اطلاعاتی تخمین می‌زند که یک انسان هم اگر از او می‌خواستید حدس بزند، استفاده می‌کرد.
این تفاوت بیش از آن‌چه به نظر می‌رسد اهمیت دارد. کسی که به سرخ‌کرده‌ی شما نگاه کند می‌تواند بگوید احتمالاً یک غذای مرغ و سبزیجات با سس سبک است، حدود یک بشقاب و نیم غذا، و احتمالاً 500 تا 650 کالری. او برای رسیدن به این نتیجه نیازی به کد UPC ندارد و احتمالاً از یک جستجوی تقریبی در پایگاه داده برای «سرخ‌کرده‌ی مرغ» که نسبتی کاملاً متفاوت از پروتئین، سبزیجات و روغن را فرض می‌کند، دقیق‌تر عمل می‌کند.
هیچ‌کدام از این‌ها تخمین با عکس را بی‌نقص نمی‌کند. این روش دقیقاً نمی‌داند چقدر کره وارد پوره‌ی سیب‌زمینی شما شده، یا این‌که آن سس با خامه درست شده یا با آبگوشت. اما کاری که می‌کند این است که شما را در یک بازه‌ی منطقی برای غذاهایی قرار می‌دهد که قبلاً اصلاً گزینه‌ی خوبی برای ثبت نداشتند — غذاهایی که پیش از این یا نادیده گرفته می‌شدند، یا به‌شدت حدسی ثبت می‌شدند، یا به‌عنوان چیزی کاملاً متفاوت ثبت می‌شدند چون آن تنها نتیجه‌ی موجود در پایگاه داده بود.
این دو سامانه قرار است با هم کار کنند، نه رقابت. اسکن بارکد برای غذای بسته‌بندی‌شده اعداد دقیق می‌دهد چون اعداد دقیق وجود دارند. یک عکس برای همه‌چیز دیگر تخمینی قابل‌استفاده می‌دهد، چون برای غذای خانگی، یک عدد سریع و تا حد منطقی دقیق بهتر از یک عدد کند و کاذبانه دقیق است. بیشتر روزها هر دو روش استفاده می‌شوند — ماست اسکن می‌شود، شام عکس گرفته می‌شود — و در نتیجه‌ی این ترکیب، ثبت روزانه واقعاً چیزی را نشان می‌دهد که خورده شده، نه نزدیک‌ترین مورد موجود در یک پایگاه داده.
نکته‌ی مهم‌تر این است که ثبت غذا اصلاً برای چه هدفی‌ست. اگر هدف یک روند در طول هفته‌ها و ماه‌هاست، یک تخمین کمی ناقص امروز که فردا هم واقعاً دوباره ثبتش می‌کنید، بهتر از یک عدد از نظر فنی دقیق است که پیدا کردنش پنج دقیقه طول کشیده و دفعه‌ی بعد به‌خاطر ارزش نداشتن تلاش، آن را نادیده می‌گیرید. ثبت با عکس وجود دارد چون غذای خانگی رایج است، ثبتِ تنها مبتنی بر پایگاه داده آن را به‌خوبی مدیریت نمی‌کند، و راه‌حل یک پایگاه داده‌ی بزرگ‌تر نیست — بلکه یک شیوه‌ی متفاوت برای نگاه کردن به بشقاب است.