Miten valokuvaseuranta hoitaa ateriat, joihin viivakoodi ei koskaan ulotu

Avaa melkein mikä tahansa ravintotietokanta, ja huomaat, että se on todellisuudessa valmispakatun ruoan tietokanta. Muropaketit, proteiinipatukat, pakasteateriat, ravintolaketjujen tuotteet UPC-koodilla — kaikki jonkun kerran kirjaamaa, kaikkien sen jälkeen skannaamaa. Se toimii hyvin aina siihen asti, kunnes valmistat jotain itse.

Wokissa, jossa on kolme vihannesta, silmämääräisesti sekoitettu marinadi ja jokin määrä öljyä, joka lopulta päätyi pannulle, ei ole viivakoodia. Ei myöskään salaatissa, jonka kokosit siitä mitä jääkaapista löytyi, tai chili-padassa, joka on hieman erilainen joka kerta kun teet sitä. Nämä ateriat muodostavat valtavan osan siitä, mitä ihmiset todella syövät, ja ne ovat juuri niitä aterioita, jotka rikkovat hakuun perustuvan kirjaamisen.

Tavallinen kiertotie on likiarvoistaa: etsiä jotain samankaltaista, valita lähimmin osuva tulos ja toivoa, ettei annoskoon arvaus ole kovin pielessä. Tee tätä kolme kertaa päivässä, ja virheet kasautuvat nopeasti — ei siksi, että yksittäinen arvaus olisi hurjan väärä, vaan siksi, ettei mikään sido arviota siihen ateriaan, joka oikeasti on edessäsi.

Valokuvaan perustuva arviointi kääntää lähtökohdan päälaelleen. Sen sijaan, että etsisit korviketta, kuvaat todellisen lautasen, ja malli päättelee näkemänsä perusteella: näkyvät ainekset, niiden suuntaa-antavan tilavuuden suhteessa lautaseen, ja miten se vastaa kyseisen ruokalajin tyypillisiä makroravinnesuhteita. Se ei lue etikettiä, koska sellaista ei ole — se arvioi samoista tiedoista, joita ihminenkin käyttäisi, jos pyytäisit häntä arvaamaan.

Tällä erolla on enemmän merkitystä kuin miltä se kuulostaa. Wokkiasi katsova ihminen voisi kertoa, että kyseessä on todennäköisesti kana- ja vihannesruoka kevyellä kastikkeella, suunnilleen puolitoista lautasellista ruokaa, luultavasti 500–650 kaloria. Hän ei tarvitsisi UPC-koodia päästäkseen tähän lopputulokseen, ja hän olisi todennäköisesti lähempänä totuutta kuin karkea tietokantahaku "kanawokille", joka olettaa täysin erilaisen suhteen proteiinin, vihannesten ja öljyn välillä.

Mikään tästä ei tee valokuva-arvioinnista täydellistä. Se ei tiedä täsmälleen, kuinka paljon voita perunamuusiisi meni, tai tehtiinkö kastike kermasta vai liemestä. Sen sijaan se vie sinut kohtuulliselle vaihteluvälille niiden aterioiden kohdalla, joille ei aiemmin ollut lainkaan hyvää seurantavaihtoehtoa — aterioiden, jotka ennen jäivät väliin, arvattiin hatarasti tai kirjattiin täysin joksikin muuksi, koska se oli ainoa tietokannasta löytyvä vastaavuus.

Nämä kaksi järjestelmää on tarkoitettu toimimaan yhdessä, ei kilpailemaan. Viivakoodin skannaus antaa tarkat luvut valmispakatulle ruoalle, koska tarkat luvut ovat olemassa. Valokuva antaa käyttökelpoisen arvion kaikelle muulle, koska kotiruoan kohdalla nopea ja kohtuullisen tarkka luku voittaa hitaan mutta valheellisen täsmällisen luvun. Useimpina päivinä päädytään käyttämään molempia — jogurtti skannataan, illallinen kuvataan — ja yhdessä ne saavat päivän kirjauksen heijastamaan sitä, mitä todella syötiin, sen sijaan, että se vastaisi vain lähintä tietokannan löydöstä.

Isompi pointti liittyy siihen, mitä varten seuranta oikeastaan on. Jos tavoitteena on trendi viikkojen ja kuukausien yli, hieman epätäydellinen arvio tänään, jonka todella kirjaat uudelleen huomenna, voittaa teknisesti tarkan luvun, jonka löytämiseen meni viisi minuuttia ja jonka jätät ensi kerralla väliin, koska vaiva ei kannattanut. Valokuvaseuranta on olemassa, koska kotiruoka on yleistä, pelkkään tietokantaan perustuva seuranta hoitaa sen huonosti, ja ratkaisu ei ole isompi tietokanta — se on erilainen tapa katsoa lautasta.