Znanost iza procjene porcija iz jedne fotografije

Procjena nutritivnog sadržaja obroka iz jedne fotografije na prvi pogled zvuči kao da bi trebala biti previše neprecizna da bi bila korisna. Nema vage, nema točnog popisa sastojaka, i nema načina da se vidi što se događa unutar hrane. Pa ipak, u praksi, procjena putem fotografije dovoljno je blizu istini da bude istinski korisna za veliku većinu svakodnevnih obroka. Razlog leži u tome koliko vizualnih informacija zapravo sadrži tanjur hrane.

Fotografija istovremeno nosi nekoliko korisnih signala: prepoznatljive namirnice i njihovu opću kategoriju (protein, škrob, povrće, umak), njihove relativne omjere jednih prema drugima, njihov volumen u odnosu na poznate referentne objekte poput tanjura, zdjele ili pribora u kadru, i vizualne naznake o načinu pripreme — primjerice prženo nasuprot pečenom na žaru, što nosi znatno drugačiji kalorijski profil čak i za identičan osnovni sastojak.

Ovo je sličan proces, samo u mnogo većem i bržem razmjeru, onome što educirani nutricionist radi kad vizualno procjenjuje obrok tijekom konzultacije — ni on ne vaga tanjur, nego na temelju iskustva zaključuje koliko određeni volumen određene vrste hrane obično teži i obično sadrži. Veliki jezični model treniran na ogromnim količinama slika hrane i nutritivnih podataka provodi verziju istog vizualnog zaključivanja, samo automatizirano i gotovo trenutačno.

Preciznost ovog pristupa prirodno je neujednačena kroz različite vrste hrane. Pileća prsa na žaru, pečeni krumpir, ili zdjela riže relativno su lako precizno procjenjivi jer su njihov volumen i gustoća prilično predvidljivi, a vizualne granice jasne. Gulaš, zapečeno jelo, ili bilo što gdje su sastojci pomiješani i djelomično skriveni — dodatno ulje, maslac ili vrhnje umiješano u umak — po prirodi je teže precizno procijeniti, jer znatan dio kalorijskog sadržaja uopće nije vidljiv.

Upravo je zato procjena putem fotografije pozicionirana kao brza, razumna procjena, a ne tvrdnja o laboratorijskoj preciznosti, i zato je uparena sa skeniranjem crtičnog koda za pakiranu hranu koja već ima dostupan točan, otisnut odgovor. Dvije metode odgovaraju različitim problemima: skeniranje crtičnog koda ondje gdje točni podaci već postoje, procjena putem fotografije ondje gdje ne postoje i nikad neće postojati, jer obrok od početka nije ni trebao imati deklaraciju.

Vrijedi napomenuti i da se procjena putem fotografije poboljšava uz dodatni kontekst, zbog čega navođenje naziva artikla ili kratkog opisa uz fotografiju — "pileće prženo povrće s rižom" umjesto samo neoznačene slike — obično daje precizniju procjenu nego što to nosi sama fotografija. I vizualna informacija i tekstualni opis sužavaju raspon vjerojatnih nutritivnih vrijednosti, a njihovo kombiniranje dosljedno nadmašuje oslanjanje na bilo koje od njih zasebno.

Realističan način razmišljanja o procjeni putem fotografije jest kao o značajnom poboljšanju preciznosti u odnosu na alternativu koju zapravo zamjenjuje — grubo nagađanje iz pretrage baze podataka za najsličnije zvučeći artikl — a ne kao o konkurentu kuhinjskoj vagi i potpunom popisu sastojaka. Za veliku većinu domaćih obroka, to je znatno bolja procjena dobivena u djeliću vremena, a upravo je taj kompromis bitan za to hoće li se praćenje nastaviti iz dana u dan.