바코드가 절대 할 수 없는 일을 사진 기록이 해내는 방법

거의 모든 영양 데이터베이스를 열어보면 사실상 포장식품 데이터베이스라는 걸 알게 돼요. 시리얼 상자, 단백질 바, 냉동식품, UPC 코드가 있는 체인 레스토랑 메뉴까지, 누군가 한 번 등록해두면 그 뒤로는 모두가 스캔하는 식이죠. 직접 요리를 하기 전까지는 이 방식이 아주 잘 작동해요.

채소 세 가지에 눈대중으로 만든 양념, 팬에 들어간 기름의 양까지 대충 짐작해야 하는 볶음 요리에는 바코드가 없어요. 냉장고에 있는 걸로 만든 샐러드도, 만들 때마다 조금씩 달라지는 칠리 한 냄비도 마찬가지죠. 이런 음식들은 사람들이 실제로 먹는 것의 큰 비중을 차지하는데, 바로 이런 음식들이 검색 기반 기록을 망가뜨려요.

흔히 쓰는 해결책은 비슷한 걸로 때우는 거예요. 비슷한 것을 검색해서 가장 가까운 결과를 고르고, 분량 추측이 너무 어긋나지 않기를 바라는 거죠. 이걸 하루에 세 번 반복하면 오차가 빠르게 쌓이는데, 어느 한 번의 추측이 터무니없이 틀려서가 아니라, 실제로 눈앞에 있는 음식에 기준점이 전혀 없기 때문이에요.

사진 기반 추정은 출발점 자체를 뒤집어요. 대체재를 검색하는 대신 실제 접시를 사진으로 찍으면, 모델이 눈에 보이는 것을 바탕으로 추론해요. 보이는 재료, 접시 대비 대략적인 부피, 그리고 그게 그런 종류의 요리에서 전형적인 다량영양소 비율과 어떻게 연결되는지를요. 라벨이 없으니 라벨을 읽는 게 아니라, 사람에게 추측해 달라고 했을 때 쓸 법한 바로 그 정보로 추정하는 거예요.

이 차이는 생각보다 더 중요해요. 당신의 볶음 요리를 본 사람이라면 가벼운 소스를 곁들인 닭고기와 채소 요리이고, 대략 접시 한 접시 반 분량이며, 아마 500~650칼로리 정도일 거라고 말해줄 수 있어요. 그 사람에게는 UPC 코드가 필요 없었고, 단백질·채소·기름의 비율을 완전히 다르게 가정하는 "닭고기 볶음" 데이터베이스 대충 검색보다 오히려 더 정확할 가능성이 커요.

그렇다고 사진 추정이 완벽해지는 건 아니에요. 매시트포테이토에 버터가 정확히 얼마나 들어갔는지, 그 소스가 크림으로 만들어졌는지 육수로 만들어졌는지는 알 수 없죠. 다만 이전에는 제대로 된 기록 방법이 아예 없었던 음식들, 즉 건너뛰거나 되는대로 추측하거나 데이터베이스에서 유일하게 일치하는 다른 음식으로 기록되던 음식들을, 합리적인 범위 안으로 들여놔 줘요.

이 두 시스템은 경쟁하는 게 아니라 함께 작동하도록 만들어졌어요. 바코드 스캔은 정확한 숫자가 존재하기 때문에 포장식품에 정확한 숫자를 줘요. 사진은 나머지 모든 음식에 쓸만한 추정치를 주는데, 집밥에서는 느리고 거짓되게 정밀한 숫자보다 빠르고 합리적으로 정확한 숫자가 낫기 때문이에요. 대부분의 날에는 결국 둘 다 쓰게 돼요. 요거트는 스캔하고 저녁 식사는 사진을 찍고요. 그렇게 하면 그날의 기록이 데이터베이스에서 가장 비슷한 것 대신 실제로 먹은 것을 반영하게 돼요.

더 중요한 건 기록이 실제로 무엇을 위한 것이냐는 점이에요. 목표가 몇 주, 몇 달에 걸친 추세라면, 내일도 실제로 다시 기록할 오늘의 다소 불완전한 추정치가, 찾는 데 5분이 걸려서 다음엔 그만한 가치가 없다고 느껴 건너뛸 기술적으로 정확한 숫자보다 나아요. 사진 기록이 존재하는 이유는 집밥이 흔하고, 데이터베이스만으로는 그걸 제대로 다루지 못하기 때문이에요. 해결책은 더 큰 데이터베이스가 아니라 접시를 바라보는 다른 방식이에요.