Как учёт по фото справляется с блюдами, с которыми штрихкод никогда не справится

Откройте почти любую базу данных о питании — и обнаружите, что на самом деле это база данных упакованных продуктов. Коробки хлопьев, протеиновые батончики, замороженные обеды, позиции сетевых ресторанов со штрихкодом — всё это однажды кем-то занесено в базу и с тех пор сканируется всеми остальными. Это отлично работает — пока вы не приготовите что-то сами.

У жарки на сковороде с тремя овощами, маринадом, который вы смешали на глаз, и неизвестным количеством масла, реально попавшего на сковороду, нет штрихкода. Как нет его и у салата, собранного из того, что нашлось в холодильнике, или у кастрюли чили, которая каждый раз получается чуть по-разному. Эти блюда составляют огромную долю того, что люди реально едят, и именно они ломают учёт на основе поиска по базе.

Обычный обходной путь — приблизительная оценка: найти что-то похожее, выбрать ближайшее совпадение и надеяться, что оценка размера порции не слишком далека от истины. Делайте так три раза в день, и ошибки быстро накапливаются — не потому что какая-то отдельная догадка сильно ошибочна, а потому что нет никакой привязки к блюду, которое реально стоит перед вами.

Оценка по фото переворачивает исходную точку. Вместо поиска заменителя вы фотографируете реальную тарелку, а модель рассуждает о том, что видит: видимые ингредиенты, их примерный объём относительно тарелки, и как это соотносится с типичными пропорциями макронутриентов для такого рода блюда. Она не читает этикетку, потому что этикетки не существует, — она оценивает по той же информации, которой воспользовался бы человек, если бы его попросили угадать.

Это различие важнее, чем может показаться. Человек, глядя на вашу жарку, мог бы сказать, что это, вероятно, блюдо из курицы и овощей с лёгким соусом, примерно полторы тарелки еды, скорее всего 500–650 калорий. Для этого ему не понадобился бы штрихкод, и он, вероятно, оказался бы ближе к истине, чем грубый поиск по базе данных «жарка с курицей», который предполагает совершенно другое соотношение белка, овощей и масла.

Ничто из этого не делает оценку по фото идеальной. Она не будет знать точно, сколько масла ушло в ваше пюре, или сделан ли соус на сливках или на бульоне. Зато она даст вам разумный диапазон для блюд, у которых раньше вообще не было хорошего варианта учёта, — блюд, которые раньше либо пропускали, либо оценивали наугад, либо записывали как что-то совсем другое, потому что это было единственное совпадение в базе.

Обе системы задуманы для совместной работы, а не для конкуренции. Сканирование штрихкода даёт точные цифры для упакованных продуктов, потому что точные цифры существуют. Фото даёт пригодную оценку для всего остального, потому что для домашней еды быстрая и достаточно точная цифра лучше медленной и ложно точной. В большинстве дней в итоге используются оба метода — йогурт сканируется, ужин фотографируется, — и вместе они делают так, что дневной учёт действительно отражает съеденное, а не ближайший аналог из базы данных.

Более важный момент — в том, для чего вообще нужен учёт. Если цель — тренд на протяжении недель и месяцев, слегка неидеальная оценка сегодня, которую вы действительно повторите завтра, лучше технически точной цифры, на поиск которой ушло пять минут и которую вы пропустите в следующий раз, потому что усилия того не стоили. Учёт по фото существует потому, что домашняя еда — обычное дело, учёт только по базам данных справляется с ней плохо, а решение — не бо́льшая база данных, а другой способ смотреть на тарелку.