Наука, що стоїть за оцінкою розміру порції з однієї фотографії

Оцінка харчової цінності страви за однією фотографією на перший погляд звучить так, ніби має бути занадто неточною, щоб бути корисною. Немає ваги, немає точного списку інгредієнтів, і немає способу побачити, що відбувається всередині їжі. І все ж на практиці оцінка за фото потрапляє достатньо близько, щоб бути справді корисною для переважної більшості повсякденних страв. Причина — в тому, скільки візуальної інформації насправді містить тарілка їжі.

Фото одночасно несе кілька корисних сигналів: впізнавані продукти та їхню загальну категорію (білок, крохмаль, овоч, соус), їхні відносні пропорції одне до одного, їхній об'єм відносно відомих еталонних об'єктів, таких як тарілка, миска чи прибори в кадрі, і візуальні підказки про спосіб приготування — смажене проти грильованого, наприклад, що несе суттєво інший калорійний профіль навіть для ідентичного базового інгредієнта.

Це схожий процес, лише в набагато більшому й швидшому масштабі, на те, що робить досвідчений дієтолог, візуально оцінюючи страву під час консультації, — він теж не зважує тарілку, він міркує з досвіду про те, скільки зазвичай важить і що зазвичай містить певний об'єм певного типу їжі. Велика мовна модель, навчена на величезних обсягах зображень їжі й харчових даних, виконує версію того самого візуального міркування, лише автоматизовану й майже миттєву.

Точність цього підходу природно нерівномірна для різних типів їжі. Грильовану курячу грудку, запечену картоплю чи миску рису відносно легко оцінити точно, бо їхній об'єм і щільність досить передбачувані, а візуальні межі чіткі. Рагу, запіканку чи все, де інгредієнти перемішані й частково приховані — зайва олія, масло чи вершки, вмішані в соус — за своєю природою важче оцінити точно, бо значна частина калорійного вмісту просто невидима.

Саме тому оцінку за фото позиціонують як швидку, розумну оцінку, а не заяву про лабораторну точність, і саме тому її поєднують зі скануванням штрих-коду для фасованих продуктів, у яких уже є точна, надрукована відповідь. Два методи підходять для різних задач: сканування штрих-коду — там, де точні дані вже існують, оцінка за фото — там, де їх немає й ніколи не буде, бо страва взагалі ніколи не мала б постачатися з етикеткою.

Варто також зазначити, що оцінка за фото покращується з додатковим контекстом, тому надання назви страви чи короткого опису разом із фото — "смаженина з куркою та рисом", а не просто зображення без підпису — зазвичай дає точнішу оцінку, ніж сама лише фотографія. І візуальна інформація, і текстовий опис звужують діапазон імовірних харчових значень, і їхнє поєднання стабільно перевершує покладання лише на щось одне.

Реалістичний спосіб думати про оцінку за фото — це як про значне покращення точності порівняно з альтернативою, яку вона насправді замінює — приблизний здогад із пошуку в базі даних за найближчою за назвою позицією, — а не як про конкурента кухонної ваги й повного списку інгредієнтів. Для переважної більшості домашніх страв це помітно краща оцінка, отримана за частку часу, а саме цей компроміс насправді має значення для того, чи триватиме облік день у день.