Az alkalmazások megszámolják a lefényképezett edények kalóriáit - tesztünk hiányosságokat tár fel - gazdaságosság -
írta: Raffael Schuppisser - Aargauer Zeitung
Az alkalmazás nem ismerte fel a pizza összes összetevőjét.
Az olajbogyó gombává, az indiai curry paradicsommártássá válik: azok az alkalmazások, amelyek mesterséges intelligenciát használnak a menükben szereplő kalóriák számításához, többször is elérték a határt.
A paradicsom és a mozzarella saláta megbízhatóan felismerhető. A mobiltelefon kamerájának zárkioldásának egyetlen megnyomása, majd néhány másodperccel később a kijelzőn 532 kalória jelenik meg az edény fényképe mellett. Még a hagymakarikákat is, amelyekkel a salátát díszítik, helyesen azonosították a képfelismerő algoritmus.
Az alkalmazást, amelynek célja a kalóriaszámolás megkönnyítése, Snicsnek hívják. Az osztrák induló 360 Factory fejlesztette ki. A név a „falatok” és a „képek” kombinációja, magyarázza Gerd Sumah vezérigazgató és alapító. Az alkalmazás egy képadatbázisra épül, amely több tízezer ételt tartalmaz. A fényképet mesterséges intelligencia segítségével elemzik, és összehasonlítják az adatbázisban található képekkel annak érdekében, hogy az élelmiszer táplálkozási információit bemutathassák a felhasználónak. «Csak annyit kell tennie, hogy lefényképezi az ételt. A többi a háttérben történik ”- magyarázza Sumah.
Az „élelmiszer pornó” trend lett
Mint ismeretes, az interneten nem hiányoznak az élelmiszerekről készült fotók. Az ételek fényképezése trenddé vált, az „élelmiszer pornó” kifejezés pedig divatszóvá vált. Ha egy algoritmus képes számszerűsíteni a fényképesen rögzített ételek tápértékét, ez tökéletesen összekapcsolható a digitális kor második trendjével: az önméréssel vagy a „számszerűsített én” mozgással.
Már nem csak technikailag jártas emberek viselnek karkötőket, amelyek számolják a lépéseket és elemzik az alvási fázisokat. Az egészségbiztosító társaságok már népszerűsítik az ilyen alkalmazásokat. Ezek az adatok csak akkor teljesek, ha nem csak tudja, mennyi kalóriát égetett el edzés közben, hanem azt is, hogy mennyit fogyasztott el. Eddig az önellenőrnek fáradságosan kellett ezt kézzel beírnia az alkalmazásba. A Snicshez hasonló képfelismerő program ezt sokkal könnyebbé teszi.
olvasni is
A curry elárasztja az AI-t
Ami elképesztően jól sikerült a paradicsom és a mozzarella salátával, az nem tökéletesen működik a főételként következő pizzával. A sonkát elismerték, de az olajbogyót tévesen gombának tartják. Snics fő problémája azonban más: az adag méretét a mesterséges intelligencia nem rögzíti. Függetlenül attól, hogy az egész pizzát fényképezi-e, vagy csak egy szeletet: 873 kalória marad. A felhasználó módosíthatja az adag méretét. Ennek ellenére a hibaforrás valószínűleg jelentős lesz.
Egy másik probléma: az alkalmazás nem ismeri fel, hogy hagyományos mozzarelláról van-e szó (100 gramm körülbelül 250 kalóriát tartalmaz), vagy a könnyű változatról (kb. 160 kalória). Minden azonosított összetevő mögött - magyarázza Sumah - van egy szabványos recept, amelyet az induló táplálkozási csapata határoz meg.
Az alkalmazás eléri a határait, amikor felismeri az indiai curry ételeket. Első próbálkozásra az algoritmus rizsre tippelt paradicsommártással. Egyszer erőteljesen keverjünk el villával, és kattintsunk ismét: Az alkalmazás most vegetáriánus curry-re gyanakodott. Öt perccel később a feltételezett zöldségételből „Basmati rizs aprított pulykával” lett. Ebben az esetben azonban kézi beavatkozás történt. "Ha egy ételt a mesterséges intelligencia nem ismer fel helyesen, a háttérben lévő dietetikus csapatunk gondoskodik az eredmények korrigálásáról" - mondja Sumah.
A Samsung asszisztense is matekozik
A Snics nem az egyetlen olyan alkalmazás, amely kalkulálhat a fényképek alapján. Például a Samsung beépítette az új okostelefonok megfelelő funkcióját a Bixby személyi asszisztensbe. És van az ígéretes Lose it! Névvel ellátott alkalmazás, de ez rövid tesztünkben lényegesen rosszabb eredményt nyújtott, mint Snics. A Google is évek óta kutat egy ilyen technológiát, de a bemutatott Im2Calories alkalmazás még nem tette piacképessé.
Ez megmutatja, hogy milyen nehéz felismerni a benne lévő összes ételt egy fényképezett edényből. Ez valószínűleg nehezebb a mesterséges intelligencia számára, mint a bőrrákos sejtek azonosítása számítógépes tomográfiai képen. Mert itt az AI jobban teljesít tudományos tesztekben, mint tapasztalt radiológusok.
De hogyan lehetne lehetővé tenni például a pépes pörkölt egyes összetevőinek felismerését anélkül, hogy megkóstolnánk őket? Az emberi szem sem. Az AI-től sok minden elvárható, de a csodák nem részei ennek.