Uudet kalorisovellukset lupaavat, että pelkkä kuva ateriasta riittää. Lupaus on houkutteleva — mutta kuinka tarkkoja arviot oikeasti ovat? Tutkimuskirjallisuus antaa selvästi maltillisemman kuvan kuin sovellusten markkinointi.
Kun sovellus laskee kalorit kuvasta, sen täytyy ratkaista kolme erillistä ongelmaa peräkkäin:
Jokainen vaihe tuo oman virheensä, ja virheet kertautuvat. Erityisen vaikea on keskimmäinen vaihe: tavallinen valokuva on kaksiulotteinen, eikä siitä voi luotettavasti päätellä ruoan tilavuutta tai painoa. Tutkijat kutsuvat tällaista tehtävää huonosti asetetuksi ongelmaksi (ill-posed problem) — samasta kuvasta voi seurata monta erilaista oikeaa vastausta, eikä algoritmi voi tietää mikä niistä on totta.
Aihetta käsittelevä tutkimuskirjallisuus osoittaa, että kuvapohjaisten arvioiden tarkkuus vaihtelee huomattavasti. Pienimmät virheet saavutetaan, kun kuvassa on yksinkertainen, yksittäinen ruoka — esimerkiksi omena lautasella. Sekalaisilla aterioilla hajonta kasvaa selvästi.
Kehittyneimmät tutkimusjärjestelmät, jotka rakentavat ateriasta kolmiulotteisen mallin useasta kuvakulmasta ja hyödyntävät puhelimen liikesensoreita, yltävät noin 20 prosentin keskimääräiseen virheeseen kontrolloiduissa olosuhteissa. Tämä on alan akateeminen kärkitaso — ei arkikäytön taso.
Kaupallisia sovelluksia testaavissa vertailuissa sama annos kuvattuna eri olosuhteissa — huonossa valossa, vinossa kulmassa, sotkuisella taustalla — antaa arvioita, jotka voivat vaihdella sadoilla kilokaloreilla. Sama ruoka, eri kuva, eri kalorit.
Kuva-arvion heikoin kohta on ruoka, jonka koostumusta ei näe päältä. Lohikeitto, makaronilaatikko, karjalanpaisti ja kastikeruoat ovat juuri tällaisia: kuvasta ei selviä paljonko kermaa liemessä on, mitä laatikon sisällä on tai kuinka rasvaista liha on.
Kansainvälisten sovellusten tunnistusmallit on lisäksi opetettu pääosin länsimaisella valtavirtaruoalla — suomalainen arkiruoka on niille harvinaista tai tuntematonta. Sama ongelma koskee tietokantaa: jos tunnistettu "salmon soup" haetaan yhdysvaltalaisesta tietokannasta, tulos ei vastaa suomalaista lohikeittoa, vaikka tunnistus ja annoskoko osuisivat kohdalleen.
Osa sovelluksista mainostaa muutaman prosentin tarkkuutta. Tutkimuskirjallisuuden valossa tällaiset luvut eivät ole uskottavia arkikäytössä: ne ovat kertaluokkaa parempia kuin mihin alan parhaat tutkimusjärjestelmät yltävät kontrolloiduissa olosuhteissa.
Tämä ei tarkoita, että kuva-arviot olisivat hyödyttömiä. Suuntaa-antava arvio on parempi kuin ei arviota lainkaan, ja teknologia kehittyy. Uusimmat tutkimussuuntaukset osoittavat, että kielimallipohjainen tunnistus yhdistettynä viralliseen ravintotietokantaan parantaa tarkkuutta merkittävästi pelkkiin kuvatunnistusmalleihin verrattuna. Suunta on oikea — mutta väitteiden ja näytön välinen kuilu on syytä tuntea.
Tekstipohjainen kirjaus toimii eri logiikalla: käyttäjä kertoo itse mitä söi ja kuinka paljon — "lohikeittoa 4 dl ja ruisleipä voilla". Tämä ohittaa kuva-arvion kaksi vaikeinta vaihetta kokonaan: ruokia ei tarvitse tunnistaa kuvasta eikä annoskokoa arvata tilavuudesta. Tekoälyn tehtäväksi jää tulkita kuvaus ja hakea ravintoarvot oikeasta tietokannasta.
Rehellisyyden nimissä: myöskään tekstikirjaus ei ole virheetön. Suurin jäljelle jäävä virhelähde on käyttäjän oma annosarvio — ihmiset aliarvioivat annoskokojaan systemaattisesti, ja tämä on yksi ravitsemustutkimuksen tutkituimmista ilmiöistä. Ero on siinä, että tekstikirjauksessa virhelähde on läpinäkyvä ja käyttäjän hallittavissa. Keittiövaaka poistaa sen halutessa kokonaan. Kuva-arviossa virhe syntyy algoritmin sisällä eikä käyttäjä näe sitä.
Kuntosaliapuri.fi on rakennettu tällä periaatteella: kirjaus vapaalla suomen kielellä, ravintoarvot THL:n virallisesta Fineli-tietokannasta — ei kuva-arvailua eikä käännöksiä amerikkalaisista tietokannoista.
Kirjaa ateria omin sanoin — tekoäly laskee kalorit ja makrot suomalaisesta Fineli-tietokannasta.
Kokeile ilmaiseksi →