NutFinForce valitsi kuvakirjauksen — toimiiko se paremmin kuin teksti?

Iltalehti ja Iltasanomat uutisoivat perjantaina NutFinForce-hankkeesta. 200 varusmiestä aloittaa alkuvuodesta ottamaan kuvan ruoastaan. Metabiten malli on koulutettu yli kymmenellä miljoonalla kuvalla. Mutta mitä tämä teknologiavalinta tarkoittaa tarkkuuden kannalta — ja miten teksti vertautuu siihen?

Mitä Iltalehti ja IS kertoivat — ja mitä jäi kertomatta

Perjantain uutisointi toi NutFinForce-hankkeen laajemman yleisön tietoon. Molemmat lehdet kuvasivat hyvin sen mitä tapahtuu: pilotti käynnistyy tammikuussa 2027 Panssariprikaatissa Hattulassa, mukana on 200 vapaaehtoista alokasta, ja sovellus analysoi heidän ruoka-annoksensa valokuvan perusteella.

Mitä uutisoinnissa ei käsitelty lainkaan: miten kuvakirjaus oikeasti toimii tarkkuuden näkökulmasta — ja mitä teknologiavalinta tarkoittaa käyttäjälle.

Miksi kuvakirjaus on vaikea ongelma

Metabiten malli on koulutettu yli kymmenellä miljoonalla kuvalla. Se on vaikuttava luku — mutta kuvakirjauksen perusongelmat eivät ratkea pelkästään suuremmalla aineistolla.

Olemme käsitelleet aihetta tarkemmin aiemmassa artikkelissamme:

→ Kuinka tarkkoja AI-kaloriappien kuva-arviot ovat? Mitä tutkimus sanoo

Kolme perussyytä, miksi kuva on hankala:

• 1. Annoskoko on vaikea arvioida kuvasta. Yläkulmasta otettu kuva ei kerro, onko lautasella 150 g vai 300 g pastaa. Syvyystieto puuttuu. Tämä on suurin yksittäinen virhelähde — kalorien virhe ei tule tunnistusvirheestä vaan grammamääräarviosta.
• 2. Päällekkäiset ainekset jäävät piiloon. Kastike risottossa, öljy pannulla, juusto lasagnen sisällä — nämä rasvapitoiset lisät ovat kaloreiden kannalta merkittäviä, mutta lähes näkymättömiä kuvassa.
• 3. Suomalaiset ruoat ovat aliedustettuina. Kymmenestä miljoonasta kuvasta valtaosa on kansainvälisistä lähteistä. Karjalanpiirakka, silakkapihvi tai hernekeitto on eri asia kuin sen visuaalisin samankaltaisin kansainvälinen vastine.

Nämä eivät ole syitä hylätä kuvakirjausta — ne ovat syitä ymmärtää sen rajoitteet. NutFinForce kerää pilotista tutkimusdataa, ja tulokset nähdään 2027.

Tekstikirjaus — eri kompromissit

Tekstikirjaus ei ole virheetön. Se vaatii käyttäjältä sanamuodon ja arvion grammamääristä — "lautasellinen" tai "noin 300 g". Tämä on oma epävarmuuslähteensä.

Mutta kompromissit ovat erilaisia: kun kirjoitat mitä söit, tekoäly ei joudu arvaamaan annoskokoa kuvakulmasta. Epävarmuus tulee käyttäjältä, ei mallilta — ja käyttäjä tietää usein paremmin kuin algoritmi kuinka paljon lautasella oli.

Lohikeitto on juuri se tapaus, jossa Fineli-integraatio tekee eron: suomalainen perinneruoka löytyy THL:n tietokannasta täsmälleen, kansainvälisistä sovelluksista usein vain likimääräisesti tai ei lainkaan.

Kumpikin lähestymistapa on validi. Ne on tehty eri konteksteja varten — ja molemmilla on omat vahvuutensa.

Mihin NutFinForce tähtää — ja kuka voi kokeilla jo nyt

NutFinForce on tutkimushanke. Sen tavoite on selvittää tieteellisesti, auttaako digitaalinen valmennus asevelvollisten hyvinvoinnissa. Pilottiin pääsee mukaan vain vapaaehtoiset alokkaaat jotka aloittavat Hattulassa tammikuussa 2027 — sovellus ei ole julkinen tuote.

Iltalehden haastattelussa Prof. Patja mainitsi pitkän aikavälin tavoitteen: "ottaa toimintamalli laajasti käyttöön ja parantaa koko ikäluokan toimintakykyä". Tämä tarkoittaa myös siviilikäyttöä — jossain vaiheessa tulevaisuudessa.

Tekstipohjaista kirjausta THL:n Fineli-tietokannalla voi kokeilla jo tänään.