AI في التغذية: تبسيط الأكل الصحي باستخدام رؤية الحاسوب

يُعد تناول الطعام الصحي والحفاظ على اللياقة هدفًا يسعى كثيرون منا إلى تحقيقه. ووفقًا لاستطلاع، يرغب 70% من الأشخاص في أن يصبحوا أكثر صحة، ويعد تناول الطعام الصحي أولوية قصوى لدى 50% منهم. وقد نعتمد أحيانًا على نصائح الأطباء واختصاصيي التغذية. إلا أن ذلك قد يستغرق وقتًا طويلًا ويتطلب مواعيد وتتبعًا للوجبات. ويُعد تتبع الوجبات، على وجه الخصوص، أمرًا مرهقًا وعرضةً للأخطاء.

يمكن للذكاء الاصطناعي والرؤية الحاسوبية جعل تناول الطعام الصحي أبسط وأكثر سهولة. إذ يمكنهما المساعدة في تحليل ما تأكله، وتتبع تغذيتك، وحتى اقتراح وصفات بناءً على أهدافك الصحية. كما يمكن لهذه التقنيات المساعدة في تحديد مسببات الحساسية، مما يجعل تخطيط الوجبات أسهل وأكثر أمانًا للأشخاص ذوي القيود الغذائية. في هذه المقالة، سنلقي نظرة أ closer على كيفية استخدام هذه التقنيات في مهام مثل تتبع التغذية واقتراح الوصفات. وسنستعرض أيضًا تأثير الذكاء الاصطناعي في التغذية على قطاع الرعاية الصحية. لنبدأ!

الشكل 1. استخدام الذكاء الاصطناعي لعدّ عدد السعرات الحرارية في وجبة.

الرؤية الحاسوبية في تتبع التغذية وتحليل الطعام#

قد تنشأ مضاعفات صحية مختلفة نتيجة تناول غذاء غير سليم. وقد وجد الباحثون أن تناول كميات كبيرة جدًا أو صغيرة جدًا من أطعمة ومغذيات معينة يمكن أن يزيد خطر الإصابة بأمراض القلب والسكتة الدماغية. لذلك، من المهم جدًا تتبع مدخولك الغذائي. وتقليديًا، يتضمن تتبع المدخول الغذائي تسجيل الأطعمة التي تتناولها يدويًا، وتقدير أحجام الحصص، والبحث عن المعلومات الغذائية، الأمر الذي قد يستغرق وقتًا طويلًا وينطوي على هامش من الخطأ. أما مع تقنيات الذكاء الاصطناعي والرؤية الحاسوبية، فأصبح تتبع التغذية أسهل من أي وقت مضى.

عندما تجلس لتناول الطعام، يمكنك التقاط صورة لوعائك أو طبقك، ويمكن لـنماذج الرؤية الحاسوبية تحليل الصورة لتحديد الأطعمة المختلفة. ويمكن لنظام الذكاء الاصطناعي بعد ذلك تقدير أحجام الحصص وتقديم معلومات غذائية مفصلة. فعلى سبيل المثال، يمكن لأنظمة الرؤية الحاسوبية، باستخدام اكتشاف الأجسام، تحديد الأطعمة الموجودة في طبقك بدقة.

الشكل 2. استخدام نموذج الرؤية الحاسوبية Ultralytics YOLOv8 لاكتشاف حبات الفراولة.

يمكن بعد ذلك مطابقة هذه الأطعمة المحددة مع قاعدة بيانات كبيرة للمعلومات الغذائية. ويمكن لخوارزميات متقدمة، مثل تقدير العمق، المساعدة في تقدير أحجام الحصص. وبعد تحديد الأطعمة وتقدير أحجام الحصص، يستطيع النظام حساب السعرات الحرارية والمغذيات الكبرى (مثل البروتينات والدهون والكربوهيدرات) والمغذيات الصغرى (مثل الفيتامينات والمعادن)، لتزويدك بتحليل غذائي مفصل لوجبتك.

تطبيقات تتبع الوجبات المدعومة بالرؤية الحاسوبية#

من أكثر تطبيقات الرؤية الحاسوبية شيوعًا في تتبع الوجبات استخدامها عبر تطبيقات الأجهزة المحمولة. لنلقِ نظرة سريعة على بعض الخيارات المبتكرة لتتبع الوجبات بالذكاء الاصطناعي.

SnapCalorie هو تطبيق يستخدم الرؤية الحاسوبية لتقدير محتوى السعرات الحرارية والمغذيات الكبرى من صورة. وقد دُرّب على 5,000 وجبة، مما يقلل أخطاء تقدير السعرات الحرارية إلى أقل من 20% ويتفوق على معظم البشر. ويمكن تسجيل النتائج في مفكرة غذائية أو تصديرها إلى منصات اللياقة مثل Apple Health.

وبالمثل، يُعد LogMeal API ابتكارًا مثيرًا للاهتمام يدفع عجلة تتبع التغذية بالذكاء الاصطناعي. إذ يستخدم خوارزميات التعلم العميق المدربة على مجموعات بيانات كبيرة من صور الأطعمة لاكتشاف الأطعمة والتعرف عليها بدقة. وتحقق نماذج LogMeal دقة تبلغ 93% عبر 1,300 طبق، وتوفر تحليلًا غذائيًا مفصلًا، واكتشافًا للمكونات، وتقديرًا لأحجام الحصص. ويمكن دمج LogMeal API بسهولة في التطبيقات لإنشاء حلول لتتبع الوجبات للمطاعم وأكشاك الطلب الذاتي والشركات الناشئة في تكنولوجيا الأغذية ومقدمي الرعاية الصحية وغيرهم من المستهلكين.

الشكل 3. تحديد الأطعمة باستخدام Logmeal.

استخدام الذكاء الاصطناعي لاقتراح الوصفات#

يمكن للذكاء الاصطناعي اقتراح وصفات صحية بناءً على ما يتوفر لديك في مطبخك. ويمكن لتقنيات الرؤية الحاسوبية، مثل التقسيم، تحديد المكونات المختلفة في صورة لثلاجتك أو خزانة مؤنك. وبناءً على ذلك، يمكن لنموذج لغوي كبير (LLM)، مثل ChatGPT، اقتراح وصفات باستخدام الذكاء الاصطناعي التوليدي. وبما أنه يمكنك توجيه LLM، يمكنك أيضًا تحديد قيود غذائية مثل النظام النباتي أو الخالي من الغلوتين أو منخفض الكربوهيدرات، وسيعمل نظام الذكاء الاصطناعي على تنسيق اقتراحات وصفات تلبي معاييرك.

الشكل 4. التعرف على المكونات باستخدام الرؤية الحاسوبية.

يُعد «Sous Chef»، وهو إصدار مخصص من ChatGPT، مثالًا رائعًا على هذه التقنية. إذ يمكنه اقتراح وصفات بناءً على ما يتوفر لديك. ويمكنك إما إدخال المكونات في المطالبة أو تحميل صورة لما لديك في ثلاجتك.

قد تتساءل: هل نحتاج حقًا إلى مثل هذا النظام؟ توفر أنظمة اقتراح الوصفات بالذكاء الاصطناعي فوائد عديدة، مثل تقليل هدر الطعام من خلال الاستفادة الجيدة من المكونات المتاحة، وزيادة تنوع الوجبات عبر أطباق فاخرة. كما يمكنها مساعدتك في الحفاظ على نظام غذائي متوازن. فعلى سبيل المثال، يمكن لخطط الوجبات الشخصية التي يقترحها مولّد وصفات بالذكاء الاصطناعي مساعدتك في تحقيق أهداف اللياقة البدنية. ويمكن لهذه الأنظمة أيضًا جعل الطهي أكثر متعة وإبداعًا بكثير.

الشركات الناشئة التي تبتكر باستخدام الذكاء الاصطناعي في قطاع التغذية#

يُنجز كثير من العمل المثير للاهتمام في قطاعي الأغذية والتغذية فيما يتعلق بالذكاء الاصطناعي. لنلقِ نظرة على بعض الشركات الناشئة التي تدمج الذكاء الاصطناعي في الطعام الذي نتناوله يوميًا.

تقدم Journey Foods، وهي شركة ناشئة مقرها الولايات المتحدة، معلومات استخباراتية عن المكونات لتطوير منتجات غذائية معبأة جديدة وإطلاقها. وتحلل منصتها لعلم البيانات، JourneyAI، ملايين المكونات وبيانات سلسلة التوريد للعثور على المكوّن المثالي لكل منتج. كما تجمع كميات هائلة من البيانات المتعلقة بالمواد الكيميائية والمغذيات وتخزنها لإنشاء أفضل تركيبات للمنتجات الغذائية. وتمكّن المنصة أيضًا شركات تصنيع الأغذية المعبأة من إدارة دورات حياة المنتجات بأكملها على نحو أفضل، من خلال اكتشاف الأغذية القائم على البيانات.

تُعد Viome شركة ناشئة مبتكرة أخرى في قطاع التغذية. تستخدم Viome الذكاء الاصطناعي وتقنية تسلسل mRNA لتقديم توصيات شخصية بشأن التغذية والعافية. وتوفر اختبارات منزلية تحلل الميكروبيوم والتعبير الجيني لتقديم رؤى دقيقة حول صحة الفرد. وتساعد هذه الرؤى في تحديد الأسباب الكامنة وراء اختلالات الميكروبات والالتهابات. واستنادًا إلى هذه المعلومات، تصف Viome مكملات مخصصة وتوصيات غذائية مصممة وفق الكيمياء الحيوية الفريدة لكل شخص. ومن خلال التركيز على الوقاية من الأمراض المزمنة ومعالجة المشكلات الصحية الجذرية، تجعل Viome إدارة الصحة المتقدمة متاحة وشخصية.

الشكل 5. توصيات غذائية تستند إلى الذكاء الاصطناعي وتسلسل الجينوم.

موازنة سلبيات اختصاصيي التغذية بالذكاء الاصطناعي#

رغم أن أنظمة التغذية المعززة بالذكاء الاصطناعي تقدم فوائد عديدة، نحتاج أيضًا إلى فهم بعض سلبياتها. وتتمثل إحدى القضايا الرئيسية في خصوصية البيانات وأمنها. إذ تحتاج هذه الأنظمة إلى الوصول إلى معلومات صحية وغذائية شخصية حساسة. وإذا لم تُحمَ هذه البيانات جيدًا، فقد يُساء استخدامها أو تُسرق.

وهناك أيضًا مخاوف بشأن التحيز في خوارزميات الذكاء الاصطناعي. فإذا لم تكن بيانات التدريب متنوعة بما يكفي، فقد لا تكون التوصيات دقيقة للجميع، مما قد يؤدي إلى تقديم نصائح غير ملائمة لفئات معينة من الناس. وتتمثل مشكلة أخرى في خطر الاعتماد المفرط على التكنولوجيا. يمكن للذكاء الاصطناعي تقديم رؤى مفيدة، لكنه لا ينبغي أن يحل محل خبرة اختصاصيي التغذية ومقدمي الرعاية الصحية من البشر.

التأثير في القطاع الطبي#

من المنتظر أن تعيد أنظمة تتبع التغذية واختصاصيي التغذية المدعومة بالذكاء الاصطناعي تشكيل القطاع الطبي، وأن تغير أدوار اختصاصيي التغذية والمهنيين في الرعاية الصحية من البشر. كما أنها تمنح الجمهور خيارات أكثر عندما يتعلق الأمر بالحصول على نصائح بشأن المدخول الغذائي. ولا يشعر نحو 40% من الناس بالحاجة إلى التحدث مع طبيبهم قبل إضافة مكمل إلى روتينهم اليومي. ويجعل الذكاء الاصطناعي الحصول على رأي خبير أسهل، ويمكنه تشجيع الجمهور على طلب مزيد من المشورة قبل إجراء تغييرات في مدخولهم الغذائي.

من المرجح أن يؤدي التحول إلى الذكاء الاصطناعي إلى تغيير جوهري في طريقة التعامل مع التغذية وإدارة النظم الغذائية. وتقول Alexandra Kaplan، وهي اختصاصية تغذية في Core Nutrition مقرها ويستتشستر، نيويورك: «بافتراض أن (الذكاء الاصطناعي) دقيق، فقد يكون مفيدًا جدًا، لأنه سيساعدني على معرفة الكمية الدقيقة لما هو موجود في الطبق، ثم معرفة مكونات الطعام، ولذلك قد يكون مفيدًا للمرضى لمعرفة ما يأكلونه في تلك الوجبة».

بدلًا من استبدال اختصاصيي التغذية من البشر، يمكن للذكاء الاصطناعي أن يكون أداة قوية تكمل خبراتهم. إذ يمكنه تقديم رؤى قائمة على البيانات تدعم اتخاذ القرارات السريرية، مما يساعد اختصاصيي التغذية على وضع خطط علاج أكثر فاعلية. فعلى سبيل المثال، يمكن للذكاء الاصطناعي تحديد الأنماط في العادات الغذائية للمريض التي تسهم في الإصابة بأمراض مزمنة، وتمكين اختصاصيي التغذية من التدخل في وقت أبكر وبفاعلية أكبر.

خلاصة الذكاء الاصطناعي في التغذية#

يمكن للرؤية الحاسوبية والذكاء الاصطناعي تسهيل تتبع ما نأكله كثيرًا، بل ويمكنهما أن يكونا اختصاصي التغذية الشخصي الخاص بك. ويمكن استخدام هذه التقنيات للمساعدة في تحسين صحة المرضى من خلال توفير مراقبة دقيقة وخطط غذائية مخصصة، مع خفض تكاليف الرعاية الصحية أيضًا عبر جعل معظم عمليات اختصاصيي التغذية المعقدة أكثر كفاءة. ورغم أن للذكاء الاصطناعي بعض القيود، مثل مشكلات الدقة وغياب اللمسة الإنسانية الشخصية، فإن ابتكارات الذكاء الاصطناعي يمكن أن تكمل الخبرة البشرية وتعزز الرعاية التغذوية الشاملة. قد نكون ما زلنا بعيدين عن أجهزة استنساخ الطعام في Star Trek، لكن الذكاء الاصطناعي في التغذية يعيد تشكيل المستقبل.

لِنبتكر معًا! استكشف مستودعنا على GitHub للاطلاع على إسهاماتنا في الذكاء الاصطناعي. واكتشف كيف نعيد تعريف صناعات مثل التصنيع والرعاية الصحية باستخدام أحدث تقنيات الذكاء الاصطناعي. 🚀