الذكاء الاصطناعي في التغذية: تسهيل تناول الطعام الصحي باستخدام الرؤية الحاسوبية

يُعد تناول الطعام الصحي والحفاظ على اللياقة هدفًا يسعى كثيرون منا إلى تحقيقه. ووفقًا لاستطلاع، يرغب 70% من الأشخاص في أن يكونوا أكثر صحة، ويضع 50% منهم تحسين نظامهم الغذائي ضمن أولوياتهم القصوى. وقد نعتمد أحيانًا على نصائح الأطباء واختصاصيي التغذية. لكن ذلك قد يستغرق وقتًا، ويتطلب مواعيد ومتابعة للوجبات. وقد تكون متابعة الوجبات، على وجه الخصوص، شاقة ومعرضة للأخطاء.

يمكن للذكاء الاصطناعي والرؤية الحاسوبية جعل تناول الطعام الصحي أبسط وأكثر إتاحة. إذ يمكنهما المساعدة في تحليل ما تأكله، ومتابعة العناصر الغذائية في نظامك، بل واقتراح وصفات تستند إلى أهدافك الصحية. ويمكن لهذه التقنيات أيضًا المساعدة في تحديد مسببات الحساسية، لتسهيل تخطيط الوجبات وجعله أكثر أمانًا للأشخاص ذوي القيود الغذائية. سنتناول في هذه المقالة بمزيد من التفصيل كيفية استخدام هذه التقنيات في مهام مثل متابعة العناصر الغذائية واقتراح الوصفات. كما سنستعرض أثر الذكاء الاصطناعي في مجال التغذية على قطاع الرعاية الصحية. لنبدأ!

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

الرؤية الحاسوبية في متابعة التغذية وتحليل الطعام#

قد تنجم مضاعفات صحية مختلفة عن سوء التغذية. وقد وجد الباحثون أن الإفراط أو التفريط في تناول بعض الأطعمة والعناصر الغذائية يمكن أن يزيد خطر الإصابة بأمراض القلب والسكتة الدماغية. لذلك، من المهم جدًا متابعة ما تتناوله من عناصر غذائية. وتقليديًا، تتضمن متابعة المدخول الغذائي تسجيل الأطعمة التي تتناولها يدويًا، وتقدير أحجام الحصص، والبحث عن المعلومات الغذائية، وهي عملية قد تستغرق وقتًا وتنطوي على هامش خطأ. وبفضل تقنيات الذكاء الاصطناعي والرؤية الحاسوبية، أصبحت متابعة التغذية أسهل من أي وقت مضى.

عندما تجلس لتناول الطعام، يمكنك التقاط صورة لوعائك أو طبقك، ثم تحلل نماذج الرؤية الحاسوبية الصورة للتعرّف على الأطعمة المختلفة. وبعد ذلك، يستطيع نظام الذكاء الاصطناعي تقدير أحجام الحصص وتقديم معلومات غذائية مفصلة. فعلى سبيل المثال، يمكن لأنظمة الرؤية الحاسوبية باستخدام اكتشاف الأجسام تحديد أصناف الطعام في طبقك بدقة.

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

يمكن بعد ذلك مطابقة أصناف الطعام التي جرى التعرّف عليها بقاعدة بيانات كبيرة للمعلومات الغذائية. وتساعد خوارزميات متقدمة، مثل تقدير العمق، في تقدير أحجام الحصص. وبعد التعرّف على الأطعمة وتقدير أحجام الحصص، يستطيع النظام حساب السعرات الحرارية والمغذيات الكبرى (مثل البروتينات والدهون والكربوهيدرات) والمغذيات الدقيقة (مثل الفيتامينات والمعادن)، لتزويدك بتحليل غذائي مفصل لوجبتك.

تطبيقات متابعة الوجبات المدعومة بالرؤية الحاسوبية#

تُعد تطبيقات الهواتف المحمولة من أكثر استخدامات الرؤية الحاسوبية شيوعًا في متابعة الوجبات. دعونا نلقي نظرة سريعة على بعض الخيارات المميزة لمتابعة الوجبات باستخدام الذكاء الاصطناعي.

SnapCalorie تطبيق يستخدم الرؤية الحاسوبية لتقدير السعرات الحرارية والمغذيات الكبرى من صورة. وقد دُرّب على 5,000 وجبة، ما يخفض أخطاء تقدير السعرات الحرارية إلى أقل من 20%، ويتفوق بذلك على معظم الناس. ويمكن تسجيل النتائج في مفكرة للطعام أو تصديرها إلى منصات اللياقة مثل Apple Health.

ومن الابتكارات اللافتة التي تدفع عجلة متابعة التغذية بالذكاء الاصطناعي LogMeal API. فهي تستخدم خوارزميات تعلّم عميق دُرّبت على مجموعات بيانات كبيرة من صور الأطعمة للكشف عن الأطعمة والتعرّف عليها بدقة. وتحقق نماذج LogMeal دقة تبلغ 93% في التعامل مع 1,300 طبق، كما تقدم تحليلًا غذائيًا مفصلًا، وتحدد المكونات، وتقدّر أحجام الحصص. ويمكن دمج LogMeal API بسهولة في التطبيقات لإنشاء حلول لمتابعة الوجبات للمطاعم، وأكشاك الطلب الذاتي، والشركات الناشئة في تقنيات الغذاء، ومقدمي الرعاية الصحية، وغيرهم من المستهلكين.

الشكل 3. تحديد المواد الغذائية باستخدام Logmeal.

استخدام الذكاء الاصطناعي لاقتراح الوصفات#

يمكن للذكاء الاصطناعي اقتراح وصفات صحية استنادًا إلى ما هو متاح في مطبخك. تستطيع تقنيات الرؤية الحاسوبية، مثل التقسيم، تحديد المكونات المختلفة في صورة لثلاجتك أو مخزنك. وبناءً على ذلك، يمكن لنموذج لغوي كبير (LLM)، مثل ChatGPT، اقتراح وصفات باستخدام الذكاء الاصطناعي التوليدي. وبما أنه يمكنك توجيه مطالبات إلى نموذج لغوي كبير، يمكنك أيضًا تحديد قيود غذائية مثل النظام النباتي أو الخالي من الغلوتين أو منخفض الكربوهيدرات، وسيختار نظام الذكاء الاصطناعي اقتراحات وصفات تلبي معاييرك.

الشكل 4. التعرّف على المكونات باستخدام الرؤية الحاسوبية.

يُعدّ «Sous Chef»، وهو إصدار مخصص من ChatGPT، مثالًا رائعًا على هذه التقنية. ويمكنه اقتراح وصفات بناءً على ما لديك. يمكنك إما إدخال المكونات في مطالبة أو تحميل صورة لما لديك في الثلاجة.

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

الشركات الناشئة التي تبتكر باستخدام الذكاء الاصطناعي في قطاع التغذية#

تجري أعمال كثيرة ومثيرة للاهتمام في قطاع الأغذية والتغذية باستخدام الذكاء الاصطناعي. فلنلقِ نظرة على بعض الشركات الناشئة التي تدمج الذكاء الاصطناعي في الأغذية التي نتناولها كل يوم.

تقدم Journey Foods، وهي شركة ناشئة مقرها الولايات المتحدة، معلومات استخباراتية عن المكونات لتطوير منتجات غذائية معبأة جديدة وإطلاقها. وتحلل منصتها لعلوم البيانات، JourneyAI، ملايين المكونات وبيانات سلاسل الإمداد للعثور على المكوّن المثالي لكل منتج. كما تجمع المنصة كميات هائلة من البيانات عن المواد الكيميائية والعناصر الغذائية وتخزنها لإنشاء أفضل تركيبات المنتجات الغذائية. وتتيح المنصة أيضًا لشركات تصنيع الأغذية المعبأة إدارة دورات حياة المنتجات بأكملها على نحو أفضل، من خلال اكتشاف الأغذية المعتمد على البيانات.

ومن الشركات الناشئة المبتكرة الأخرى في قطاع التغذية Viome. تستخدم Viome الذكاء الاصطناعي وتقنية تسلسل mRNA لتقديم توصيات مخصصة للتغذية والعافية. وتوفر اختبارات منزلية تحلل الميكروبيوم والتعبير الجيني لتقديم معلومات دقيقة عن صحة الفرد. وتساعد هذه المعلومات على تحديد الأسباب الكامنة وراء اختلال توازن الميكروبات والالتهابات. واستنادًا إلى هذه المعلومات، تصف Viome مكملات مصممة خصيصًا وتوصيات غذائية ملائمة للكيمياء الحيوية الفريدة لكل شخص. ومن خلال التركيز على الوقاية من الأمراض المزمنة ومعالجة المشكلات الصحية من جذورها، تتيح Viome إدارة صحية متقدمة ومخصصة للجميع.

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

موازنة سلبيات اختصاصيي التغذية بالذكاء الاصطناعي#

على الرغم من الفوائد العديدة التي توفرها أنظمة التغذية المعززة بالذكاء الاصطناعي، علينا أيضًا فهم بعض سلبياتها. ومن أبرز المشكلات 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.

وثمة 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 نصائح غير ملائمة لبعض الفئات. وثمة مشكلة أخرى تتمثل في خطر الاعتماد المفرط على التقنية. يمكن للذكاء الاصطناعي تقديم معلومات مفيدة، لكن ينبغي ألا يحل محل خبرة اختصاصيي التغذية ومقدمي الرعاية الصحية.

التأثير في القطاع الطبي#

من المتوقع أن تعيد أنظمة تتبع التغذية واختصاصيي التغذية المدعومة بالذكاء الاصطناعي تشكيل القطاع الطبي، وأن تغيّر أدوار اختصاصيي التغذية ومقدمي الرعاية الصحية. كما تمنح الجمهور خيارات أكثر للحصول على المشورة بشأن المدخول الغذائي. ولا يشعر نحو 40% من الأشخاص بأنهم بحاجة إلى استشارة طبيبهم قبل إضافة مكمل غذائي إلى روتينهم اليومي. ويسهّل الذكاء الاصطناعي الحصول على رأي خبير، كما قد يشجع الجمهور على طلب مزيد من الآراء قبل إجراء تغييرات على مدخولهم الغذائي.

من المرجح أن يؤدي التحول القائم على الذكاء الاصطناعي إلى تغيير جذري في كيفية التعامل مع التغذية وإدارة الأنظمة الغذائية. وتقول Alexandra Kaplan، اختصاصية التغذية في Core Nutrition في ويستشستر، نيويورك: «إذا كان الذكاء الاصطناعي دقيقًا، فقد يكون مفيدًا جدًا، لأنه سيساعدني على معرفة الكمية الدقيقة لما هو موجود في الطبق، ثم معرفة مكونات الطعام؛ وهذا قد يساعد المرضى على معرفة ما يأكلونه في تلك الوجبة».

بدلًا من أن يحل الذكاء الاصطناعي محل اختصاصيي التغذية، يمكن أن يكون أداة قوية تكمل خبراتهم. ويمكنه تقديم رؤى مستندة إلى البيانات تدعم اتخاذ القرارات السريرية، ما يساعد اختصاصيي التغذية على وضع خطط علاج أكثر فعالية. فعلى سبيل المثال، يستطيع الذكاء الاصطناعي تحديد الأنماط في العادات الغذائية للمريض التي تسهم في الإصابة بأمراض مزمنة، ما يتيح لاختصاصيي التغذية التدخل في وقت أبكر وبفاعلية أكبر.

خلاصة الذكاء الاصطناعي في التغذية#

يمكن للرؤية الحاسوبية والذكاء الاصطناعي تسهيل تتبع ما نأكله كثيرًا، بل ويمكنهما العمل كاختصاصي تغذية شخصي. ويمكن استخدام هاتين التقنيتين للمساعدة في تحسين صحة المرضى من خلال توفير مراقبة دقيقة وخطط غذائية مخصصة، مع خفض تكاليف الرعاية الصحية أيضًا بجعل معظم عمليات اختصاصيي التغذية المعقدة أكثر كفاءة. وعلى الرغم من بعض قيود الذكاء الاصطناعي، مثل مشكلات الدقة وافتقاره إلى اللمسة الإنسانية الشخصية، يمكن لابتكارات الذكاء الاصطناعي أن تكمل الخبرة البشرية وتعزز الرعاية التغذوية عمومًا. وقد لا نزال بعيدين عن أجهزة استنساخ الطعام في Star Trek، لكن الذكاء الاصطناعي يعيد تشكيل مستقبل التغذية.

فلنبتكر معًا! استكشف مستودع GitHub للاطلاع على إسهاماتنا في الذكاء الاصطناعي. واكتشف كيف نعيد تعريف قطاعات مثل التصنيع والرعاية الصحية باستخدام أحدث تقنيات الذكاء الاصطناعي. 🚀