الذكاء الاصطناعي في التغذية: تبسيط الأكل الصحي بالرؤية الحاسوبية

يعتبر تناول الطعام الصحي والبقاء في لياقة بدنية هدفاً يسعى الكثير منا لتحقيقه. وفقاً لأحد استطلاعات الرأي، فإن 70% من الناس يرغبون في أن يكونوا أكثر صحة، وبالنسبة لـ 50% منهم، يُعد تناول الطعام الصحي أولوية قصوى. في بعض الأحيان، قد نعتمد على نصائح الأطباء وأخصائيي التغذية. ومع ذلك، قد يستغرق هذا وقتاً طويلاً ويتطلب مواعيد وتتبعاً للوجبات. يمكن أن يكون تتبع الوجبات، على وجه الخصوص، مرهقاً وعرضة للأخطاء.

يمكن للذكاء الاصطناعي وcomputer vision أن يجعلا تناول الطعام الصحي أسهل وأكثر سهولة في الوصول إليه. فهي تساعد في تحليل ما تأكله، وتتبع تغذيتك، وحتى اقتراح وصفات بناءً على أهدافك الصحية. يمكن أن تساعد هذه التقنيات أيضاً في تحديد مسببات الحساسية لجعل تخطيط الوجبات أسهل وأكثر أماناً للأشخاص الذين يعانون من قيود غذائية. في هذه المقالة، سنلقي نظرة عن كثب على كيف يمكن استخدام هذه التقنيات لمهام مثل تتبع التغذية واقراح الوصفات. سنرى أيضاً كيف يؤثر الذكاء الاصطناعي في التغذية على قطاع healthcare. لنبدأ!

Fig 1. استخدام الذكاء الاصطناعي لحساب عدد السعرات الحرارية في الوجبة.

الرؤية الحاسوبية في تتبع التغذية وتحليل الطعام#

يمكن أن تنشأ مضاعفات صحية مختلفة بسبب سوء التغذية. وقد وجد الباحثون أن استهلاك الكثير أو القليل جداً من أطعمة وعناصر غذائية معينة يمكن أن يزيد من خطر الإصابة بأمراض القلب والسكتة الدماغية. ولهذا السبب، من المهم جداً تتبع مدخولك الغذائي. تقليدياً، يتضمن تتبع المدخول الغذائي تسجيل الأطعمة التي تتناولها يدوياً، وتقدير أحجام الحصص، والبحث عن المعلومات الغذائية، وهو ما قد يستغرق وقتاً طويلاً وينطوي على هامش للخطأ. ومع تقنيات الذكاء الاصطناعي والرؤية الحاسوبية، أصبح تتبع التغذية الآن أسهل من أي وقت مضى.

عندما تجلس لتناول الطعام، يمكنك التقاط صورة لوعائك أو طبقك، ويمكن لـ computer vision models تحليل الصورة لتحديد الأطعمة المختلفة. يمكن بعد ذلك لنظام الذكاء الاصطناعي تقدير أحجام الحصص وتقديم معلومات غذائية مفصلة. على سبيل المثال، باستخدام object detection، يمكن لنظمة computer vision تحديد عناصر الطعام بدقة على طبقك.

Fig 2. استخدام نموذج computer vision المسمى Ultralytics YOLOv8 لاكتشاف الفراولة.

يمكن بعد ذلك مطابقة العناصر الغذائية المحددة مع قاعدة بيانات كبيرة من المعلومات الغذائية. يمكن للخوارزميات المتقدمة مثل تقدير العمق المساعدة في تقدير أحجام الحصص. بمجرد تحديد الأطعمة وتقدير أحجام الحصص، يمكن للنظام حساب السعرات الحرارية، والمغذيات الكبيرة (مثل البروتينات والدهون والكربوهيدرات)، والمغذيات الدقيقة (مثل الفيتامينات والمعادن)، لتعطيك تحليلاً غذائياً مفصلاً لوجبتك.

تطبيقات تتبع الوجبات المدعومة بالرؤية الحاسوبية#

أحد أكثر تطبيقات الرؤية الحاسوبية شيوعاً في تتبع الوجبات هو من خلال تطبيقات الهاتف المحمول. دعونا نلقي نظرة سريعة على بعض خيارات تتبع الوجبات المثيرة التي تعمل بالذكاء الاصطناعي.

SnapCalorie هو تطبيق يستخدم computer vision لتقدير محتوى السعرات الحرارية والمغذيات الكبرى من صورة واحدة. تم تدريبه على 5,000 وجبة، وهو يقلل أخطاء تقدير السعرات الحرارية إلى أقل من 20% ويتفوق على معظم البشر. يمكن تسجيل النتائج في سجل طعام أو تصديرها إلى منصات اللياقة البدنية مثل Apple Health.

وبالمثل، فإن الابتكار المثير للاهتمام الذي يدفع تتبع التغذية بالذكاء الاصطناعي هو LogMeal API. فهو يستخدم خوارزميات التعلم العميق التي تم تدريبها على datasets كبيرة من صور الطعام لاكتشاف الأطعمة والتعرف عليها بدقة. تحقق نماذج LogMeal دقة بنسبة 93% عبر 1,300 طبق وتوفر تحليلاً غذائياً مفصلاً، واكتشاف المكونات، وتقدير حجم الحصص. يمكن دمج LogMeal API بسهولة في التطبيقات لإنشاء حلول تتبع وجبات للمطاعم، وأكشاك الطلب الذاتي، والشركات الناشئة في مجال تكنولوجيا الغذاء، ومقدمي الرعاية الصحية healthcare providers، وغيرهم من المستهلكين.

الشكل 3. تحديد العناصر الغذائية باستخدام Logmeal.

استخدام الذكاء الاصطناعي لاقتراح الوصفات#

يمكن للذكاء الاصطناعي اقتراح وصفات صحية بناءً على ما هو متاح لديك في مطبخك. يمكن لتقنيات computer vision مثل segmentation تحديد المكونات المختلفة في صورة لثلاجتك أو خزانة مؤونتك. بناءً على ذلك، يمكن لنموذج لغوي كبير (LLM) مثل ChatGPT اقتراح وصفات باستخدام generative AI. نظراً لأنه يمكنك توجيه LLM، يمكنك أيضاً تحديد قيود غذائية مثل النباتيين، أو الخاليين من الجلوتين، أو منخفضة الكربوهيدرات، وسيقوم نظام الذكاء الاصطناعي بتنسيق اقتراحات الوصفات لتلبية معاييرك.

Fig 4. التعرف على المكونات باستخدام computer vision.

"Sous Chef"، وهي نسخة مخصصة من ChatGPT، مثال رائع لهذه التقنية. يمكنه اقتراح وصفات بناءً على ما لديك. يمكنك إما إدخال المكونات أو تحميل صورة لما لديك في ثلاجتك.

قد تتساءل، هل نحتاج حقاً إلى مثل هذا النظام؟ توفر أنظمة اقتراح الوصفات المعتمدة على الذكاء الاصطناعي العديد من الفوائد مثل تقليل هدر الطعام من خلال الاستفادة الجيدة من المكونات المتاحة وزيادة تنوع الوجبات بأطباق الذواقة. يمكنهم أيضاً مساعدتك في الحفاظ على نظام غذائي متوازن. على سبيل المثال، يمكن لخطط الوجبات الشخصية التي يقترحها مولد وصفات الذكاء الاصطناعي أن تساعدك على تحقيق أهداف اللياقة البدنية. يمكن لهذه الأنظمة أيضاً جعل الطهي أكثر متعة وإبداعاً.

الشركات الناشئة التي تبتكر باستخدام الذكاء الاصطناعي في صناعة التغذية#

هناك الكثير من العمل الرائع الذي يتم إنجازه في صناعة الغذاء والتغذية فيما يتعلق بالذكاء الاصطناعي. دعونا نلقي نظرة على بعض الشركات الناشئة التي تدمج الذكاء الاصطناعي في الطعام الذي نتناوله كل يوم.

Journey Foods، وهي شركة ناشئة مقرها الولايات المتحدة، توفر معلومات استخباراتية عن المكونات لتطوير وإطلاق منتجات غذائية معبأة جديدة. تقوم منصة علوم البيانات الخاصة بهم، JourneyAI، بتحليل ملايين المكونات وبيانات سلسلة التوريد لإيجاد المكون المثالي لكل منتج. وهي تجمع وتخزن كميات هائلة من البيانات عن المواد الكيميائية والمغذيات لإنشاء أفضل تركيبة للمنتجات الغذائية. تتيح المنصة أيضاً لشركات تصنيع الأغذية المعبأة إدارة product life cycles بأكملها بشكل أفضل من خلال اكتشاف الأغذية المدفوع بالبيانات.

شركة ناشئة أخرى مبتكرة في صناعة التغذية هي Viome. تستخدم Viome الذكاء الاصطناعي وتكنولوجيا تسلسل الحمض النووي الريبي (mRNA) لتقديم توصيات مخصصة للتغذية والعافية. وهي توفر اختبارات منزلية تحلل الميكروبيوم والتعبير الجيني لتوفير رؤى دقيقة حول صحة الفرد. تساعد هذه الرؤى في تحديد الأسباب الكامنة وراء الاختلالات الميكروبية والالتهابات. بناءً على هذه المعلومات، تصف Viome مكملات مصممة خصيصاً وتوصيات غذائية مصممة خصيصاً لكل كيمياء حيوية فريدة لشخص ما. من خلال التركيز على منع الأمراض المزمنة ومعالجة المشاكل الصحية الجذرية، تجعل Viome إدارة الصحة المتقدمة متاحة ومخصصة.

Fig 5. التوصيات الغذائية بناءً على الذكاء الاصطناعي وتسلسل الجينوم.

وزن عيوب أخصائيي التغذية بالذكاء الاصطناعي#

في حين أن الأنظمة الغذائية المعززة بالذكاء الاصطناعي توفر العديد من الفوائد، نحتاج أيضاً إلى فهم بعض عيوبها. إحدى المشكلات الرئيسية هي خصوصية البيانات وأمنها. تحتاج هذه الأنظمة إلى الوصول إلى معلومات صحية وغذائية شخصية حساسة. إذا لم تكن هذه البيانات محمية بشكل جيد، فقد يتم إساءة استخدامها أو سرقتها.

هناك أيضاً مخاوف بشأن bias in AI algorithms. إذا لم تكن بيانات التدريب متنوعة بدرجة كافية، فقد لا تكون التوصيات دقيقة للجميع، مما قد يؤدي إلى نصائح سيئة لمجموعات معينة من الناس. مشكلة أخرى هي خطر الاعتماد المفرط على التكنولوجيا. يمكن للذكاء الاصطناعي تقديم رؤى مفيدة، لكن يجب ألا يحل محل خبرة أخصائيي التغذية البشر ومقدمي الرعاية الصحية.

التأثير على القطاع الطبي#

من المقرر أن يعيد تتبع التغذية المدعوم بالذكاء الاصطناعي وأنظمة أخصائيي التغذية تشكيل الصناعة الطبية، وتغيير أدوار أخصائيي التغذية البشر ومحترفي healthcare. كما أنها تمنح الجمهور المزيد من الخيارات عندما يتعلق الأمر بالحصول على المشورة بشأن المدخول الغذائي. حوالي 40% من الناس لا يشعرون بالحاجة إلى التحدث مع طبيبهم قبل إضافة مكمل غذائي إلى روتينهم اليومي. يسهل الذكاء الاصطناعي الحصول على رأي خبير ويمكن أن يشجع الجمهور على الحصول على المزيد من المدخلات قبل إجراء تغييرات على مدخولهم الغذائي.

من المرجح أن يؤدي تحول الذكاء الاصطناعي إلى تغيير جذري في كيفية التعامل مع التغذية والإدارة الغذائية. تقول Alexandra Kaplan، أخصائية التغذية في Core Nutrition ومقرها ويستشستر، نيويورك: "بافتراض أنها دقيقة (الذكاء الاصطناعي)، فقد تكون مفيدة للغاية لأنها ستساعدني في معرفة الحصة الدقيقة لما هو موجود على الطبق ثم ما هو موجود في الطعام، لذا يمكن أن تكون مفيدة للمرضى لمعرفة ما يأكلونه في تلك الوجبة."

بدلاً من استبدال أخصائيي التغذية البشريين، يمكن للذكاء الاصطناعي أن يكون أداة قوية تكمل خبرتهم. يمكن للذكاء الاصطناعي تقديم رؤى قائمة على البيانات يمكن أن تدعم اتخاذ القرارات السريرية مما يساعد أخصائيي التغذية على تطوير خطط علاج أكثر فعالية. على سبيل المثال، يمكن للذكاء الاصطناعي تحديد الأنماط في العادات الغذائية للمريض التي تساهم في الأمراض المزمنة، والسماح لأخصائيي التغذية بالتدخل في وقت أبكر وبشكل أكثر فعالية.

ملخص حول الذكاء الاصطناعي في التغذية#

يمكن للرؤية الحاسوبية والذكاء الاصطناعي أن يجعلا تتبع ما نأكله أسهل بكثير، ويمكنهما حتى أن يكونا أخصائي التغذية الشخصي الخاص بك. يمكن استخدام هذه التقنيات للمساعدة في تحسين صحة المرضى من خلال توفير مراقبة دقيقة وخطط غذائية مخصصة، مع خفض تكاليف الرعاية الصحية أيضاً من خلال جعل معظم عمليات أخصائيي التغذية المعقدة أكثر كفاءة. على الرغم من أن الذكاء الاصطناعي لديه بعض القيود، مثل مشاكل الدقة ونقص اللمسة البشرية الشخصية، إلا أن ابتكارات الذكاء الاصطناعي يمكن أن تكمل الخبرة البشرية وتعزز الرعاية الغذائية الشاملة. قد لا نزال بعيدين كل البعد عن أجهزة محاكاة الطعام في Star Trek، لكن الذكاء الاصطناعي في التغذية يعيد تشكيل المستقبل.

لنبتكر معاً! استكشف مستودع GitHub repository الخاص بنا لرؤية مساهماتنا في الذكاء الاصطناعي. اكتشف كيف نعيد تعريف صناعات مثل manufacturing و healthcare بتكنولوجيا الذكاء الاصطناعي المتطورة. 🚀