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 أن يسهّلا تناول الطعام الصحي ويجعلاه في متناول الجميع. فهما يساعدان على تحليل ما تأكله وتتبع عناصر غذائك، بل واقتراح وصفات تناسب أهدافك الصحية. كما يمكن لهذه التقنيات المساعدة على تحديد مسببات الحساسية لتسهيل تخطيط الوجبات وجعله أكثر أمانًا لمن لديهم قيود غذائية. في هذه المقالة، سنتناول عن كثب كيفية استخدام هذه التقنيات في مهام مثل تتبّع التغذية واقتراح الوصفات. كما سنستعرض أثر الذكاء الاصطناعي في التغذية على قطاع الرعاية الصحية.

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

الرؤية الحاسوبية في متابعة التغذية وتحليل الطعام#

قد تنجم مضاعفات صحية متنوعة عن عدم تناول المغذيات على نحو سليم. وقد وجد الباحثون أن الإفراط أو التفريط في تناول أطعمة ومغذيات معينة يمكن أن يزيد خطر الإصابة بأمراض القلب والسكتة الدماغية. لذلك من المهم جدًا تتبّع ما تتناوله من مغذيات. وتقليديًا، يتطلب تتبّع المدخول الغذائي تسجيل الأطعمة التي تتناولها يدويًا وتقدير أحجام الحصص والبحث عن معلوماتها الغذائية، وهي عملية قد تستغرق وقتًا طويلًا وتنطوي على هامش خطأ. لكن تقنيات الذكاء الاصطناعي والرؤية الحاسوبية تجعل تتبّع التغذية أسهل بكثير.

عندما تجلس لتناول الطعام، يمكنك التقاط صورة لوعائك أو طبقك، ثم تحلل نماذج الرؤية الحاسوبية الصورة لتحديد الأطعمة المختلفة. وبعد ذلك يستطيع نظام الذكاء الاصطناعي تقدير أحجام الحصص وتقديم معلومات غذائية مفصلة. فعلى سبيل المثال، يمكن لأنظمة الرؤية الحاسوبية تحديد الأطعمة الموجودة في طبقك بدقة باستخدام اكتشاف الكائنات. وتتيح مجموعات البيانات العامة مثل Food Recognition 2022 تدريب مثل هذه النماذج.

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

يمكن بعد ذلك مطابقة الأطعمة التي جرى تحديدها مع قاعدة بيانات كبيرة للمعلومات الغذائية. وتساعد خوارزميات متقدمة مثل تقدير العمق على تقدير أحجام الحصص. وبعد تحديد الأطعمة وتقدير أحجام الحصص، يستطيع النظام حساب السعرات الحرارية والمغذيات الكبرى (مثل البروتينات والدهون والكربوهيدرات) والمغذيات الدقيقة (مثل الفيتامينات والمعادن)، لتقديم تحليل غذائي مفصل لوجبتك.

تطبيقات متابعة الوجبات المدعومة بالرؤية الحاسوبية#

تُعد تطبيقات الهواتف المحمولة من أكثر استخدامات الرؤية الحاسوبية شيوعًا في تتبّع الوجبات. لنلقِ نظرة سريعة على بعض خيارات تتبّع الوجبات المدعومة بالذكاء 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 نحو تتبّع التغذية بالذكاء الاصطناعي واجهة LogMeal البرمجية (API). تستخدم هذه الواجهة خوارزميات التعلم العميق المدربة على مجموعات بيانات كبيرة من صور الأطعمة لاكتشاف الأطعمة والتعرّف عليها بدقة. وتحقق نماذج LogMeal دقة تبلغ 93% عبر 1,300 طبق، وتقدم تحليلًا غذائيًا مفصلًا واكتشافًا للمكونات وتقديرًا لأحجام الحصص. ويمكن دمج واجهة LogMeal البرمجية بسهولة في التطبيقات لإنشاء حلول لتتبّع الوجبات للمطاعم وأكشاك الطلب الذاتي والشركات الناشئة في تقنيات الأغذية ومقدمي الرعاية الصحية وغيرهم.

الشكل 3. تحديد الأطعمة باستخدام LogMeal.

استخدام الذكاء الاصطناعي لاقتراح الوصفات#

يمكن للذكاء الاصطناعي اقتراح وصفات صحية بناءً على ما يتوفر في مطبخك. وتستطيع تقنيات الرؤية الحاسوبية مثل التجزئة 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 طلب إلى نموذج LLM، يمكنك أيضًا تحديد قيود غذائية مثل النظام النباتي أو الخالي من الغلوتين أو المنخفض الكربوهيدرات، ليختار نظام الذكاء الاصطناعي وصفات تلبي معاييرك.

الشكل 4. التعرّف على المكونات باستخدام الرؤية الحاسوبية.

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

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#

يجري الكثير من العمل المثير للاهتمام في مجال الذكاء الاصطناعي ضمن قطاع الأغذية والتغذية. لنلقِ نظرة على بعض الشركات الناشئة التي تدمج الذكاء الاصطناعي في الأغذية التي نتناولها يوميًا.

تقدم Journey Foods، وهي شركة ناشئة مقرها الولايات المتحدة، معلومات ذكية عن المكونات لتطوير منتجات غذائية معبأة جديدة وإطلاقها. وتحلل منصتها لعلوم البيانات JourneyAI ملايين المكونات وبيانات سلاسل الإمداد للعثور على المكوّن الأمثل لكل منتج. كما تجمع كميات هائلة من البيانات عن المواد الكيميائية والمغذيات وتخزنها لإعداد أفضل تركيبات المنتجات الغذائية. وتمكّن المنصة أيضًا شركات تصنيع الأغذية المعبأة من إدارة دورات حياة المنتجات بالكامل على نحو أفضل، من خلال اكتشاف الأغذية القائم 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.

يمكن للذكاء الاصطناعي أن يغيّر جذريًا طريقة التعامل مع التغذية وإدارة الأنظمة الغذائية. تقول ألكسندرا كابلان، اختصاصية التغذية في Core Nutrition ومقرها ويستتشستر، نيويورك: «بافتراض أن الذكاء الاصطناعي دقيق، فقد يكون مفيدًا جدًا؛ لأنه سيساعدني على معرفة الكمية الدقيقة مما يوجد في الطبق، ثم معرفة مكونات الطعام، وبالتالي يمكن أن يساعد المرضى على معرفة ما يأكلونه في تلك الوجبة».

بدلًا من استبدال اختصاصيي التغذية، يمكن للذكاء الاصطناعي أن يكون أداة قوية تكمل خبراتهم. ويمكنه توفير رؤى قائمة على البيانات تدعم اتخاذ القرارات السريرية، ما يساعد اختصاصيي التغذية على وضع خطط علاجية أكثر فاعلية. فعلى سبيل المثال، يمكن للذكاء الاصطناعي تحديد أنماط العادات الغذائية لدى المريض التي تسهم في الإصابة بالأمراض المزمنة، وتمكين اختصاصيي التغذية من التدخل مبكرًا 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.

لنبتكر معًا! استكشفوا مستودعنا على GitHub للاطلاع على إسهاماتنا في الذكاء الاصطناعي. واكتشفوا كيف نطبّق الذكاء الاصطناعي في قطاعات مثل التصنيع والرعاية الصحية.