Beslenmede yapay zeka: Bilgisayarlı görüyle sağlıklı beslenmeyi kolaylaştırma

Sağlıklı beslenmek ve formda kalmak, çoğumuzun ulaşmaya çalıştığı bir hedeftir. Bir ankete göre, insanların %70'i daha sağlıklı olmak istiyor ve bunların %50'si için daha sağlıklı beslenmek en önemli önceliklerden biri. Zaman zaman doktorların ve diyetisyenlerin tavsiyelerine başvurabiliriz. Ancak bu süreç zaman alabilir, randevular ve öğün takibi gerektirebilir. Özellikle öğün takibi yorucu olabilir ve hatalara açık olabilir.

Yapay zekâ ve bilgisayarlı görü, sağlıklı beslenmeyi daha kolay ve erişilebilir hâle getirebilir. Ne yediğini analiz etmene, beslenmeni takip etmene ve hatta sağlık hedeflerine göre tarifler önermene yardımcı olabilirler. Bu teknolojiler, alerjenleri belirleyerek beslenme kısıtlamaları olan kişilerin öğün planlamasını daha kolay ve güvenli hâle getirebilir. Bu makalede, bu teknolojilerin beslenme takibi ve tarif önerme gibi görevlerde nasıl kullanılabileceğine daha yakından bakacağız. Ayrıca beslenmede yapay zekânın sağlık hizmetleri sektörünü nasıl etkilediğini göreceğiz. Hadi başlayalım!

Şekil 1. Bir öğündeki kalori miktarını saymak için yapay zekâ kullanımı.

Beslenme takibi ve gıda analizinde bilgisayarlı görü#

Yetersiz veya dengesiz beslenme çeşitli sağlık sorunlarına yol açabilir. Araştırmacılar, belirli gıdaları ve besinleri gereğinden fazla ya da az tüketmenin kalp hastalığı ve felç riskini artırabileceğini ortaya koymuştur. Bu nedenle besin alımını takip etmek çok önemlidir. Geleneksel olarak besin alımını takip etmek; yediğin gıdaları manuel olarak kaydetmeyi, porsiyon boyutlarını tahmin etmeyi ve besin bilgilerini araştırmayı gerektirir. Bu süreç zaman alabilir ve hata payı içerebilir. Yapay zekâ ve bilgisayarlı görü teknolojileri sayesinde beslenme takibi artık her zamankinden daha kolay.

Yemek yemek için oturduğunda kâsenin veya tabağının fotoğrafını çekebilirsin; bilgisayarlı görü modelleri görüntüyü analiz ederek farklı gıdaları belirleyebilir. Ardından yapay zekâ sistemi porsiyon boyutlarını tahmin edebilir ve ayrıntılı besin bilgileri sunabilir. Örneğin, nesne algılama kullanılarak bilgisayarlı görü sistemleri tabağındaki gıda maddelerini doğru şekilde belirleyebilir.

Şekil 2. Çilekleri algılamak için Ultralytics YOLOv8 bilgisayarlı görü modelinin kullanımı.

Belirlenen bu gıda maddeleri daha sonra geniş bir besin bilgisi veritabanındaki kayıtlarla eşleştirilebilir. Derinlik tahmini gibi gelişmiş algoritmalar porsiyon boyutlarını tahmin etmeye yardımcı olabilir. Gıdalar belirlendikten ve porsiyon boyutları tahmin edildikten sonra sistem, öğününün ayrıntılı bir besin dökümünü sunmak için kalorileri, makro besinleri (proteinler, yağlar ve karbonhidratlar gibi) ve mikro besinleri (vitaminler ve mineraller gibi) hesaplayabilir.

Bilgisayarlı görü destekli öğün takip uygulamaları#

Bilgisayarlı görünün öğün takibindeki en popüler uygulamalarından biri mobil uygulamalardır. Heyecan verici birkaç yapay zekâ destekli öğün takip seçeneğine kısaca göz atalım.

SnapCalorie, bir fotoğraftan kalori içeriğini ve makro besinleri tahmin etmek için bilgisayarlı görü kullanan bir uygulamadır. 5.000 öğünle eğitilen uygulama, kalori tahmini hatalarını %20'nin altına indirir ve çoğu insandan daha iyi performans gösterir. Sonuçlar bir gıda günlüğüne kaydedilebilir veya Apple Health gibi fitness platformlarına aktarılabilir.

Beslenme takibinde yapay zekâyı ileriye taşıyan bir diğer ilgi çekici yenilik ise LogMeal API'dir. Büyük veri kümeleri üzerinde eğitilmiş derin öğrenme algoritmalarını kullanarak gıdaları doğru şekilde algılar ve tanır. LogMeal modelleri 1.300 yemek genelinde %93 doğruluğa ulaşır; ayrıntılı besin analizi, bileşen algılama ve porsiyon boyutu tahmini sunar. LogMeal API; restoranlar, self-servis kiosklar, gıda teknolojisi girişimleri, sağlık hizmeti sağlayıcıları ve diğer tüketiciler için öğün takip çözümleri oluşturmak üzere uygulamalara kolayca entegre edilebilir.

Şekil 3. Logmeal kullanarak gıda maddelerini belirleme.

Tarif önermek için yapay zekâ kullanımı#

Yapay zekâ, mutfağında bulunan malzemelere göre sağlıklı tarifler önerebilir. Segmentasyon gibi bilgisayarlı görü teknikleri, buzdolabının veya kilerinin görüntüsündeki farklı malzemeleri belirleyebilir. Buna dayanarak ChatGPT gibi bir büyük dil modeli (LLM), üretken yapay zekâ kullanarak tarifler önerebilir. Bir LLM'ye istem verebildiğin için vegan, glütensiz veya düşük karbonhidratlı beslenme gibi kısıtlamaları da belirtebilirsin; yapay zekâ sistemi, kriterlerini karşılayan tarif önerileri oluşturur.

Şekil 4. Bilgisayarlı görü kullanarak malzemeleri tanıma.

ChatGPT'nin özelleştirilmiş bir sürümü olan "Sous Chef", bu teknolojiye harika bir örnektir. Elinde bulunan malzemelere göre tarifler önerebilir. Malzemeleri istem olarak girebilir veya buzdolabında bulunanların fotoğrafını yükleyebilirsin.

Böyle bir sisteme gerçekten ihtiyacımız var mı diye düşünüyor olabilirsin. Yapay zekâ tarif öneri sistemleri, mevcut malzemeleri verimli kullanarak gıda israfını azaltmak ve gurme yemeklerle öğün çeşitliliğini artırmak gibi birçok fayda sunar. Ayrıca dengeli beslenmeni korumana da yardımcı olabilirler. Örneğin, bir yapay zekâ tarif oluşturucunun önerdiği kişiselleştirilmiş öğün planları fitness hedeflerine ulaşmana yardımcı olabilir. Bu sistemler yemek yapmayı çok daha eğlenceli ve yaratıcı hâle de getirebilir.

Beslenme sektöründe yapay zekâyla yenilik yapan girişimler#

Gıda ve beslenme sektöründe yapay zekâyla ilgili pek çok ilgi çekici çalışma yürütülüyor. Yapay zekâyı her gün tükettiğimiz gıdalara entegre eden bazı girişimlere göz atalım.

ABD merkezli bir girişim olan Journey Foods, yeni paketlenmiş gıda ürünleri geliştirmek ve piyasaya sunmak için bileşen zekâsı sağlar. Veri bilimi platformu JourneyAI, her ürün için ideal bileşeni bulmak üzere milyonlarca bileşeni ve tedarik zinciri verisini analiz eder. En iyi gıda ürünü formülasyonlarını oluşturmak için kimyasallar ve besinler hakkındaki büyük miktardaki veriyi toplar ve depolar. Platform ayrıca paketlenmiş gıda üreticilerinin veriye dayalı gıda keşfi yoluyla tüm ürün yaşam döngülerini daha iyi yönetmesini sağlar.

Beslenme sektöründeki bir diğer yenilikçi girişim Viome'dur. Viome, kişiselleştirilmiş beslenme ve sağlıklı yaşam önerileri sunmak için yapay zekâ ve mRNA dizileme teknolojisini kullanır. Mikrobiyomu ve gen ifadesini analiz ederek kişinin sağlığı hakkında kesin bilgiler sunan evde uygulanabilir testler sağlar. Bu bilgiler, mikrobiyal dengesizliklerin ve iltihabın altında yatan nedenleri belirlemeye yardımcı olur. Viome, bu bilgilere dayanarak her kişinin kendine özgü biyokimyasına uygun özel takviyeler ve beslenme önerileri sunar. Viome, kronik hastalıkları önlemeye ve temel sağlık sorunlarını ele almaya odaklanarak gelişmiş sağlık yönetimini erişilebilir ve kişiselleştirilmiş hâle getirir.

Şekil 5. Yapay zekâ ve genom dizilemeye dayalı gıda önerileri.

Yapay zekâ diyetisyenlerin dezavantajlarını değerlendirmek#

Yapay zekâyla geliştirilmiş beslenme sistemleri birçok fayda sunsa da bazı dezavantajlarını da anlamamız gerekir. Önemli sorunlardan biri veri gizliliği ve güvenliğidir. Bu sistemlerin hassas kişisel sağlık ve beslenme bilgilerine erişmesi gerekir. Bu veriler iyi korunmazsa kötüye kullanılabilir veya çalınabilir.

Ayrıca yapay zekâ algoritmalarındaki önyargılar da endişe kaynağıdır. Eğitim verileri yeterince çeşitli değilse öneriler herkes için doğru olmayabilir ve bu durum belirli insan gruplarına uygun olmayan tavsiyelere yol açabilir. Bir diğer sorun ise teknolojiye aşırı bağımlı hâle gelme riskidir. Yapay zekâ yararlı bilgiler sunabilir, ancak insan beslenme uzmanlarının ve sağlık hizmeti sağlayıcılarının uzmanlığının yerini almamalıdır.

Tıp sektöründeki etkisi#

Yapay zekâ destekli beslenme takibi ve diyetisyen sistemleri, insan diyetisyenlerin ve sağlık profesyonellerinin rollerini değiştirerek tıp sektörünü yeniden şekillendirmeye hazırlanıyor. Ayrıca halka, besin alımı konusunda tavsiye alma seçenekleri sunuyorlar. İnsanların yaklaşık %40'ı, günlük rutinlerine bir takviye eklemeden önce doktorlarıyla konuşmaları gerektiğini düşünmüyor. Yapay zekâ, uzman görüşü almayı kolaylaştırabilir ve beslenme alışkanlıklarında değişiklik yapmadan önce halkı daha fazla görüş almaya teşvik edebilir.

Yapay zekâ dönüşümünün beslenme ve diyet yönetiminin ele alınış biçimini kökten değiştirmesi muhtemeldir. New York, Westchester'da bulunan Core Nutrition'da diyetisyen-beslenme uzmanı olan Alexandra Kaplan şöyle diyor: "Doğru olduğunu varsayarsak (yapay zekâ), çok yararlı olabilir; çünkü tabaktaki şeyin tam porsiyonunu ve ardından yemeğin içeriğini bilmemi sağlar. Böylece hastaların o öğünde ne yediklerini bilmelerine yardımcı olabilir."

Yapay zekâ, insan diyetisyenlerin yerini almak yerine onların uzmanlığını tamamlayan güçlü bir araç olarak hizmet edebilir. Yapay zekâ, diyetisyenlerin daha etkili tedavi planları geliştirmesine yardımcı olan ve klinik karar alma süreçlerini destekleyebilecek veriye dayalı bilgiler sağlayabilir. Örneğin yapay zekâ, bir hastanın beslenme alışkanlıklarında kronik hastalıklara katkıda bulunan örüntüleri belirleyerek diyetisyenlerin daha erken ve etkili müdahale etmesini sağlayabilir.

Beslenmede yapay zekâ hakkında kısa özet#

Bilgisayarlı görü ve yapay zekâ, ne yediğini takip etmeyi çok daha kolay hâle getirebilir ve hatta kişisel diyetisyenin olabilir. Bu teknolojiler, doğru izleme ve kişiye özel diyet planları sunarak hastaların sağlık durumunu iyileştirmeye yardımcı olurken, diyetisyenlik süreçlerinin çoğunu daha verimli hâle getirerek sağlık hizmetleri maliyetlerini de düşürebilir. Yapay zekânın doğruluk sorunları ve kişisel insan dokunuşunun eksikliği gibi bazı sınırlamaları olsa da yapay zekâ yenilikleri insan uzmanlığını tamamlayabilir ve genel beslenme hizmetlerinin kalitesini artırabilir. Star Trek'teki gıda çoğaltıcılara ulaşmamıza hâlâ çok zaman olabilir, ancak beslenmede yapay zekâ geleceği yeniden şekillendiriyor.

Birlikte yenilik yapalım! Yapay zekâya katkılarımızı görmek için GitHub depomuzu keşfet. En yeni yapay zekâ teknolojileriyle üretim ve sağlık gibi sektörleri nasıl yeniden tanımladığımızı öğren. 🚀