Beslenmede yapay zekâ: Bilgisayarlı görüyle sağlıklı beslenmeyi kolaylaştırmak

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. Bazen doktorların ve diyetisyenlerin tavsiyelerine başvurabiliriz. Ancak bu zaman alabilir; randevular ve öğün takibi gerektirebilir. Özellikle öğünleri takip etmek sıkıcı olabilir ve hatalara yol açabilir.

Yapay zekâ ve bilgisayarlı görü, sağlıklı beslenmeyi daha kolay ve erişilebilir hâle getirebilir. Ne yediğini analiz etmeye, besin alımını takip etmeye ve hatta sağlık hedeflerine göre tarifler önermeye yardımcı olabilirler. Bu teknolojiler ayrıca alerjenleri belirleyerek beslenme kısıtlamaları olan kişiler için yemek planlamayı kolaylaştırıp daha güvenli hâle getirebilir. Bu makalede, bu teknolojilerin besin takibi ve tarif önerme gibi görevlerde nasıl kullanılabileceğini yakından inceleyeceğiz. Ayrıca beslenme alanındaki yapay zekânın sağlık hizmetleri sektörünü nasıl etkilediğini göreceğiz.

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

Besin takibi ve gıda analizinde bilgisayarlı görü#

Yetersiz veya dengesiz besin alımından çeşitli sağlık sorunları kaynaklanabilir. Araştırmacılar, belirli yiyecek ve besin maddelerini gereğinden fazla ya da az tüketmenin kalp hastalığı ve felç riskini artırabileceğini ortaya koydu. Bu nedenle besin alımını takip etmek çok önemlidir. Geleneksel yöntemlerde yenilen yiyecekleri elle kaydetmek, porsiyon miktarlarını tahmin etmek ve besin değerlerini araştırmak gerekir; bu da zaman alabilir ve hata payı doğurabilir. Yapay zekâ ve bilgisayarlı görü teknolojileri sayesinde besin takibi çok daha kolay hâle geliyor.

Yemek yemek için oturduğunda kasenin veya tabağının fotoğrafını çekebilirsin; ardından bilgisayarlı görü modelleri görüntüyü analiz ederek farklı yiyecekleri belirleyebilir. Yapay zekâ sistemi daha sonra porsiyon miktarlarını tahmin edip ayrıntılı besin bilgileri sunabilir. Örneğin, bilgisayarlı görü sistemleri nesne algılama kullanarak tabağındaki yiyecekleri doğru biçimde belirleyebilir. Food Recognition 2022 gibi herkese açık veri kümeleri, bu tür modellerin eğitilmesini mümkün kılıyor.

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

Belirlenen bu yiyecekler daha sonra geniş bir besin bilgisi veri tabanıyla eşleştirilebilir. Derinlik tahmini gibi gelişmiş algoritmalar porsiyon miktarlarını tahmin etmeye yardımcı olabilir. Yiyecekler belirlendikten ve porsiyon miktarları tahmin edildikten sonra sistem, öğününün ayrıntılı bir besin dökümünü sunmak için kalori miktarını, makro besinleri (protein, yağ ve karbonhidrat gibi) ve mikro besinleri (vitamin ve mineraller gibi) hesaplayabilir.

Bilgisayarlı görüyle desteklenen öğün takip uygulamaları#

Yemek takibinde bilgisayarlı görünün en yaygın uygulamalarından biri mobil uygulamalardır. Yapay zekâ destekli birkaç yemek takip seçeneğine kısaca göz atalım.

SnapCalorie, bir fotoğraftaki kalori miktarını ve makro besinleri tahmin etmek için bilgisayarlı görü kullanan bir uygulamadır. 5.000 öğünle eğitilen uygulama, kalori tahminlerindeki hata oranını %20'nin altına indiriyor ve çoğu insandan daha iyi performans gösteriyor. Sonuçlar bir yemek günlüğüne kaydedilebilir veya Apple Health gibi fitness platformlarına aktarılabilir.

Benzer şekilde, yapay zekâ destekli besin takibini geliştiren ilgi çekici yeniliklerden biri de LogMeal API. Yiyecekleri doğru biçimde algılayıp tanımak için büyük yiyecek görüntüsü veri kümeleriyle eğitilmiş derin öğrenme algoritmaları kullanır. LogMeal modelleri 1.300 yemekte yüzde 93 doğruluk sağlıyor; ayrıca ayrıntılı besin analizi, malzeme algılama ve porsiyon miktarı tahmini sunuyor. LogMeal API; restoranlar, self-servis sipariş kioskları, gıda teknolojisi girişimleri, sağlık hizmeti sağlayıcıları ve diğer kullanıcılar için yemek takip çözümleri oluşturmak üzere uygulamalara kolayca entegre edilebilir.

Şekil 3. LogMeal Kullanarak Yiyecekleri 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 de ölçütlerine uygun tarif önerileri derler.

Şekil 4. Bilgisayarlı görü kullanarak malzemeleri tanıma.

ChatGPT'nin özelleştirilmiş bir sürümü olan "Sous Chef" bu teknolojinin bir örneğidir. Elindeki malzemelere göre tarifler önerebilir. Malzemeleri istem olarak yazabilir veya buzdolabında bulunanların görüntüsünü yükleyebilirsin.

Böyle bir sisteme gerçekten ihtiyacımız olup olmadığını merak ediyor olabilirsin. Yapay zekâ destekli tarif öneri sistemleri, mevcut malzemeleri iyi değerlendirerek gıda israfını azaltmak ve gurme yemeklerle öğün çeşitliliğini artırmak gibi birçok fayda sağlar. Dengeli beslenmene de yardımcı olabilir. Örneğin, yapay zekâ destekli bir tarif oluşturucunun önerdiği kişiselleştirilmiş yemek 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#

Yapay zekânın gıda ve beslenme sektöründeki kullanımıyla ilgili pek çok ilgi çekici çalışma yürütülüyor. Her gün yediğimiz yiyeceklere yapay zekâyı entegre eden girişimlerden bazılarına göz atalım.

ABD merkezli bir girişim olan Journey Foods, yeni paketli gıda ürünleri geliştirmek ve piyasaya sürmek için içerik bileşeni zekâsı sunuyor. Veri bilimi platformu JourneyAI, her ürün için ideal içeriği bulmak amacıyla milyonlarca bileşeni ve tedarik zinciri verisini analiz ediyor. En iyi gıda ürünleri formülasyonlarını oluşturmak için kimyasallar ve besin maddeleri hakkında büyük miktarda veri topluyor ve saklıyor. Platform, paketli gıda üreticilerinin veri odaklı gıda keşfi yoluyla tüm ürün yaşam döngülerini daha iyi yönetmelerini de sağlıyor.

Beslenme sektöründeki bir diğer yenilikçi girişim de Viome. Viome, kişiselleştirilmiş beslenme ve sağlıklı yaşam önerileri sunmak için yapay zekâdan ve mRNA dizileme teknolojisinden yararlanıyor. Kişilerin sağlığı hakkında kesin bilgiler sağlamak amacıyla mikrobiyomu ve gen ifadesini analiz eden evde testler sunuyor. Bu bilgiler, mikrobiyal dengesizliklerin ve iltihabın altında yatan nedenleri belirlemeye yardımcı oluyor. Viome, bu bilgilere dayanarak her kişinin kendine özgü biyokimyasına uygun kişiselleştirilmiş takviyeler ve beslenme önerileri sunuyor. Viome, kronik hastalıkları önlemeye ve sağlık sorunlarının temel nedenlerini ele almaya odaklanarak gelişmiş sağlık yönetimini erişilebilir ve kişiye özel hâle getiriyor.

Şekil 5. Yapay zekâ ve genom dizilemesine dayalı yiyecek önerileri.

Yapay zekâ destekli diyetisyenlerin dezavantajlarını değerlendirme#

Yapay zekâ destekli beslenme sistemleri pek çok fayda sağlasa da bazı dezavantajlarını 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 yaratıyor. Eğitim verileri yeterince çeşitli değilse öneriler herkes için doğru olmayabilir ve bazı gruplara yanlış tavsiyeler verilmesine yol açabilir. Bir başka sorun da teknolojiye aşırı bağımlı hâle gelme riskidir. Yapay zekâ faydalı bilgiler sunabilir, ancak insan beslenme uzmanlarının ve sağlık hizmeti sağlayıcılarının uzmanlığının yerini almamalıdır.

Tıp sektörü üzerindeki etkisi#

Yapay zekâ destekli beslenme takibi ve diyetisyen sistemleri, tıp sektörünü yeniden şekillendirerek insan diyetisyenlerin ve sağlık hizmetleri profesyonellerinin rollerini değiştirecek. Bu sistemler, beslenme konusunda tavsiye almak isteyenlere daha fazla seçenek de sunuyor. İnsanların yaklaşık %40'ı, günlük rutinlerine takviye eklemeden önce doktorlarıyla konuşmaları gerekmediğini düşünüyor. Yapay zekâ, uzman görüşü almayı kolaylaştırıyor ve insanların beslenme düzenlerinde değişiklik yapmadan önce daha fazla görüş almasını teşvik edebilir.

Yapay zekâ, beslenme ve diyet yönetiminin ele alınış biçimini kökten değiştirebilir. New York, Westchester'da bulunan Core Nutrition'da diyetisyen-beslenme uzmanı olan Alexandra Kaplan şöyle diyor: "Doğru olduğunu varsayarsak (yapay zekâ), çok faydalı olabilir; çünkü tabaktaki yiyeceklerin tam porsiyonunu ve ardından yiyeceklerin içeriğini anlamama yardımcı olur. Böylece hastalar da o öğünde ne yediklerini öğrenebilir."

Yapay zekâ, insan diyetisyenlerin yerini almak yerine uzmanlıklarını tamamlayan güçlü bir araç olarak kullanılabilir. Yapay zekâ, klinik kararları destekleyen veriye dayalı içgörüler sağlayarak diyetisyenlerin daha etkili tedavi planları geliştirmesine yardımcı olabilir. Örneğin yapay zekâ, hastanın kronik hastalıklara katkıda bulunan beslenme alışkanlıklarındaki kalıpları belirleyebilir ve diyetisyenlerin daha erken ve etkili müdahale etmesini sağlayabilir.

Beslenmede yapay zekânın özeti#

Bilgisayarlı görü ve yapay zekâ, ne yediğimizi takip etmeyi çok daha kolaylaştırabilir ve kişisel diyetisyenin bile olabilir. Bu teknolojiler, doğru izleme ve kişiye özel beslenme planları sunarak hastaların sağlığını iyileştirmeye yardımcı olabilir; karmaşık diyetisyen süreçlerinin çoğunu daha verimli hâle getirerek sağlık hizmeti maliyetlerini de düşürebilir. Yapay zekânın doğruluk sorunları ve kişisel insan dokunuşunun eksikliği gibi bazı kısıtlamaları olsa da yenilikler, insan uzmanlığını tamamlayabilir ve genel beslenme bakımını iyileştirebilir. Star Trek'teki yiyecek çoğaltıcılara ulaşmamıza hâlâ uzun zaman olabilir, ancak beslenme alanında yapay zekâ geleceği yeniden şekillendiriyor.

Birlikte yenilik yapalım! Yapay zekâya katkılarımızı görmek için GitHub depomuzu incele. Üretim ve sağlık hizmetleri gibi sektörlerde yapay zekâyı nasıl uyguladığımızı keşfet.