تاريخ تتبع السعرات الحرارية: من دفاتر الطعام إلى التعرف على الصور بواسطة الذكاء الاصطناعي

كلما قمت بالتقاط صورة لطبقك وشاهدت نموذج الذكاء الاصطناعي يقوم بتحليلها إلى سعرات حرارية وبروتين وكربوهيدرات ودهون في ثوانٍ، فإنك تقف في نهاية خط زمني يمتد لأكثر من قرن. لم تظهر القدرة على قياس ما نأكله بين عشية وضحاها، بل تم بناؤها على مدى عقود من العمل العلمي الشاق، والبحوث السريرية، والابتكارات التكنولوجية، والطموح الريادي. فهم كيف وصلنا إلى هنا يضيء ليس فقط على ما كان عليه تتبع السعرات الحرارية، ولكن أيضًا على ما ينتظرنا في المستقبل.

تتبع هذه المقالة التاريخ الكامل لتتبع السعرات الحرارية، بدءًا من الأسس العلمية الأولى في تسعينيات القرن التاسع عشر، مرورًا بدفاتر الطعام الورقية، وقواعد البيانات المعتمدة على الكمبيوتر، وتطبيقات الهواتف المحمولة، وأجهزة مسح الرموز الشريطية، وصولاً إلى الحدود الحالية للتعرف على الصور بواسطة الذكاء الاصطناعي. سواء كنت محترفًا في التغذية، أو هاويًا للياقة البدنية، أو شخصًا يريد ببساطة فهم سبب عمل الأداة الموجودة على هاتفك بهذه الطريقة، فإن هذا التاريخ يخصك.

الأساس العلمي: ويلبر أتووتر ونظام السعرات الحرارية (1890s)

تبدأ قصة تتبع السعرات الحرارية ليس بتطبيق أو حتى دفتر ملاحظات، بل مع عالم يدعى ويلبر أولاين أتووتر. عمل أتووتر في جامعة ويسليان في كونيتيكت خلال تسعينيات القرن التاسع عشر، حيث قام ببناء جهاز قياس التنفس، وهو غرفة مغلقة كبيرة بما يكفي لاستيعاب شخص، مزودة لقياس إنتاج الحرارة وتبادل الغازات بدقة مذهلة.

أجرى أتووتر وزملاؤه آلاف التجارب لقياس محتوى الطاقة في مختلف الأطعمة. من خلال حرق عينات الطعام في جهاز قياس السعرات الحرارية ودراسة عملية الأيض البشري داخل غرفة التنفس، أسس أتووتر القيم الحرارية التي لا تزال تشكل أساس علم التغذية اليوم: حوالي 4 سعرات حرارية لكل جرام من البروتين، و4 سعرات حرارية لكل جرام من الكربوهيدرات، و9 سعرات حرارية لكل جرام من الدهون. تُعرف هذه القيم بعوامل أتووتر.

قبل أتووتر، كانت فكرة الطعام كوقود قابل للقياس نظرية إلى حد كبير. عمله أعطى العالم نظامًا موحدًا وقابلًا للتكرار لقياس الطاقة الغذائية. جعل حساب السعرات الحرارية ممكنًا من الناحية النظرية، على الرغم من أن الأدوات العملية للأفراد لحساب سعراتهم الخاصة لم تظهر إلا بعد عقود.

قاد أتووتر أيضًا إنشاء أول جداول شاملة لتكوين الأغذية في الولايات المتحدة، والتي نشرتها وزارة الزراعة الأمريكية في عام 1896. كانت هذه الجداول تسرد محتوى البروتين والدهون والكربوهيدرات والسعرات الحرارية لمئات من الأطعمة الشائعة، مما وفر البيانات المرجعية التي اعتمدت عليها كل طريقة لاحقة لتتبع السعرات الحرارية.

جداول تكوين الأغذية وقواعد البيانات الحكومية (1900s-1950s)

بعد العمل الرائد لأتووتر، بدأت الحكومات في جميع أنحاء العالم في تطوير قواعد بيانات تكوين الأغذية الخاصة بها. قامت وزارة الزراعة الأمريكية بتوسيع جداولها خلال أوائل القرن العشرين، وتبعتها دول أخرى. نشرت المملكة المتحدة وألمانيا واليابان والعديد من البلدان الأخرى جداول وطنية لتكوين الأغذية تعكس أنظمتها الغذائية المحلية وإمدادات الطعام.

كانت هذه الجداول مصممة في الأساس للباحثين، ومسؤولي الصحة العامة، وأخصائيي التغذية المؤسسيين. كان بإمكان أخصائي التغذية في المستشفى في الثلاثينيات استخدام جداول تكوين الأغذية لتخطيط وجبات المرضى التي تلبي أهداف سعرات حرارية ومغذيات معينة. لكن الجداول كانت مستندات كثيفة، تقنية، وليست من النوع الذي يمكن أن يستشيره شخص عادي على مائدة العشاء.

خلال النصف الأول من القرن العشرين، دخلت الوعي العام حول السعرات الحرارية من خلال قناة مختلفة: كتب الحمية. في عام 1918، نشرت الطبيبة لولو هانت بيترز كتاب "النظام الغذائي والصحة: مع مفتاح السعرات الحرارية"، الذي أصبح واحدًا من أول كتب الحمية الأكثر مبيعًا في أمريكا. قدمت بيترز للجمهور فكرة حساب السعرات الحرارية لفقدان الوزن. شجعت كتاباتها القراء على التفكير في الطعام من حيث وحدات السعرات الحرارية والاحتفاظ بحسابات ذهنية لمعدل استهلاكهم اليومي.

لم تخترع بيترز دفاتر الطعام، لكنها شعرت بأهمية الفكرة الأساسية التي مفادها أن الأفراد يمكنهم ويجب عليهم مراقبة استهلاكهم من السعرات الحرارية. أصبحت الفكرة القائلة بأن إدارة الوزن هي مسألة حسابات شخصية، السعرات الداخلة مقابل السعرات الخارجة، جزءًا من المحادثة الثقافية حول الصحة ووزن الجسم.

دفاتر الطعام الورقية في البحث السريري (1950s-1980s)

تسارعت الاستخدام الرسمي لدفاتر الطعام المكتوبة كأداة بحثية وسريرية في منتصف القرن العشرين. ظهرت علم الأوبئة الغذائية كعلم خلال هذه الفترة، وكان الباحثون بحاجة إلى طرق لتقييم ما يأكله الناس فعليًا في حياتهم اليومية.

تم تطوير عدة طرق لتقييم النظام الغذائي وصقلها:

سجل الطعام أو دفتر الطعام يتطلب من المشاركين كتابة كل ما تناولوه على مدى فترة تتراوح عادة بين ثلاثة إلى سبعة أيام، بما في ذلك تقديرات أحجام الحصص. ثم يقوم الباحثون يدويًا بالبحث عن كل عنصر غذائي في جداول التكوين وحساب إجمالي السعرات الحرارية والمغذيات يدويًا.

استرجاع النظام الغذائي لمدة 24 ساعة كان يتضمن محاورًا مدربًا يسأل المشاركين عن كل ما تناولوه في الـ 24 ساعة السابقة. كان المحاور يستفسر عن العناصر المنسية ويستخدم نماذج الطعام أو الصور للمساعدة في تقدير أحجام الحصص.

استبيان تكرار الطعام (FFQ) كان يطلب من المشاركين الإبلاغ عن مدى تكرار استهلاكهم لأطعمة معينة على مدى فترة أطول، مثل شهر أو سنة.

من بين هذه الطرق، اعتُبر دفتر الطعام متعدد الأيام الأكثر تفصيلًا ودقة في التقاط الاستهلاك الفعلي، لكنه كان أيضًا الأكثر إرهاقًا. كان يجب على المشاركين حمل دفاتر ملاحظات، وتقدير الأوزان والأحجام، وتذكر تسجيل كل عنصر. ثم كان الباحثون يواجهون ساعات من إدخال البيانات اليدوي والحساب لكل مشارك.

اعتمدت دراسات كبيرة مثل دراسة فريمنغهام للقلب، ودراسة صحة الممرضات، ودراسة البلدان السبعة بشكل كبير على طرق تقييم النظام الغذائي خلال هذه الفترة. شكلت البيانات التي أنتجوها إرشادات التغذية لعقود. ومع ذلك، كانت العملية شاقة، ومكلفة، ومحدودة بطبيعتها بدقة الذاكرة البشرية والتقديرات.

بالنسبة للمستهلكين الأفراد خارج بيئات البحث، ظلت دفاتر الطعام الورقية نادرة. شجعت بعض برامج فقدان الوزن، وأبرزها Weight Watchers (تأسست في عام 1963)، الأعضاء على تتبع استهلاكهم الغذائي باستخدام أنظمة مبسطة. لكن بالنسبة لمعظم الناس، كانت فكرة كتابة كل وجبة مملة جدًا للاستمرار.

تتبع الكمبيوتر المبكر (1990s)

أحدثت ثورة الكمبيوتر الشخصي في الثمانينيات والتسعينيات إمكانيات جديدة لتتبع النظام الغذائي. بدأ مطورو البرمجيات في بناء برامج تقوم برقمنة عملية البحث عن الأطعمة في جداول التكوين وحساب الإجماليات اليومية.

ظهرت حزم البرمجيات الغذائية المبكرة مثل Nutritionist Pro وESHA Food Processor وDiet Analysis Plus خلال هذه الفترة. كانت هذه البرامج تستخدم بشكل أساسي في البيئات السريرية، والجامعات، والمؤسسات البحثية. كان بإمكان أخصائي التغذية إدخال استهلاك الطعام الخاص بالمريض في البرنامج والحصول على تحليل فوري للسعرات الحرارية، والمغذيات الكبرى، والفيتامينات، والمعادن، مما استبدل ساعات من البحث اليدوي في الجداول بدقائق من إدخال البيانات.

بالنسبة للجمهور العام، بدأت البرامج الغذائية الموجهة للمستهلكين في الظهور. كانت برامج مثل DietPower وBalanceLog تعمل على أجهزة الكمبيوتر المكتبية وتسمح للمستخدمين بالبحث في قواعد بيانات الطعام، وتسجيل الوجبات، وتتبع استهلاكهم من السعرات الحرارية بمرور الوقت. كانت هذه الأدوات خطوة حقيقية إلى الأمام، لكنها كانت محدودة بتكنولوجيا تلك الفترة. كان يجب على المستخدمين أن يكونوا أمام أجهزة الكمبيوتر الخاصة بهم لتسجيل الطعام، مما يعني إما تسجيل الوجبات بعد حدوثها أو تناول الطعام على مكاتبهم.

وسعت الإنترنت الوصول أكثر في أواخر التسعينيات. قدمت مواقع مثل CalorieKing وFitDay قواعد بيانات الطعام وأدوات تسجيل يمكن الوصول إليها من أي جهاز كمبيوتر متصل بالإنترنت. للمرة الأولى، أصبح تتبع السعرات الحرارية متاحًا لأي شخص لديه اتصال بالإنترنت، مجانًا.

ومع ذلك، كانت هذه الأدوات لا تزال تتطلب جهدًا يدويًا كبيرًا. كان على المستخدمين البحث في قواعد البيانات، واختيار العنصر الغذائي الصحيح من قوائم أحيانًا ما تكون مربكة، وتقدير أحجام الحصص يدويًا. حدت صعوبة هذه العملية من اعتمادها إلى أقلية متحمسة نسبيًا من المتبعين للحمية وعشاق الصحة.

أول تطبيقات تتبع السعرات الحرارية (2005-2010)

أحدث إطلاق iPhone في عام 2007 وApp Store في عام 2008 تحولًا في تتبع السعرات الحرارية من نشاط مقيد بأجهزة الكمبيوتر المكتبية إلى شيء يمكنك القيام به في أي مكان، في أي وقت، باستخدام نفس الجهاز الذي تحمله بالفعل في جيبك.

ظهرت أولى تطبيقات التغذية بعد أشهر من إطلاق App Store. أصدرت MyFitnessPal، التي بدأت كموقع إلكتروني في عام 2005، تطبيقها المحمول في عام 2009. أطلق Lose It! في عام 2008 كواحد من أول تطبيقات حساب السعرات الحرارية المخصصة لنظام iOS. تبعتها FatSecret وMyPlate والعديد من التطبيقات الأخرى بسرعة.

رقمنت هذه التطبيقات من الجيل الأول دفتر الطعام الورقي لعصر الهواتف المحمولة. كانت سيرتها الذاتية الأساسية تعتمد على البحث النصي: اكتب اسم الطعام الذي تناولته، تصفح قائمة المطابقات في قاعدة البيانات، اختر العنصر الصحيح، وحدد حجم الحصة. ثم تقوم التطبيقات بحساب وعرض إجمالياتك اليومية من السعرات الحرارية والمغذيات الكبرى.

كان التأثير تحويليًا. نمت قاعدة بيانات الطعام الخاصة بـ MyFitnessPal بسرعة من خلال مزيج من التنسيق الاحترافي والمدخلات التي أنشأها المستخدمون، حتى وصلت في النهاية إلى ملايين العناصر. جذب التطبيق عشرات الملايين من المستخدمين وتم الاستحواذ عليه من قبل Under Armour في عام 2015 مقابل 475 مليون دولار، مما يدل على مدى انتشار تتبع السعرات الحرارية.

حلت التطبيقات المحمولة مشكلة الموقع. يمكنك تسجيل إفطارك في مقهى، وغداءك على مكتبك، وعشاءك في المنزل. كانت الإشعارات التذكيرية تدعوك للتسجيل. سمحت الميزات الاجتماعية بمشاركة التقدم مع الأصدقاء. شجعت عناصر الألعاب مثل السلاسل والشارات على الاستمرارية.

لكن تجربة المستخدم الأساسية لا تزال تدور حول البحث اليدوي عن النص واختياره. كانت هذه العملية، رغم كونها أسرع من دفاتر الطعام، لا تزال تتطلب جهدًا كبيرًا ومعرفة غذائية. كان على المستخدمين معرفة المكونات في وجباتهم، وتقدير أحجام الحصص، والتنقل في قواعد البيانات التي غالبًا ما تحتوي على إدخالات مكررة أو غير دقيقة.

عصر مسح الرموز الشريطية (2010s)

جاءت الخطوة الكبرى التالية في تقليل صعوبة التتبع من تقنية كانت موجودة بالفعل في كل متجر بقالة: الرمز الشريطي. بدءًا من حوالي عام 2010، بدأت تطبيقات تتبع السعرات الحرارية في دمج ميزات مسح الرموز الشريطية التي تسمح للمستخدمين بتوجيه كاميرا هواتفهم نحو عنصر غذائي معبأ واسترجاع معلوماته الغذائية على الفور.

بنت MyFitnessPal وLose It! وغيرها من التطبيقات الرائدة قواعد بيانات الرموز الشريطية التي تحتوي على ملايين من رموز المنتجات العالمية (UPCs) المرتبطة بملصقات التغذية. كانت تجربة المستخدم أنيقة في بساطتها: امسح الرمز الشريطي على علبة الزبادي الخاصة بك، أكد حجم الحصة، وسجل الإدخال في ثوانٍ.

مثلت مسح الرموز الشريطية تقدمًا حقيقيًا في تتبع الأطعمة المعبأة. ألغت الحاجة للبحث في قواعد البيانات النصية، وقللت الأخطاء الناتجة عن اختيار العنصر الخطأ، وقللت من وقت التسجيل بشكل كبير. بالنسبة للمستخدمين الذين تتكون حميتهم بشكل كبير من المنتجات المعبأة ذات الملصقات الغذائية القياسية، جعلت مسح الرموز الشريطية تتبع السعرات الحرارية أسرع وأكثر دقة من أي وقت مضى.

ومع ذلك، كان لمسح الرموز الشريطية قيود داخلية: كان يعمل فقط مع الأطعمة المعبأة التي تحمل رموزًا شريطية. كانت الوجبات المنزلية، وأطباق المطاعم، والمنتجات الطازجة، وعناصر المخابز، وأطعمة الشوارع كلها خارج نطاقه. بالنسبة لهذه الأطعمة، كان المستخدمون لا يزالون يعتمدون على البحث اليدوي عن النص، وظلت الصعوبة كبيرة.

سلطت هذه القيود الضوء على تحدٍ مستمر في تتبع السعرات الحرارية. الأطعمة التي يصعب تتبعها، مثل الوجبات المنزلية وأطباق المطاعم ذات الوصفات وأحجام الحصص المتغيرة، هي بالضبط الأطعمة التي يأكلها الكثير من الناس بشكل متكرر. كانت مسح الرموز الشريطية خطوة مهمة، لكنها لم تحل المشكلة الأساسية المتمثلة في جعل جميع الأطعمة سهلة التتبع.

عصر التعرف على الصور بواسطة الذكاء الاصطناعي (2020s وما بعدها)

تستفيد الثورة الأحدث في تتبع السعرات الحرارية من الذكاء الاصطناعي ورؤية الكمبيوتر لتحقيق شيء كان سيبدو كخيال علمي قبل عقد من الزمن: التعرف على الطعام وتقدير محتواه الغذائي من صورة.

تم وضع الأسس التكنولوجية للتعرف على الطعام بالذكاء الاصطناعي في العقد الأول من القرن الحادي والعشرين من خلال التقدم في التعلم العميق، والشبكات العصبية التلافيفية، ومجموعات البيانات الكبيرة للصور. قامت مجموعات البحث في الجامعات وشركات التكنولوجيا بتدريب الشبكات العصبية لتصنيف صور الطعام بدقة متزايدة. كانت النماذج الأكاديمية المبكرة تستطيع التمييز بين فئات الطعام العامة، لكنها كانت تفتقر إلى الدقة اللازمة لتقدير السعرات الحرارية بشكل موثوق.

بحلول أوائل عام 2020، جلب تلاقي النماذج الأكثر قوة، ومجموعات البيانات التدريبية الأكبر، وتقنيات تقدير الحجم المحسنة التعرف على الطعام بالذكاء الاصطناعي إلى عتبة الاستخدام العملي. بدأت عدة شركات ناشئة وتطبيقات راسخة في دمج ميزات التسجيل المعتمدة على الصور.

تختلف سير العمل بشكل جذري عن كل ما سبق. بدلاً من كتابة اسم الطعام، أو مسح رمز شريطي، أو البحث في قاعدة بيانات، يقوم المستخدم ببساطة بالتقاط صورة لطبقهم. يقوم نموذج الذكاء الاصطناعي بتحليل الصورة، وتحديد العناصر الغذائية الفردية، وتقدير أحجام الحصص، وإرجاع تحليل غذائي كامل، كل ذلك في ثوانٍ.

تمثل Nutrola الحدود الحالية لهذه التكنولوجيا. من خلال دمج التعرف على الصور بواسطة الذكاء الاصطناعي مع قاعدة بيانات غذائية شاملة، تتيح Nutrola للمستخدمين تسجيل الوجبات بصورة واحدة. يقوم الذكاء الاصطناعي بتحديد الأطعمة على الطبق، وتقدير الكميات، وحساب السعرات الحرارية، والبروتينات، والكربوهيدرات، والدهون. يمكن للمستخدمين مراجعة النتائج وتعديلها إذا لزم الأمر، لكن العمل الشاق يتم تلقائيًا.

ت addresses هذه الطريقة المشكلة الأساسية التي حدت من اعتماد تتبع السعرات الحرارية لأكثر من قرن. تم تقليص الفجوة بين تناول الوجبة وتسجيلها من دقائق من العمل اليدوي إلى ثوانٍ من التحليل التلقائي. بالنسبة للوجبات المنزلية، وأطباق المطاعم، والأطباق المعقدة التي تحتوي على مكونات متعددة، يوفر التعرف على الصور بواسطة الذكاء الاصطناعي طريقة تتبع لم تكن متاحة ببساطة في العصور السابقة.

الجدول الزمني: تطور تتبع السعرات الحرارية في لمحة

العصر	الفترة	التطور الرئيسي	طريقة التتبع
الأساس العلمي	1890s	أتووتر يحدد القيم الحرارية للمغذيات الكبرى	قياس مختبري فقط
جداول تكوين الأغذية	1896-1950s	نشر وزارة الزراعة الأمريكية وقواعد بيانات تكوين الأغذية الدولية	بحث يدوي من قبل المحترفين
الوعي الشعبي بالسعرات الحرارية	1918	لولو هانت بيترز تنشر "النظام الغذائي والصحة"	تقدير ذهني من قبل الأفراد
دفاتر الطعام السريرية	1950s-1980s	استخدام دفاتر الطعام الورقية في علم الأوبئة الغذائية	سجلات مكتوبة وحسابات يدوية
برامج فقدان الوزن	منذ 1963	Weight Watchers وبرامج مماثلة تشجع على تسجيل الطعام	أنظمة ورقية مبسطة
البرمجيات المكتبية	1990s	Nutritionist Pro وDietPower وبرامج مماثلة	إدخال بيانات الكمبيوتر مع بحث في قاعدة البيانات
قواعد البيانات عبر الإنترنت	أواخر التسعينيات	CalorieKing وFitDay والمتعقبين عبر الويب	تسجيل عبر المتصفح
أول تطبيقات الهواتف المحمولة	2005-2010	MyFitnessPal وLose It! وتطبيقات الهواتف الذكية المبكرة	بحث نصي على الأجهزة المحمولة
مسح الرموز الشريطية	2010s	دمج أجهزة قراءة الرموز الشريطية في تطبيقات التتبع	مسح كاميرا ملصقات الطعام المعبأة
التعرف على الصور بواسطة الذكاء الاصطناعي	2020s	التعرف على الطعام بالذكاء الاصطناعي من الصور	صورة واحدة لأي وجبة
الحدود الحالية	الآن	Nutrola والتتبع المتقدم بالذكاء الاصطناعي	تحليل فوري بالذكاء الاصطناعي مع تحليل المغذيات الكبرى

ما الذي حققته كل حقبة وأين أخفقت

عند النظر إلى الجدول الزمني الكامل، يظهر نمط واضح. كل حقبة من تتبع السعرات الحرارية حلت مشكلة معينة بينما تركت أخرى دون حل.

قدم أتووتر لنا نظام القياس لكن لم يوفر وسيلة عملية للأفراد لاستخدامه. جعلت جداول تكوين الأغذية البيانات متاحة لكن تطلبت خبرة احترافية لتفسيرها. وضعت دفاتر الطعام التتبع في أيدي الأفراد لكنها تطلبت جهدًا غير مستدام. قامت البرمجيات المكتبية بأتمتة الحسابات لكنها ربطت المستخدمين بأجهزة الكمبيوتر الخاصة بهم. جعلت التطبيقات المحمولة التتبع محمولًا لكنها لا تزال تتطلب إدخالًا يدويًا مملًا. سهلت مسح الرموز الشريطية تسجيل الأطعمة المعبأة لكنها تجاهلت كل شيء آخر.

يعد التعرف على الصور بواسطة الذكاء الاصطناعي هو النهج الأول الذي يعالج الحاجز الأكثر استمرارية في تتبع السعرات الحرارية: الجهد المطلوب لتسجيل كل وجبة. من خلال أتمتة التعرف والتقدير، يقلل من التكلفة المعرفية والزمنية للتتبع إلى مستوى يجعل الالتزام المستمر والطويل الأجل واقعيًا لعدد أكبر بكثير من الناس.

العلم وراء التعرف على الطعام بالذكاء الاصطناعي

لفهم كيفية عمل التعرف على الطعام بالذكاء الاصطناعي الحديث، يتطلب الأمر نظرة سريعة على التكنولوجيا الأساسية. في جوهر أنظمة مثل Nutrola، توجد فئة من نماذج التعلم الآلي المعروفة باسم الشبكات العصبية العميقة، وبشكل خاص الهياكل المصممة لتحليل الصور.

تدربت هذه النماذج على مجموعات بيانات ضخمة من صور الطعام المصنفة. خلال التدريب، تتعلم النموذج التعرف على الأنماط البصرية المرتبطة بأطعمة مختلفة: نسيج الدجاج المشوي، شكل الموز، تدرجات اللون في وعاء من السلطة المختلطة. يمكن للنماذج المتقدمة التمييز بين الأطعمة المتشابهة بصريًا وتحديد عناصر متعددة على طبق واحد.

بمجرد تحديد العناصر الغذائية، يقدر النظام أحجام الحصص باستخدام مزيج من الإشارات البصرية والتقدير المرجعي. تساهم عمق الوعاء، وانتشار الطعام عبر الطبق، والحجم النسبي للعناصر جميعها في تقدير الحجم. ثم يتم ربط هذه التقديرات الحجمية بالبيانات الغذائية المستندة إلى الوزن من قواعد بيانات تكوين الأغذية.

تحسنت دقة هذه الأنظمة بشكل كبير مع كل جيل. قد تكون النماذج الأولية المبكرة قد أخطأت في تمييز الأرز عن البطاطس المهروسة، لكن النماذج الحديثة المدربة على ملايين الصور تحقق دقة في التعرف تنافس أو تتجاوز قدرة الشخص العادي على تحديد وتقدير طعامه.

من المهم أن أنظمة التعرف على الطعام بالذكاء الاصطناعي تتحسن مع مرور الوقت. تساهم كل صورة تم تحليلها في فهم النظام لتنوع الطعام، والمأكولات الإقليمية، والتحضيرات غير العادية. تعني هذه الدورة المستمرة من التعلم أن التكنولوجيا تتحسن كل شهر، وهي سمة لم تستطع أي طريقة سابقة لتتبع السعرات الحرارية الادعاء بها.

لماذا تهم الاستمرارية في التتبع أكثر من الدقة

واحدة من أهم الدروس المستفادة من تاريخ تتبع السعرات الحرارية هي أن الاستمرارية تهم أكثر من الدقة. أظهرت الأبحاث مرارًا وتكرارًا أن الفعل البسيط لتسجيل استهلاك الطعام، حتى بشكل غير دقيق، ينتج عنه نتائج صحية أفضل من عدم التتبع على الإطلاق.

أظهرت حقبة دفاتر الطعام ذلك بوضوح. وجدت دراسات من التسعينيات والألفينات أن المشاركين الذين سجلوا طعامهم ستة أو سبعة أيام في الأسبوع فقدوا وزنًا أكبر بكثير من أولئك الذين سجلوا بشكل متقطع، بغض النظر عن دقة إدخالاتهم. يخلق الفعل المتمثل في الانتباه إلى استهلاك الطعام حلقة تغذية راجعة تعمل على تعديل الاستهلاك بشكل طبيعي.

تتضمن هذه الرؤية تداعيات عميقة لتصميم التكنولوجيا. أفضل أداة لتتبع السعرات الحرارية ليست بالضرورة الأكثر دقة؛ بل هي الأداة التي سيستخدمها الناس فعليًا كل يوم. كل تقليل في صعوبة التسجيل، من البحث النصي إلى مسح الرموز الشريطية إلى التعرف على الصور بواسطة الذكاء الاصطناعي، يوسع قاعدة الأشخاص الذين يمكنهم الحفاظ على عادات تتبع مستمرة.

تم تصميم نهج Nutrola القائم على الذكاء الاصطناعي حول هذه المبدأ. من خلال جعل تسجيل الوجبات بسيطًا مثل التقاط صورة، فإنه يزيل الصعوبة التي تجعل معظم الناس يتخلون عن تتبع السعرات الحرارية خلال الأسابيع القليلة الأولى. الهدف ليس الدقة بمستوى المختبر، بل الاستمرارية العملية المستدامة التي تدعم الأهداف الصحية طويلة الأجل.

ما هو القادم: مستقبل تتبع السعرات الحرارية

إذا كانت التاريخ أي دليل، فإن تكنولوجيا تتبع السعرات الحرارية ستستمر في التطور بطرق تقلل من الجهد وتزيد من الدقة. تشير عدة تطورات في الأفق إلى الاتجاه الذي يتجه إليه هذا المجال.

التتبع المستمر والسلبي. يستكشف الباحثون أجهزة استشعار قابلة للارتداء يمكنها اكتشاف أحداث الأكل، والتعرف على الأطعمة من خلال العلامات الكيميائية الحيوية، أو تقدير السعرات الحرارية من خلال المراقبة الأيضية. بينما لا تزال هذه التقنيات في مراحلها الأولى، فإنها تشير إلى مستقبل حيث يتطلب التتبع جهدًا واعيًا على الإطلاق.

التكامل مع أجهزة المطبخ الذكية. يمكن أن تسجل المقاييس الذكية، والثلاجات الذكية، وأنظمة إدارة الوصفات المكونات والأحجام تلقائيًا أثناء إعداد الوجبات. بالاقتران مع التعرف على الصور بواسطة الذكاء الاصطناعي للطبق النهائي، يمكن أن يوفر ذلك بيانات غذائية دقيقة للغاية للوجبات المنزلية.

نماذج أيض شخصية. مع جمع الأجهزة الصحية القابلة للارتداء المزيد من البيانات حول الاستجابات الأيضية الفردية، يمكن أن يتطور تتبع السعرات الحرارية من نظام موحد يعتمد على عوامل أتووتر إلى نموذج شخصي يأخذ في الاعتبار الاختلافات الفردية في الهضم، والامتصاص، ومعدل الأيض.

الذكاء الاصطناعي السياقي الذي يتعلم عاداتك. من المحتمل أن تتعلم أنظمة التتبع بالذكاء الاصطناعي المستقبلية من أنماطك، معترفًة بأن إفطارك صباح يوم الاثنين هو عادة نفسه، وتقترح وجبات قبل أن تقوم بتصويرها، وتنبهك إلى الانحرافات غير المعتادة عن استهلاكك الطبيعي.

التكامل مع نتائج الصحة. مع دمج بيانات تتبع السعرات الحرارية مع بيانات من أجهزة مراقبة الجلوكوز المستمرة، ومراقبي النوم، ومراقبي النشاط، والسجلات الطبية، ستصبح حلقة التغذية الراجعة بين المدخلات الغذائية ونتائج الصحة أكثر تماسكًا وقابلة للتنفيذ.

الخيط المشترك عبر كل هذه التطورات المستقبلية هو نفس الاتجاه الذي دفع التاريخ الكامل لتتبع السعرات الحرارية: جعل العملية أسهل، وأسرع، وأكثر تكاملًا في الحياة اليومية. لقد خفضت كل جيل من الأدوات الحواجز أمام الدخول، وكل تقليل في الحواجز جلب المزيد من الناس إلى ممارسة الأكل الواعي.

تتموضع Nutrola في مقدمة هذا الاتجاه. من خلال دمج التعرف على الصور بواسطة الذكاء الاصطناعي مع تجربة مستخدم بديهية، تمثل الأداة الأكثر وصولًا لتتبع السعرات الحرارية التي تم إنشاؤها على الإطلاق. وإذا علمتنا التاريخ أي شيء، فهو أن الأفضل لم يأت بعد.

الأسئلة الشائعة

من اخترع حساب السعرات الحرارية؟

تم تأسيس الأساس العلمي لحساب السعرات الحرارية بواسطة ويلبر أولاين أتووتر في تسعينيات القرن التاسع عشر في جامعة ويسليان. طور أتووتر نظام القيم الحرارية للمغذيات الكبرى (4 سعرات حرارية لكل جرام من البروتين والكربوهيدرات، و9 سعرات حرارية لكل جرام من الدهون) الذي لا يزال مستخدمًا اليوم. تم ترويج الفكرة لفقدان الوزن من قبل الطبيبة لولو هانت بيترز في كتابها عام 1918 "النظام الغذائي والصحة: مع مفتاح السعرات الحرارية".

متى بدأ الناس في استخدام دفاتر الطعام؟

تم استخدام دفاتر الطعام الورقية في البحث السريري في التغذية بدءًا من الخمسينيات وأصبحت أداة بحث قياسية حتى الثمانينيات. بالنسبة للمستهلكين العامين، اكتسبت دفاتر الطعام اعتمادًا أوسع من خلال برامج فقدان الوزن مثل Weight Watchers في الستينيات، على الرغم من أنها ظلت ممارسة نادرة حتى جعلت التطبيقات المحمولة التتبع أكثر سهولة في أواخر العقد الأول من القرن الحادي والعشرين.

ما هو أول تطبيق لتتبع السعرات الحرارية؟

أطلق العديد من تطبيقات تتبع السعرات الحرارية في الأيام الأولى من App Store. أصدرت MyFitnessPal، التي بدأت كموقع في عام 2005، تطبيقها المحمول في عام 2009. أطلق Lose It! كأحد التطبيقات المخصصة لنظام iOS في عام 2008 وغالبًا ما يُعتبر واحدًا من أول التطبيقات المصممة خصيصًا لتتبع السعرات الحرارية للهواتف الذكية.

كيف يعمل التعرف على الصور بواسطة الذكاء الاصطناعي لتتبع السعرات الحرارية؟

يستخدم التعرف على الطعام بالذكاء الاصطناعي نماذج التعلم العميق المدربة على ملايين من صور الطعام المصنفة. عندما تقوم بالتقاط صورة لوجبتك، تحدد النموذج العناصر الغذائية الفردية، وتقدر أحجام الحصص بناءً على الإشارات البصرية، وتربط هذه التقديرات بالبيانات الغذائية من قواعد بيانات تكوين الأغذية. النتيجة هي تحليل فوري للسعرات الحرارية والمغذيات الكبرى لكل طبقك.

هل تتبع السعرات الحرارية بالذكاء الاصطناعي دقيق؟

وصلت أنظمة التعرف على الطعام بالذكاء الاصطناعي الحديثة إلى مستوى من الدقة يعتبر عمليًا للتتبع اليومي. بينما لا توجد أي طريقة، بما في ذلك التسجيل اليدوي، دقيقة تمامًا، فإن التعرف على الصور بالذكاء الاصطناعي يلغي العديد من مصادر الخطأ البشرية الشائعة مثل اختيار الإدخال الخطأ في قاعدة البيانات أو نسيان تسجيل العناصر. تظهر الأبحاث باستمرار أن التتبع المستمر، حتى مع دقة متوسطة، ينتج عنه نتائج أفضل من عدم التتبع أو التتبع غير المنتظم.

كيف تختلف Nutrola عن تطبيقات تتبع السعرات الحرارية القديمة؟

تم بناء Nutrola حول التعرف على الصور بواسطة الذكاء الاصطناعي كطريقة التسجيل الأساسية، بدلاً من اعتبارها ميزة إضافية. بدلاً من مطالبة المستخدمين بالبحث في قواعد البيانات النصية أو مسح الرموز الشريطية، تتيح لك Nutrola تسجيل أي وجبة ببساطة عن طريق التقاط صورة. يقوم الذكاء الاصطناعي بتحديد الأطعمة، وتقدير الأحجام، وحساب تحليل غذائي كامل في ثوانٍ. تجعل هذه الطريقة التتبع اليومي المستمر واقعيًا للأشخاص الذين وجدوا الطرق القديمة مملة جدًا.

كيف سيبدو تتبع السعرات الحرارية في المستقبل؟

تشير مسارات تتبع السعرات الحرارية إلى أن الأنظمة ستصبح أكثر سلبية وأوتوماتيكية. تشمل التقنيات الناشئة أجهزة استشعار قابلة للارتداء التي تكشف عن أحداث الأكل، وأجهزة المطبخ الذكية التي تسجل المكونات أثناء الطهي، ونماذج أيض شخصية تأخذ في الاعتبار اختلافات الهضم الفردية، والذكاء الاصطناعي السياقي الذي يتعلم عاداتك الغذائية بمرور الوقت. الاتجاه المستمر هو تقليل الجهد المطلوب للتتبع، مما يجعل الوعي الغذائي جزءًا سلسًا من الحياة اليومية.