قصة يوكِي: كيف تتبعت مغتربة الطعام الدولي باستخدام Nutrola
عندما انتقلت يوكِي من طوكيو إلى لندن، لم يكن أي تطبيق لتتبع السعرات الحرارية قادرًا على التعرف على وجباتها. إليكم كيف حل قاعدة بيانات Nutrola العالمية والتعرف بالذكاء الاصطناعي هذه المشكلة.
لم تكن يوكِي تاناكا تفكر في تطبيقات تتبع السعرات الحرارية عندما قبلت وظيفة تطوير البرمجيات في لندن. كانت تفكر في فرصة العمل، والعيش في الخارج، وما إذا كانت ستتمكن من العيش بدون طعام والدتها. كان من المفترض أن يكون تتبع التغذية الجزء السهل. لقد كانت تسجل وجباتها في تطبيق ياباني يسمى Asken لمدة عامين في طوكيو، وكانت تعتقد أنها ستنتقل ببساطة إلى نظير باللغة الإنجليزية بمجرد وصولها.
لكنها كانت مخطئة.
ما تبع ذلك كان صراعًا استمر لأربعة أشهر مع تطبيقات لم تتمكن من مواكبة طريقة تناولها للطعام. هذه هي قصة كيف وجدت في النهاية Nutrola، ولماذا غيرت ليس فقط عاداتها في التتبع ولكن علاقتها بالكامل مع الطعام في بلد جديد.
المشكلة التي لا يحذرك أحد منها
في أسبوعها الأول في لندن، قامت يوكِي بتحميل MyFitnessPal. كان الأكثر شعبية في عالم تتبع السعرات الحرارية الناطق باللغة الإنجليزية، لذا بدا الخيار الواضح. فتحت التطبيق في صباح يوم الاثنين، بحثت عن "أويكيدون"، ولم تحصل على أي نتائج.
جربت بدلاً من ذلك "وعاء الأرز بالدجاج والبيض". كانت الإدخالات التي ظهرت غير متسقة بشكل كبير — حيث ادعى أحد المستخدمين أن السعرات 320، بينما قال آخر 680 لنفس الطبق. ولم يأخذ أي منهما في الاعتبار مرق الداشي الذي استخدمته، والذي يؤثر بشكل كبير على محتوى الصوديوم. عندما بحثت عن "نيمونو" (طبق الخضار المطبوخ الذي علمتها جدتها كيفية تحضيره)، أعاد التطبيق نتائج لـ "القرفة".
لم تكن المشكلة أن MyFitnessPal كان تطبيقًا سيئًا. بل كانت قاعدة بياناته المستندة إلى المستخدمين والتي تضم أكثر من 14 مليون طعام مبنية بشكل كبير من قبل مستخدمين أمريكيين وأوروبيين. كان تمثيل الطبخ المنزلي الياباني، الذي يمثل حوالي 65% من الوجبات المستهلكة في اليابان وفقًا لاستطلاع وزارة الصحة لعام 2024، ضئيلًا للغاية. وغالبًا ما كانت الإدخالات الموجودة قد تم تحميلها من قبل مغتربين آخرين مرتبكين، بدقة متفاوتة بشكل كبير.
حاولت يوكِي التغلب على ذلك من خلال إدخال كل مكون يدويًا. كانت وعاء واحد من حساء ميسو محلي الصنع مع التوفو والأعشاب البحرية يتطلب منها تسجيل ستة عناصر منفصلة. استغرق الأمر أكثر من ثلاث دقائق لكل وجبة. وبعد أسبوعين، توقفت عن تتبع الإفطار تمامًا.
عندما تجعل تقنية التعرف على الصور الأمور أسوأ
اقترح زميل لها استخدام CalAI، وهو تطبيق لتتبع السعرات الحرارية يعتمد على الصور، والذي وعد بالتعرف على أي وجبة من صورة واحدة. كانت يوكِي متفائلة. التقطت صورة لحساء النودلز محلي الصنع.
حدد CalAI أنه رامين.
يمكن أن يكون الفرق في السعرات الحرارية بين مرق أودون البسيط ورامين تونكوتسو الغني أكثر من 400 سعرة حرارية. قامت يوكِي بتصحيحه يدويًا، لكن النمط استمر. تم تحديد نودلز سوبا على أنها سباغيتي. وتم تسجيل أونيغيري (كرات الأرز المحشوة بالسلمون) كـ "أرز أبيض، عادي". لم يكن لدى التطبيق أي مفهوم عن غلاف النوري أو الأوميبوشي التي كانت تستخدمها أحيانًا كحشوة.
كانت المشكلة الأساسية أن نموذج التعرف على الصور في CalAI تم تدريبه بشكل أساسي على الأطباق الغربية. كان يمكنه تمييز البوريتو عن الإنشيلادا بدقة مثيرة للإعجاب، لكنه اعتبر معظم الأطباق اليابانية كتنويعات لنفس الشيء: "حساء نودلز آسيوي" أو "طبق أرز". بالنسبة لشخص يتناول الطعام الياباني يوميًا، كانت هذه الدقة السيئة أسوأ من عدم التتبع على الإطلاق، لأنها خلقت شعورًا زائفًا بالبيانات يمكن أن يؤدي إلى أخطاء غذائية حقيقية.
المشكلة العكسية: التطبيقات اليابانية والطعام البريطاني
لا تزال يوكِي تحتفظ بتطبيق Asken على هاتفها، لذا جربت استخدامه لوجباتها البريطانية. عندما قدم لها زملاؤها إفطارًا إنجليزيًا كاملًا — البيض، لحم الخنزير المقدد، النقانق، الفاصوليا المخبوزة، الخبز المحمص، الطماطم المشوية، والبودينغ الأسود — لم يتمكن التطبيق من العثور على "البودينغ الأسود" على الإطلاق. لم يكن لديه إدخال لـ "الفاصوليا المخبوزة" في التحضير الشائع على طريقة هاينز في المملكة المتحدة. أعاد "فطيرة الراعي" إدخالًا واحدًا بأرقام مشبوهة تبدو وكأن شخصًا ما قد خمنها.
كانت عالقة في فجوة يعاني منها ملايين المغتربين بصمت. وفقًا لبيانات الهجرة من الأمم المتحدة، هناك حوالي 281 مليون مهاجر دولي في جميع أنحاء العالم اعتبارًا من عام 2024. جزء كبير من هؤلاء الأشخاص يطبخون طعامًا من بلدهم بينما يتناولون أيضًا المأكولات المحلية. ومع ذلك، لا تزال صناعة تتبع السعرات الحرارية — التي تقدر قيمتها بـ 8.5 مليار دولار عالميًا — تصمم المنتجات كما لو أن الجميع يتناولون نوعًا واحدًا من المأكولات من بلد واحد.
كانت يوكِي تتناول حساء ميسو على الإفطار، وسندويتش من Pret A Manger على الغداء، ويكي سوبا على العشاء. لم يكن هناك تطبيق واحد في السوق يمكنه التعامل مع جميع الوجبات الثلاث بدقة. بدأت في تقدير السعرات في ذهنها، وهو ما أظهرته الأبحاث من المجلة الدولية للسمنة أنه يؤدي إلى تقدير أقل بمعدل يتراوح بين 30 إلى 40 في المئة.
العثور على Nutrola
اكتشفت يوكِي Nutrola من خلال موضوع على Reddit بعنوان "أفضل تطبيق لتتبع السعرات الحرارية للطعام غير الأمريكي؟" في نوفمبر 2025. ذكر العديد من المستخدمين في الموضوع تغطيته لقاعدة البيانات الدولية. قامت بتحميله في تلك الليلة وبحثت عن "أويكيدون".
ظهرت النتيجة على الفور. لم تكن تخمينات مستندة إلى المستخدمين، بل إدخال موثق مع بيانات غذائية كاملة عبر أكثر من 100 عنصر غذائي — بما في ذلك التحليل الدقيق للبروتين من كل من الدجاج والبيض، والكربوهيدرات من الأرز، والصوديوم من صلصة الصويا والداشي. كانت عدد السعرات، 490 لكل حصة قياسية، تتطابق مع الرقم من الجداول القياسية اليابانية لتكوين الطعام التي كانت قد تحققت منها بدافع العادة.
بحثت عن "نيمونو". وجدته. "ناتو". وجدته، مع بيانات عن فيتامين K2 والناتوكيناز. "تشاوانموشي". وجدته. للمرة الأولى منذ وصولها إلى لندن، كانت كل طبق تحضره في المنزل موجودًا في تطبيق لتتبع السعرات.
ثم اختبرت الجانب البريطاني. "إفطار إنجليزي كامل". وجدته، مع تحليل مكونات فردية. "فطيرة الراعي". وجدته، مع إدخالات منفصلة للإصدارات القائمة على لحم الضأن ولحم البقر. "بودينغ التوفي اللزج". وجدته. كانت قاعدة بيانات Nutrola التي تضم أكثر من 1,000,000 طعام موثق مستمدة من السلطات الغذائية العالمية — ليس فقط من USDA، ولكن أيضًا من جداول تكوين الطعام اليابانية MEXT، ومجموعة McCance وWiddowson في المملكة المتحدة، وEuroFIR، والعشرات من المصادر الوطنية الأخرى.
لم يكن عليها الاختيار بين هويتها اليابانية وحياتها اليومية البريطانية. كان هناك تطبيق واحد يفهم كلا الجانبين.
الصورة التي غيرت كل شيء
جاء الاختبار الحقيقي في صباح يوم السبت. قامت يوكِي بتحضير حساء الميسو المعتاد — معجون ميسو أبيض، توفو حريري مقطع إلى مكعبات، أعشاب بحرية واكامي، وبصل أخضر مقطع. فتحت ميزة تسجيل الصور في Nutrola والتقطت صورة واحدة.
حدد الذكاء الاصطناعي أنه "حساء ميسو مع التوفو والواكامي". ليس "حساء آسيوي". ليس "مرق، متنوع". لقد تعرف على المكونات المحددة وأعاد تقدير السعرات الحرارية بـ 84 سعرة حرارية للوعاء، وهو ما كان ضمن 5% من ما حسبته يوكِي عندما وزنت كل مكون على ميزان مطبخها.
اختبرته مرة أخرى مع الأودون. حدد Nutrola بشكل صحيح أنه حساء نودلز أودون — ليس رامين، وليس سباغيتي، وليس "نودلز آسيوية". كانت التمييز مهمًا لأن وعاء من كاكي أودون يحتوي على حوالي 350 سعرة حرارية بينما يمكن أن يتجاوز وعاء من رامين تونكوتسو 750. الحصول على هذا الخطأ ليس مجرد إزعاج طفيف. على مدار أسبوع، يمكن أن يعني فرقًا يقارب 3,000 سعرة حرارية، وهو ما يكفي لتخريب هدف فقدان الدهون أو الحفاظ عليها تمامًا.
تم تدريب نموذج الذكاء الاصطناعي في Nutrola على صور الطعام من جميع أنحاء العالم، بما في ذلك المأكولات اليابانية والكورية والصينية والهندية والشرق أوسطية والأفريقية واللاتينية والأوروبية. لم يكن يتجه إلى الافتراضات الغربية. بل كان يفهم فعلاً ما ينظر إليه.
تسجيل الصوت عبر المأكولات
بدأت يوكِي أيضًا في استخدام ميزة تسجيل الصوت في Nutrola، والتي سمحت لها بقول ما تناولته بشكل طبيعي باللغة الإنجليزية وتسجيله تلقائيًا. كانت تستطيع أن تقول "تناولت أويكيدون مع جانب من الخيار المخلل" وسيتعرف التطبيق على كلا العنصرين بشكل صحيح، مستخرجًا الإدخالات الصحيحة من قاعدة البيانات الموثقة.
عمل هذا بسلاسة أيضًا عندما قالت "أخذت ساندويتش دجاج تيكا وكوب من القهوة من Pret". تعامل الذكاء الاصطناعي الصوتي مع أسماء الأطباق اليابانية المنطوقة باللغة الإنجليزية، والمصطلحات الغذائية البريطانية، والوجبات المختلطة دون تردد. بالنسبة لشخص يتناول الطعام من تقاليد طهي مختلفة يوميًا، كان هذا يوفر وقتًا كبيرًا. انخفض متوسط وقت تسجيلها من أكثر من ثلاث دقائق لكل وجبة إلى أقل من عشر ثوان.
اكتشاف المغذيات الدقيقة
بعد ثلاثة أسابيع من استخدام Nutrola، لاحظت يوكِي شيئًا في تقريرها الأسبوعي للتغذية لم يظهر لها أي تطبيق سابق. كانت كمية اليود لديها قد انخفضت بنسبة 62% منذ انتقالها إلى لندن.
كان هذا منطقيًا فور أن فكرت فيه. في اليابان، كانت تغذيتها غنية بشكل طبيعي باليود من الأعشاب البحرية والأسماك وصلصة الصويا. يوفر النظام الغذائي الياباني حوالي 1,000 إلى 3,000 ميكروغرام من اليود يوميًا، متجاوزًا بكثير الكمية الموصى بها من منظمة الصحة العالمية البالغة 150 ميكروغرام. لكن في لندن، كانت تتناول أعشاب بحرية أقل وخبزًا ومعكرونة ومنتجات ألبان أكثر. انخفضت كمية اليود لديها إلى حوالي 95 ميكروغرام يوميًا — وهو أقل من الحد الأدنى الموصى به.
كما اكتشفت أن كمية السيلينيوم لديها قد انخفضت. تميل الأنظمة الغذائية اليابانية إلى أن تكون غنية بالسيلينيوم من خلال استهلاك الأسماك بشكل منتظم، لكن نظام يوكِي الغذائي في لندن قد تحول نحو الدجاج والبروتينات النباتية. جعل تتبع Nutrola لأكثر من 100 عنصر غذائي، بما في ذلك المعادن النادرة التي تتجاهلها معظم التطبيقات، هذا مرئيًا لأول مرة.
كانت ميزة الذكاء الاصطناعي في Nutrola تبرز هذه الاتجاهات بشكل استباقي. لم تظهر لها مجرد رسم بياني. بل أرسلت لها إشعارًا قرأ: "لقد كانت كمية اليود لديك أقل من الهدف لمدة 14 يومًا. اعتبري إضافة الأعشاب البحرية أو منتجات الألبان أو الملح المعالج باليود إلى وجباتك." ثم اقترحت وصفات محددة من قاعدتها — بما في ذلك سلطة الأعشاب البحرية على الطريقة اليابانية وطبق كيدجري البريطاني (طبق من السمك والأرز) — التي ستعالج الفجوة ضمن نمط تناولها الحالي.
لم يكن أي تطبيق آخر جربته يتتبع اليود على الإطلاق. يتتبع MyFitnessPal 11 عنصرًا غذائيًا. يتتبع Cronometer المزيد، لكن تغطيته للأطعمة اليابانية كانت محدودة. لم يتتبع CalAI المغذيات الدقيقة. كانت مجموعة Nutrola من قاعدة بيانات موثقة عالميًا وتتبع عميق للمغذيات الدقيقة تعني أن يوكِي يمكنها رؤية الصورة الغذائية الكاملة لنظامها الغذائي متعدد الثقافات لأول مرة.
تدريب الذكاء الاصطناعي الذي يفهم تناول الطعام المختلط
ربما كانت الميزة الأكثر دقة التي وجدتها يوكِي هي تدريب Nutrola للذكاء الاصطناعي في التغذية. تم ضبط معظم خوارزميات التدريب على نمط غذائي واحد. تفترض أنك تتناول نوعًا واحدًا من الطعام تقريبًا كل يوم وتقدم توصيات بناءً على هذا النمط.
كان نمط يوكِي مختلفًا. قد يكون يوم الاثنين بالكامل يابانيًا. قد يكون الثلاثاء مزيجًا من الإفطار الياباني، والغداء البريطاني، ووجبة العشاء الهندية. قد يكون الأربعاء مليئًا بالطعام البريطاني من مقصف المكتب. سيتعذر على نموذج التدريب الصارم التعامل مع هذه المتغيرات.
تكيّف الذكاء الاصطناعي في Nutrola. تعرف على أن تناولها للبروتين كان قويًا باستمرار في الأيام التي كانت تركز فيها على الأطعمة اليابانية (بفضل الأسماك والتوفو والبيض) لكنه انخفض في الأيام التي تناولت فيها المزيد من الأطعمة البريطانية المريحة. بدلاً من إعطائها تنبيهًا عامًا "تناولي المزيد من البروتين"، اقترح إضافات محددة لوجباتها البريطانية — مثل إضافة جانب من الإدامامي إلى غداءها في الحانة أو اختيار السمك والبطاطا بدلاً من الفطيرة عندما أرادت الحفاظ على تناولها للأوميغا-3 ثابتًا.
كان التدريب شخصيًا لأنه تم بناؤه على بيانات من وجباتها الفعلية، وليس نموذجًا مصممًا لنوع واحد من المأكولات. كان يفهم أنها ليست "آكلة يابانية" أو "آكلة بريطانية". كانت كلاهما.
الصورة الأكبر: الطعام عالمي، والتطبيقات ليست كذلك
قصة يوكِي ليست فريدة من نوعها. إنها تمثل فشلًا هيكليًا في صناعة تتبع التغذية. في عام 2026، أصبح الطعام عالميًا. ينتقل الناس بين البلدان، ويتزوجون عبر الثقافات، ويكتشفون المأكولات الجديدة من خلال وسائل التواصل الاجتماعي، ويطبخون وجبات مدمجة في المنزل. يواجه المواطن الحضري العادي في مدينة كبرى طعامًا من خمس تقاليد طهي مختلفة على الأقل في أسبوع نموذجي.
ومع ذلك، لا تزال معظم تطبيقات تتبع السعرات الحرارية مصممة لسوق واحد. تميل قاعدة بيانات MyFitnessPal بشكل كبير نحو الأمريكية. يتمتع Yazio بقوة في أوروبا ولكنه ضعيف في آسيا. يتمتع FatSecret بتغطية عالمية جيدة ولكنه يفتقر إلى التحقق، مما يعني أن الإدخالات موثوقة فقط بقدر موثوقية المستخدمين المجهولين الذين قدموها. يعد Asken ممتازًا للطعام الياباني ولكنه غير مفيد تقريبًا خارج اليابان.
Nutrola هو الاستثناء. تستمد قاعدة بياناته الموثقة من السلطات الغذائية في أكثر من 40 دولة. تم تدريب نموذج التعرف على الذكاء الاصطناعي على صور الطعام العالمية. تتعامل ميزة تسجيل الصوت مع أسماء الأطباق من أي مطبخ منطوقة بأي لغة مدعومة. لا تعالج الطعام غير الغربي كحالة استثنائية. بل تعالج كل مطبخ كأهمية متساوية، لأنه في عام 2026، هذه هي الطريقة الوحيدة التي تعكس كيف يأكل الناس فعليًا.
بالنسبة ليوكِي، يعني العثور على Nutrola أنها تستطيع التوقف عن محاربة تطبيق تتبعها والتركيز على أهداف صحتها الفعلية. حافظت على وزنها ضمن 2 كيلوغرام من هدفها طوال عامها الأول في لندن. استقرت مستويات المغذيات الدقيقة لديها. لم يكن عليها التخلي عن الأطعمة التي نشأت عليها أو تجنب المأكولات البريطانية للحفاظ على دقتها في البيانات.
كانت بحاجة فقط إلى تطبيق يفهم كلا العالمين.
الأسئلة الشائعة
هل يمكن لـ Nutrola حقًا التعرف على الأطباق المنزلية اليابانية من صورة؟
نعم. تم تدريب نموذج التعرف على الذكاء الاصطناعي في Nutrola على صور الطعام من عشرات المأكولات حول العالم، بما في ذلك الطهي المنزلي الياباني. يمكنه التمييز بين الأطباق المتشابهة بصريًا مثل الأودون والرامين، وتحديد مكونات مثل التوفو والواكامي في حساء الميسو، وتوفير بيانات غذائية موثقة للأطباق التقليدية مثل الأويكيدون، النيمونو، والتشاونموشي. لا يتجه النموذج إلى فئات "طعام آسيوي" العامة. بل يتعرف على الأطباق والمكونات المحددة.
كيف تقارن قاعدة بيانات Nutrola الدولية بـ MyFitnessPal أو CalAI؟
تستمد قاعدة بيانات Nutrola التي تضم أكثر من 1,000,000 طعام موثق من السلطات الغذائية في أكثر من 40 دولة، بما في ذلك جداول MEXT اليابانية، ومجموعة McCance وWiddowson في المملكة المتحدة، وUSDA، وEuroFIR. على عكس قاعدة بيانات MyFitnessPal المستندة إلى المستخدمين، كل إدخال في Nutrola موثق من حيث الدقة. يركز CalAI بشكل أساسي على التعرف على الصور ولا يحتفظ بنفس عمق البيانات الغذائية الموثقة، خاصة للمأكولات غير الغربية. بالنسبة للمغتربين وآكلي الطعام متعدد الثقافات، توفر Nutrola تغطية أوسع وأكثر دقة بشكل كبير.
هل يتتبع Nutrola المغذيات الدقيقة مثل اليود والسيلينيوم التي تعتبر مهمة للمغتربين الذين يغيرون أنظمتهم الغذائية؟
يتتبع Nutrola أكثر من 100 عنصر غذائي، بما في ذلك المعادن النادرة مثل اليود والسيلينيوم والزنك والمنغنيز التي تتجاهلها معظم تطبيقات تتبع السعرات الحرارية. هذه ميزة قيمة بشكل خاص للمغتربين الذين يمكن أن تتغير مدخولهم من المغذيات الدقيقة بشكل كبير عند تغيير البلدان والمأكولات. كما أن تدريب الذكاء الاصطناعي في Nutrola يبرز أيضًا الاتجاهات المتدهورة في المغذيات ويقترح أطعمة أو وصفات محددة لمعالجة الفجوات، مما يجعلها الخيار الأكثر شمولاً للأشخاص الذين يتنقلون بين التحولات الغذائية.
هل يمكن لـ Nutrola التعامل مع تسجيل الصوت لأسماء الأطباق اليابانية المنطوقة باللغة الإنجليزية؟
تتفهم ميزة تسجيل الصوت في Nutrola أسماء الأطباق اليابانية المنطوقة باللغة الإنجليزية، مثل "أويكيدون"، "إدامامي"، أو "ياكيسوبا"، وتربطها بشكل صحيح بإدخالات قاعدة البيانات الموثقة. كما أنها تتعامل مع تسجيل الوجبات المختلطة، لذا يمكنك أن تقول شيئًا مثل "تناولت أونيغيري على الإفطار وفطيرة الراعي على الغداء" في جملة واحدة، وسيتعرف Nutrola على كلا العنصرين ويسجلهما بدقة. يجعل هذا الأمر أسرع بكثير من البحث اليدوي لآكلي الطعام متعدد اللغات أو الثقافات.
هل Nutrola أفضل من Cronometer لتتبع الأطعمة الدولية؟
يُعتبر Cronometer جيدًا لعمق المغذيات الدقيقة وبياناته المعتمدة على المختبر، لكن تغطيته للبيانات تميل بشكل كبير نحو الأطعمة الأمريكية والأوروبية. بالنسبة للمأكولات اليابانية أو جنوب شرق آسيا أو الشرق الأوسط أو الأفريقية، تقدم Nutrola تغطية أوسع بكثير مع إدخالات مستمدة من قواعد بيانات تكوين الطعام الوطنية في تلك المناطق. إذا كنت تتناول الطعام بشكل أساسي من الأطعمة الغربية، فإن كلا التطبيقين يعملان بشكل جيد. إذا كنت تأكل عبر عدة مطابخ بانتظام، فإن Nutrola توفر تجربة أكثر اكتمالاً ودقة.
كيف ساعدت Nutrola يوكِي في الحفاظ على أهدافها الغذائية كمغتربة في لندن؟
ساعدت Nutrola يوكِي بثلاث طرق محددة. أولاً، كانت قاعدة بياناتها الموثقة عالميًا تعني أنها تستطيع تسجيل كل من الطهي المنزلي الياباني والوجبات البريطانية بدقة دون الحاجة إلى إدخال المكونات يدويًا. ثانيًا، كشف تتبعها لأكثر من 100 عنصر غذائي أن تناولها لليود والسيلينيوم قد انخفض بشكل كبير بعد الانتقال، مما سمح لها بتصحيح النقص قبل أن يتسبب في مشاكل صحية. ثالثًا، تكيف تدريب الذكاء الاصطناعي مع نمط تناولها المختلط، مما قدم اقتراحات شخصية تحترم كل من تقاليد الطعام اليابانية وبيئتها البريطانية الجديدة. حافظت على وزنها ضمن 2 كيلوغرام من هدفها طوال عامها الأول في لندن.
مستعد لتحويل تتبع تغذيتك؟
انضم إلى الآلاف الذين حولوا رحلتهم الصحية مع Nutrola!
