क्या Gemini AI आपके कैलोरी को ट्रैक कर सकता है? हमने इसे एक समर्पित ऐप के खिलाफ परीक्षण किया
हमने Gemini और ChatGPT से 30 भोजन के लिए कैलोरी का अनुमान लगाने को कहा, फिर परिणामों की तुलना Nutrola और वजन किए गए खाद्य संदर्भों से की। सटीकता का अंतर अपेक्षा से बड़ा था।
जैसे-जैसे AI चैटबॉट हमारे दैनिक जीवन का हिस्सा बनते जा रहे हैं, एक स्वाभाविक सवाल उठता है: क्या आप Gemini या ChatGPT से अपने कैलोरी ट्रैक करने के लिए कह सकते हैं, बजाय एक समर्पित पोषण ऐप के? हमने इसका सीधा परीक्षण किया। दो हफ्तों में, हमने Google Gemini और OpenAI ChatGPT से 30 विभिन्न भोजन के कैलोरी और मैक्रोन्यूट्रिएंट्स की सामग्री का अनुमान लगाने को कहा, जो साधारण एक-घटक खाद्य पदार्थों से लेकर जटिल रेस्तरां के व्यंजनों तक फैले हुए थे। हमने उनके अनुमान की तुलना दो मानकों से की: Nutrola के सत्यापित खाद्य डेटाबेस प्रविष्टियों और USDA FoodData Central मानों का उपयोग करके वजन किए गए खाद्य संदर्भों से।
परिणाम बताते हैं कि सामान्य प्रयोजन AI चैटबॉट्स का पोषण ट्रैकिंग के लिए उपयोग करने में मौलिक सीमाएँ हैं, जो संरचनात्मक हैं, अस्थायी नहीं, यानी भविष्य के मॉडल अपडेट द्वारा इन्हें पूरी तरह से हल करने की संभावना नहीं है।
क्या मैं Gemini का उपयोग कैलोरी गिनने के लिए कर सकता हूँ?
आप Gemini से एक भोजन में कैलोरी का अनुमान लगाने के लिए पूछ सकते हैं, और यह आपको एक उत्तर देगा। सवाल यह है कि क्या वह उत्तर सटीक और लगातार है ताकि वास्तविक आहार प्रबंधन का समर्थन कर सके। हमारे परीक्षण के आधार पर, उत्तर है नहीं, किसी भी उपयोग के मामले के लिए जो विश्वसनीयता की आवश्यकता करता है।
परीक्षण की विधि: हमने 30 भोजन तैयार किए या खरीदे, जो विभिन्न जटिलताओं को कवर करते हैं। प्रत्येक भोजन को एक कैलिब्रेटेड किचन स्केल पर तौला गया, और संदर्भ कैलोरी मान USDA FoodData Central पोषण डेटा का उपयोग करके गणना की गई। फिर हमने प्रत्येक भोजन का वर्णन Gemini (Google का AI सहायक) को प्राकृतिक भाषा में किया, जैसे कि एक वास्तविक उपयोगकर्ता करेगा, और इसके कैलोरी अनुमान को रिकॉर्ड किया। हमने उसी परीक्षण को ChatGPT (GPT-4o) के साथ चलाया और प्रत्येक भोजन को Nutrola में फोटो पहचान और डेटाबेस लुकअप का उपयोग करके लॉग किया।
सटीकता की परिभाषा: हमने एक अनुमान को "सटीक" माना यदि यह वजन किए गए संदर्भ मान के 10 प्रतिशत के भीतर था, जो आहार मूल्यांकन अनुसंधान में उपयोग किया जाने वाला एक मानक सीमा है (Subar et al., The Journal of Nutrition, 2015)।
AI चैटबॉट्स कैलोरी गिनती में कितने सटीक हैं?
परिणाम भोजन श्रेणियों में लगातार थे: सामान्य प्रयोजन AI चैटबॉट्स मोटे तौर पर अनुमान प्रदान करते हैं जो कैलोरी-नियंत्रित आहारों के लिए पर्याप्त विश्वसनीय नहीं हैं।
| मैट्रिक | Gemini | ChatGPT (GPT-4o) | Nutrola | वजन किया गया संदर्भ |
|---|---|---|---|---|
| संदर्भ के 10% के भीतर भोजन | 11/30 (37%) | 13/30 (43%) | 25/30 (83%) | 30/30 (100%) |
| औसत निरपेक्ष त्रुटि | 127 kcal | 108 kcal | 38 kcal | 0 kcal |
| औसत प्रतिशत त्रुटि | 22.4% | 18.6% | 6.1% | 0% |
| सबसे बड़ा एकल अधिक अनुमान | +340 kcal (पास्ता डिश) | +285 kcal (स्टर फ्राई) | +95 kcal (रेस्तरां का भोजन) | N/A |
| सबसे बड़ा एकल कम अनुमान | -290 kcal (ड्रेसिंग के साथ सलाद) | -315 kcal (ग्रेनोला बाउल) | -72 kcal (घरेलू सूप) | N/A |
| बार-बार पूछे गए प्रश्नों में लगातार | नहीं (50-200 kcal के बीच भिन्न) | नहीं (30-150 kcal के बीच भिन्न) | हाँ (डेटाबेस-लॉक) | N/A |
मुख्य निष्कर्ष: प्रति भोजन 108 से 127 कैलोरी की औसत निरपेक्ष त्रुटि का अर्थ है कि तीन भोजन प्रति दिन में 324 से 381 कैलोरी का संचयी त्रुटि हो सकती है। यदि कोई व्यक्ति वजन घटाने के लिए 500 कैलोरी की कमी का लक्ष्य रखता है, तो इस स्तर की गलतफहमी उनके लक्षित कमी का 65 से 76 प्रतिशत समाप्त कर सकती है, जिससे प्रगति रुक जाती है।
AI चैटबॉट्स कैलोरी गिनती में गलतियाँ क्यों करते हैं?
हमने जो त्रुटियाँ देखी थीं, वे यादृच्छिक नहीं थीं। वे पूर्वानुमानित पैटर्न का पालन करती थीं जो पोषण अनुमान के लिए बड़े भाषा मॉडल के उपयोग की संरचनात्मक सीमाओं को उजागर करती हैं।
समस्या 1: कोई सत्यापित डेटाबेस नहीं। Gemini और ChatGPT जब आपसे कैलोरी अनुमान के लिए पूछते हैं, तो वे खाद्य पदार्थों को एक संरचित पोषण डेटाबेस में नहीं देखते हैं। वे अपने प्रशिक्षण डेटा में पैटर्न के आधार पर प्रतिक्रियाएँ उत्पन्न करते हैं, जिसमें सटीक USDA डेटा, उपयोगकर्ता-जनित सामग्री, खाद्य ब्लॉग के अनुमान और विपणन सामग्री का मिश्रण शामिल है। एक ही खाद्य पदार्थ के लिए इन स्रोतों में कैलोरी मान बहुत भिन्न हो सकते हैं, और मॉडल के पास यह पहचानने का कोई तंत्र नहीं है कि कौन सा स्रोत सही है।
Nutrola और अन्य समर्पित पोषण ऐप्स सत्यापित खाद्य डेटाबेस का उपयोग करते हैं। Nutrola का डेटाबेस 1.8 मिलियन से अधिक प्रविष्टियों का संग्रह है, जो USDA FoodData Central, निर्माता पोषण लेबल और स्वतंत्र प्रयोगशाला विश्लेषण के खिलाफ क्रॉस-रेफरेंस किया गया है। जब आप "चिकन ब्रेस्ट, ग्रिल्ड, 150g" लॉग करते हैं, तो जो मान लौटाया जाता है वह एक सत्यापित डेटा बिंदु है, न कि इंटरनेट पर चिकन के बारे में कहे गए सभी चीजों का सांख्यिकीय औसत।
समस्या 2: कोई भाग आकार की आधारभूत जानकारी नहीं। जब आप AI चैटबॉट को बताते हैं कि आपने "पास्ता का एक कटोरा" खाया, तो उसे यह अनुमान लगाना होगा कि "एक कटोरा" का क्या अर्थ है। क्या यह 200 ग्राम पके हुए पास्ता का है या 400 ग्राम? अंतर 250 कैलोरी या अधिक है। AI चैटबॉट सांस्कृतिक रूप से औसत भाग के अनुमानों पर डिफॉल्ट करते हैं जो आपके वास्तविक सर्विंग से मेल नहीं खा सकते।
हमारे परीक्षण में, भाग आकार की गलत गणना सबसे बड़ी त्रुटि का स्रोत थी। Gemini ने एक ग्रेनोला बाउल का अनुमान 210 कैलोरी कम किया क्योंकि उसने उस सर्विंग को छोटे आकार का माना जो वास्तव में खाया गया था। ChatGPT ने एक स्टर फ्राई का अनुमान 285 कैलोरी अधिक किया क्योंकि उसने रेस्तरां के आकार के हिस्से का अनुमान लगाया जबकि भोजन घर का बना था।
Nutrola इस समस्या का समाधान कई तंत्रों के माध्यम से करता है: बारकोड स्कैनिंग सीधे निर्माता द्वारा सूचीबद्ध सर्विंग आकार से जुड़ती है, AI फोटो पहचान छवि से भाग के आकार का अनुमान लगाती है, और उपयोगकर्ता अधिकतम सटीकता के लिए किचन स्केल का उपयोग करके ग्राम में भागों को समायोजित कर सकते हैं।
समस्या 3: सत्रों के बीच कोई मेमोरी नहीं। यह शायद निरंतर कैलोरी ट्रैकिंग के लिए सबसे मौलिक सीमा है। AI चैटबॉट्स यह नहीं रखते कि आपने क्या खाया है। प्रत्येक बातचीत शून्य से शुरू होती है। कोई दैनिक कुल नहीं है, कोई साप्ताहिक प्रवृत्ति नहीं है, कोई चलती मैक्रोन्यूट्रिएंट ब्रेकडाउन नहीं है।
प्रभावी कैलोरी ट्रैकिंग के लिए संचयी डेटा की आवश्यकता होती है। आपको न केवल अपने दोपहर के भोजन में कैलोरी जानने की आवश्यकता है, बल्कि आपके चल रहे दैनिक कुल, आपके साप्ताहिक औसत, आपके मैक्रोन्यूट्रिएंट विभाजन और समय के साथ आपके वजन की प्रवृत्ति भी जानने की आवश्यकता है। एक चैटबॉट अलग-अलग बिंदु अनुमान प्रदान करता है जिनमें कोई निरंतरता नहीं होती है।
समस्या 4: समान प्रश्नों के लिए असंगत अनुमान। हमने Gemini और ChatGPT से एक ही भोजन के विवरण के लिए तीन बार अलग-अलग दिनों में कैलोरी का अनुमान लगाने के लिए कहा। परिणामों में 50 से 200 कैलोरी का अंतर था। "मध्यम सीज़र सलाद ग्रिल्ड चिकन के साथ" ने Gemini से तीन अलग-अलग वार्तालापों में 380, 450 और 520 कैलोरी के अनुमान लौटाए। यह असंगति भाषा मॉडल के उत्तर उत्पन्न करने के तरीके में अंतर्निहित है। वे संभाव्य पाठ जनरेटर हैं, डेटाबेस लुकअप सिस्टम नहीं।
समस्या 5: काल्पनिक पोषण डेटा। 30 भोजन के अनुमान में से 4 में, ChatGPT ने विशिष्ट लेकिन निर्मित पोषण ब्रेकडाउन प्रदान किया। उदाहरण के लिए, उसने कहा कि एक विशेष ब्रांड का प्रोटीन बार 22g प्रोटीन और 210 कैलोरी में है, जबकि वास्तविक लेबल में 20g प्रोटीन और 190 कैलोरी है। ये संख्याएँ इतनी करीब थीं कि यह विश्वसनीय लगती थीं लेकिन समय के साथ महत्वपूर्ण रूप से गलत थीं। इस घटना को AI अनुसंधान में हॉल्यूसीनेशन कहा जाता है, जो पोषण में विशेष रूप से खतरनाक है क्योंकि त्रुटियाँ प्राधिकृत लगती हैं।
क्या ChatGPT कैलोरी गिनती में सटीक है?
हमारे परीक्षण में ChatGPT ने Gemini की तुलना में थोड़ा बेहतर प्रदर्शन किया, जिसमें 43 प्रतिशत अनुमान संदर्भ के 10 प्रतिशत के भीतर थे, जबकि Gemini के लिए यह 37 प्रतिशत था। हालांकि, यह अंतर व्यावहारिक रूप से महत्वपूर्ण नहीं है। दोनों चैटबॉट विश्वसनीय आहार प्रबंधन के लिए आवश्यक सटीकता के स्तर से बहुत नीचे हैं।
आहार मूल्यांकन उपकरणों के लिए शैक्षणिक मानक, जैसे कि Subar et al. और Thompson et al. द्वारा राष्ट्रीय कैंसर संस्थान में परिभाषित किया गया है, यह आवश्यक है कि एक उपकरण 10 प्रतिशत से कम औसत त्रुटि दिखाए ताकि इसे व्यक्तिगत स्तर पर आहार निगरानी के लिए मान्य माना जा सके। दोनों चैटबॉट इस सीमा को बड़े पैमाने पर पार करते हैं।
ChatGPT का Gemini पर लाभ आम अमेरिकी खाद्य पदार्थों के लिए थोड़े बेहतर भाग आकार के अनुमानों से प्रतीत होता है, जो संभवतः इसके प्रशिक्षण डेटा की संरचना को दर्शाता है। अंतरराष्ट्रीय खाद्य पदार्थों, क्षेत्रीय व्यंजनों और घरेलू भोजन के लिए, दोनों मॉडलों की सटीकता में काफी गिरावट आई।
AI चैटबॉट बनाम पोषण ऐप: डाइट ट्रैकिंग के लिए पूर्ण तुलना
कच्ची सटीकता के अलावा, एक चैटबॉट और एक समर्पित पोषण ऐप के बीच कार्यात्मक भिन्नताएँ कई आयामों में फैली हुई हैं जो वास्तविक दुनिया की उपयोगिता को प्रभावित करती हैं।
| विशेषता | Gemini / ChatGPT | Nutrola |
|---|---|---|
| कैलोरी सटीकता (वजन किए गए संदर्भ के मुकाबले) | 18-22% औसत त्रुटि | 6% औसत त्रुटि |
| सत्यापित खाद्य डेटाबेस | नहीं | हाँ, 1.8M+ प्रविष्टियाँ |
| बारकोड स्कैनिंग | नहीं | हाँ |
| फोटो-आधारित खाद्य पहचान | सीमित (अपलोड की आवश्यकता) | अंतर्निहित AI पहचान |
| वॉयस लॉगिंग | अप्रत्यक्ष (वॉयस-टू-टेक्स्ट) | मूल वॉयस खाद्य लॉगिंग |
| निरंतर दैनिक लॉग | नहीं | हाँ, स्वचालित |
| चलती दैनिक/साप्ताहिक कुल | नहीं (हाथ से जोड़ना आवश्यक) | हाँ, वास्तविक समय में |
| मैक्रोन्यूट्रिएंट ब्रेकडाउन | प्रश्न के अनुसार अनुमानित | प्रति खाद्य, दैनिक, साप्ताहिक ट्रैक किया गया |
| माइक्रोन्यूट्रिएंट ट्रैकिंग | असंगत | 100+ पोषक तत्व |
| वजन प्रवृत्ति ट्रैकिंग | नहीं | हाँ, ग्राफिंग के साथ |
| Apple Watch एकीकरण | नहीं | हाँ |
| अनुकूलनशील कैलोरी लक्ष्य | नहीं | हाँ, आपके रुझानों के अनुसार समायोजित |
| लगातार अनुमान | नहीं (प्रश्न के अनुसार भिन्न) | हाँ (डेटाबेस-लॉक) |
| ऑफलाइन एक्सेस | नहीं | हाँ |
| लागत | मुफ्त (उन्नत के लिए सदस्यता के साथ) | €2.50/महीने से |
| विज्ञापन | प्लेटफ़ॉर्म के अनुसार भिन्न | शून्य विज्ञापन |
पोषण में AI चैटबॉट्स किसके लिए अच्छे हैं?
कैलोरी ट्रैकिंग के लिए उनकी सीमाओं के बावजूद, सामान्य प्रयोजन AI चैटबॉट्स के पास वैध पोषण उपयोग के मामलों हैं जिन्हें मान्यता दी जानी चाहिए।
सामान्य पोषण शिक्षा। Gemini या ChatGPT से संतृप्त और असंतृप्त वसा के बीच का अंतर समझाने के लिए पूछने पर, या प्रोटीन संश्लेषण कैसे काम करता है, आमतौर पर सटीक और सुव्यवस्थित प्रतिक्रियाएँ उत्पन्न होती हैं। स्थापित वैज्ञानिक सहमति वाले वैचारिक प्रश्नों के लिए, AI चैटबॉट्स अच्छा प्रदर्शन करते हैं।
भोजन विचार उत्पन्न करना। चैटबॉट्स "500 कैलोरी के तहत चिकन और ब्रोकोली के साथ उच्च प्रोटीन भोजन" जैसे प्रतिबंधों के आधार पर व्यंजन विचार उत्पन्न करने में उत्कृष्ट होते हैं। विशिष्ट कैलोरी गिनती सटीक नहीं हो सकती है, लेकिन भोजन के विचार उपयोगी प्रारंभिक बिंदु होते हैं।
आहार पैटर्न की तुलना। चैटबॉट से भूमध्यसागरीय, कीटो, और पौधों पर आधारित आहार की तुलना करने के लिए पूछने पर, प्रत्येक दृष्टिकोण के लिए सबूतों का उचित सारांश मिलता है।
जहाँ चैटबॉट असफल होते हैं, वह है दैनिक कैलोरी और पोषक तत्व ट्रैकिंग का मात्रात्मक, निरंतर और सटीकता-निर्भर कार्य। यह एक डेटाबेस और लॉगिंग समस्या है, न कि भाषा उत्पादन समस्या।
क्यों समर्पित पोषण ऐप्स सामान्य AI चैटबॉट्स से बेहतर प्रदर्शन करते हैं
मुख्य कारण आर्किटेक्चरल है। एक पोषण ट्रैकिंग ऐप एक संरचित डेटाबेस, एक निरंतर उपयोगकर्ता प्रोफ़ाइल, और संचय तर्क के चारों ओर बनाया गया है। एक AI चैटबॉट एक भाषा मॉडल से अगले-टोकन भविष्यवाणी के चारों ओर बनाया गया है। ये मौलिक रूप से अलग उपकरण हैं जो मौलिक रूप से अलग कार्यों के लिए अनुकूलित हैं।
निरंतरता। Nutrola हर खाद्य पदार्थ का एक पूरा रिकॉर्ड बनाए रखता है जिसे आप लॉग करते हैं, आपके दैनिक और साप्ताहिक कुल, आपके मैक्रोन्यूट्रिएंट प्रवृत्तियाँ, और आपके शरीर के वजन का इतिहास। यह दीर्घकालिक डेटा ही कैलोरी ट्रैकिंग को प्रभावी बनाता है। एक एकल बिंदु कैलोरी अनुमान, चाहे कितना भी सटीक हो, आपके दैनिक कुल और साप्ताहिक पैटर्न के संदर्भ के बिना बेकार है।
सत्यापित डेटा। Nutrola में "Chobani Greek Yogurt, Plain, 150g" के लिए एक डेटाबेस प्रविष्टि निर्माता के पोषण लेबल से प्राप्त की जाती है और USDA मानकों के खिलाफ सत्यापित की जाती है। जब एक चैटबॉट उसी आइटम का अनुमान लगाता है, तो यह हजारों वेब स्रोतों से भिन्न विश्वसनीयता की जानकारी का औसत निकालता है, जिससे एक संभावित लेकिन सत्यापित संख्या उत्पन्न होती है।
वियरेबल एकीकरण। Apple Watch डेटा सीधे Nutrola में फीड होता है, जो सटीक गतिविधि कैलोरी अनुमान प्रदान करता है जो खाद्य लॉगिंग के साथ मिलकर शुद्ध ऊर्जा संतुलन की गणना करता है। कोई चैटबॉट आपके पहनने योग्य डेटा तक पहुँच नहीं सकता है ताकि आपके वास्तविक दैनिक आंदोलन के आधार पर कैलोरी अनुशंसाएँ समायोजित की जा सकें।
गति और सुविधा। अपने प्लेट के फोटो लेना, बारकोड स्कैन करना, या अपने भोजन को बोलना 30 सेकंड से कम समय लेता है। चैटबॉट को एक विस्तृत भोजन विवरण टाइप करना, प्रतिक्रिया का इंतजार करना, फिर कहीं अनुमान को मैन्युअल रूप से रिकॉर्ड करना काफी अधिक समय लेता है और कम सटीक परिणाम उत्पन्न करता है।
क्या AI चैटबॉट्स इतनी प्रगति कर सकते हैं कि वे पोषण ऐप्स को बदल दें?
यह एक मौलिक आर्किटेक्चर का सवाल है, केवल मॉडल की क्षमता का नहीं। भले ही कैलोरी अनुमान की सटीकता पूरी तरह से सही हो (जो वर्तमान मॉडल हासिल करने से बहुत दूर हैं), AI चैटबॉट्स अब भी निरंतर लॉगिंग, संचयी ट्रैकिंग, पहनने योग्य एकीकरण, और संरचित डेटाबेस सत्यापन की कमी रखेंगे जो पोषण ट्रैकिंग की आवश्यकता होती है।
भविष्य में AI सिस्टम सिद्धांत रूप में इन सुविधाओं को शामिल कर सकते हैं। लेकिन उस बिंदु पर, वे मूल रूप से एक बातचीत इंटरफ़ेस के साथ पोषण ऐप्स होंगे, न कि सामान्य प्रयोजन के चैटबॉट्स। जो सुविधाएँ कैलोरी ट्रैकिंग को काम करती हैं, एक सत्यापित डेटाबेस, निरंतर उपयोगकर्ता लॉग, उपकरण एकीकरण, अनुकूलनशील एल्गोरिदम, ये इंजीनियरिंग सिस्टम हैं, न कि भाषा क्षमताएँ।
सबसे संभावित भविष्य यह नहीं है कि "चैटबॉट्स पोषण ऐप्स को बदलते हैं" बल्कि "पोषण ऐप्स बातचीत AI को शामिल करते हैं।" यह पहले से ही हो रहा है। Nutrola की AI-संचालित फोटो पहचान और वॉयस लॉगिंग संरचित विश्वसनीयता के साथ बातचीत के इंटरैक्शन की सुविधा लाती है। आपको AI से बात करने की स्वाभाविक बातचीत मिलती है, साथ ही एक उद्देश्य-निर्मित ट्रैकिंग प्रणाली की सटीकता और निरंतरता भी।
जब आप AI से अपने कैलोरी ट्रैक करने के लिए कहते हैं तो क्या होता है?
व्यावहारिक अंतर को स्पष्ट करने के लिए, यहाँ प्रत्येक दृष्टिकोण के साथ कैलोरी ट्रैकिंग का एक सामान्य दिन कैसा दिखता है।
Gemini या ChatGPT का उपयोग करते समय: आप चैटबॉट से अपने नाश्ते का अनुमान लगाने के लिए कहते हैं। यह आपको एक संख्या देता है। आप इसे कहीं लिखते हैं या इसे याद रखने की कोशिश करते हैं। दोपहर के भोजन में, आप एक नई बातचीत शुरू करते हैं (चैटबॉट नाश्ते को याद नहीं रखता) और एक और अनुमान प्राप्त करते हैं। आप दोनों संख्याओं को मानसिक रूप से जोड़ते हैं। रात के खाने तक, आपके पास एक मोटा चल रहा कुल होता है जो 200 से 400 कैलोरी से भिन्न हो सकता है, और आपके पास कोई मैक्रोन्यूट्रिएंट ब्रेकडाउन नहीं है, कोई निरंतर रिकॉर्ड नहीं है, और कोई साप्ताहिक प्रवृत्ति नहीं है।
Nutrola का उपयोग करते समय: आप अपने नाश्ते की फोटो लेते हैं। AI खाद्य पदार्थों को पहचानता है, उन्हें सत्यापित डेटाबेस प्रविष्टियों से मेल करता है, और स्वचालित रूप से लॉग करता है। आपका दैनिक कुल वास्तविक समय में अपडेट होता है। दोपहर के भोजन में, आप अपने सैंडविच के पैकेजिंग पर बारकोड स्कैन करते हैं, और सटीक निर्माता पोषण डेटा आपके लॉग में जोड़ा जाता है। रात के खाने तक, आपके पास एक सटीक चल रहा कुल, एक मैक्रोन्यूट्रिएंट ब्रेकडाउन, और एक भोजन इतिहास होता है जो आपके साप्ताहिक और मासिक रुझानों में योगदान करता है। आपका कैलोरी लक्ष्य आपके Apple Watch से समन्वयित आपके वास्तविक वजन प्रवृत्ति डेटा के आधार पर समायोजित होता है।
अंतर सूक्ष्म नहीं है। यह एक अनुमान और एक प्रणाली के बीच का अंतर है।
मुख्य निष्कर्ष
सामान्य प्रयोजन AI चैटबॉट्स जैसे Gemini और ChatGPT कई कार्यों के लिए प्रभावशाली उपकरण हैं, लेकिन कैलोरी ट्रैकिंग उनमें से एक नहीं है। हमारे 30 भोजन के परीक्षण में प्रति भोजन 108 से 127 कैलोरी की औसत त्रुटियाँ, बार-बार पूछे गए प्रश्नों के बीच असंगत परिणाम, कोई निरंतर लॉगिंग क्षमता, और खाद्य डेटाबेस या पहनने योग्य उपकरणों के साथ कोई एकीकरण नहीं पाया गया। ये सीमाएँ संरचनात्मक हैं, तात्कालिक नहीं। ये एक भाषा मॉडल और एक पोषण ट्रैकिंग प्रणाली के बीच मौलिक अंतर से उत्पन्न होती हैं।
जो कोई भी अपनी पोषण का प्रबंधन करने के लिए गंभीर है, उसके लिए एक सत्यापित डेटाबेस, निरंतर लॉगिंग, और अनुकूलनशील लक्ष्यों के साथ एक समर्पित ऐप आवश्यक है। Nutrola AI-संचालित सुविधा (फोटो पहचान, वॉयस लॉगिंग, बारकोड स्कैनिंग) को एक संरचित पोषण प्लेटफॉर्म की सटीकता और निरंतरता के साथ जोड़ता है, सभी €2.50 प्रति माह में और बिना किसी विज्ञापन के। कैलोरी ट्रैकिंग के मामले में, सवाल यह नहीं है कि क्या AI शामिल है। सवाल यह है कि क्या AI उस कार्य के लिए सही आर्किटेक्चर द्वारा समर्थित है।
क्या आप अपने पोषण ट्रैकिंग को बदलने के लिए तैयार हैं?
उन हजारों में शामिल हों जिन्होंने Nutrola के साथ अपनी स्वास्थ्य यात्रा को बदल दिया!
