Beslenmeyi Takip Etmek: Yabancı Dil Olarak İngilizce Konuşanlar için Çok Dilli AI Gıda Tanıma

Ailenizle akşam yemeğinden sonra bir kalori takip uygulamasını açtığınızı hayal edin. Bu akşam dal makhani ve jeera pirinci yaptınız, yanında bir salatalık raita ve içecek olarak mango lassi var. Arama çubuğuna "dal" yazıyorsunuz. Uygulama "Dole Banana" ve "Dale's Seasoning" öneriyor. Bunun yerine "mercimek köri" deniyorsunuz, ama bulduğunuz genel bir girişin kalori sayısı yanlış görünüyor ve pes ediyorsunuz. Yarın hiç kaydetmeyeceksiniz.

Bu, önemsiz bir rahatsızlık değil. Dünyada yüz milyonlarca insanı etkileyen yapısal bir sorun. Beslenme takip uygulamalarının büyük çoğunluğu İngilizce olarak tasarlandı, İngilizce dilindeki gıda veritabanlarına dayanıyor ve İngilizce konuşan kullanıcılar tarafından test edildi. Eğer günlük yemekleriniz Batılı bir marketin kelime dağarcığına tam olarak uymuyorsa, kalori takip ekosisteminin tamamına erişiminiz etkili bir şekilde engelleniyor.

2026 yılında çok dilli AI gıda tanıma bu sorunu nihayet çözüyor. Bu makale, dil engelinin nasıl çalıştığını, neden çoğu insanın fark ettiğinden daha önemli olduğunu ve teknolojinin bunu nasıl ortadan kaldırdığını açıklıyor.

---

Sorunun Ölçeği

İngilizce Beslenme Verilerinde Dominant

Dünyanın en büyük iki gıda bileşim veritabanı USDA FoodData Central ve UK Nutrient Databank'tır. Her ikisi de İngilizce'dir. Her ikisi de Amerika Birleşik Devletleri ve Birleşik Krallık'ta yaygın olarak tüketilen gıdalar etrafında yapılandırılmıştır. Uygulama geliştiricileri bu veritabanlarının üzerine ürünlerini inşa ettiklerinde, ortaya çıkan deneyim Ohio'da bir hindi sandviçi yiyen biri için iyi çalışırken, Lagos'ta jollof pirinci yiyen ya da Chiang Mai'de khao soi tüketen biri için tamamen başarısız olmaktadır.

Ethnologue'a göre, dünyada yaklaşık 7,168 yaşayan dil bulunmaktadır. İngilizce, yaklaşık 380 milyon insanın anadilidir. Ancak, beslenme verileri altyapısında o kadar baskındır ki, Mandarin (dünyanın en çok konuşulan anadili, 920 milyondan fazla yerli konuşuru var) konuşanlar bile genellikle yemeklerini İngilizce aramak zorunda kalmaktadır.

Sayılar Hikayeyi Anlatıyor

Nutrola'nın iç verilerinden bazı istatistikleri göz önünde bulundurun:

• Anadilinde takip yapan kullanıcılar günde ortalama 2.8 öğün kaydederken, ikinci bir dilde arama yapmak zorunda kalan kullanıcılar günde ortalama 1.9 öğün kaydediyor.
• 30 günde kullanıcıların uygulama ile etkileşim oranı, anadilinde etkileşimde bulunanlar arasında %41 daha yüksektir.
• Tek bir öğünü kaydetme süresi, gıda veritabanı kullanıcının anadilini desteklediğinde 97 saniyeden 34 saniyeye düşmektedir.

Bu küçük farklar değil. Bu, çalışan bir araç ile terk edilen bir araç arasındaki farkı temsil ediyor.

---

Neden İngilizce Merkezli Veritabanları Uluslararası Gıdaları Kaçırıyor

Sorun, çeviriden daha derin. Milyarlarca insanın her gün yediği birçok gıda, İngilizce dilindeki veritabanlarında basitçe mevcut değildir ve isminin çevrilmesi, temel veri açığını çözmez.

Çevrilemeyen Gıdalar

Bazı yemekler, İngilizce konuşan gıda kültürlerinde doğrudan karşılığı olmayan hazırlama yöntemlerini, dokuları veya malzeme kombinasyonlarını tanımladıkları için İngilizce'ye çevrilmekte zorlanır.

Dal iyi bir örnektir. İngilizce veritabanlarında "mercimek çorbası" bulabilirsiniz. Ancak dal çorba değildir. Bölgeye bağlı olarak, dal ince, sulu bir rasamdan kalın, tereyağlı bir dal makhaniye veya kuru bir hazırlama olan dal fry'a kadar değişebilir. Her biri dramatik şekilde farklı kalori yoğunluğuna sahiptir. Tek bir genel "mercimek çorbası" girişi bu aralığı yakalayamaz.

Mochi benzer bir zorluk sunar. Bazen "pirinç keki" olarak çevrilir, ancak bu terim İngilizce'de sağlıklı gıda dükkanlarında satılan şişkin, strafor benzeri diskleri çağrıştırır. Japon mochi, Amerikan pirinç kekinin yaklaşık üç ila dört katı kalori yoğunluğuna sahip yoğun, yapışkan bir pirinç hazırlamasıdır. Yanlış olanı kaydetmek, kalori sayınızı birkaç yüz kalori kadar yanlış yapar.

Arepa, "mısır keki" veya "mısır ekmeği" olarak tanımlanır, ancak bu terim gerçek hazırlamayı yansıtmaz. Venezuelalı bir arepa, genellikle peynir, fasulye veya rendelenmiş etle doldurulmuş ızgara veya kızartılmış bir masa kekidir. Kalori içeriği, dolgu ve hazırlama yöntemine bağlı olarak 150'den 500'ün üzerine kadar değişebilir. Genel bir "mısır ekmeği" girişi her zaman yanlıştır.

Congee, çoğu İngilizce veritabanında "pirinç lapası" olarak etiketlenir. Ancak congee bölgeye göre büyük farklılıklar gösterir. Kanton tarzı congee, pirinç tanelerinin tamamen parçalandığı, pürüzsüz, düşük kalorili bir taban (toppings olmadan yaklaşık 50 kcal) elde etmek için pişirilir. Kore tarzı juk ise daha kalın ve yoğundur. Toppings --- yüzyıl yumurtası, domuz eti, kızarmış hamur çubukları, turşu sebzeler --- besin profilini tamamen değiştirir ve bunların hiçbiri İngilizce bir takip uygulamasında standart seçenekler olarak görünmez.

Borscht, genellikle "pancar çorbası" olarak basitleştirilir, bu da onu Ukrayna ve Rus evlerinde kalori yoğun bir ana yemek haline getiren ekşi krema, patates, lahana ve etin varlığını göz ardı eder. Tam bir borscht kasesi, smetana ve koyu ekmekle birlikte 600 kcal'yi aşabilir. Genel bir "pancar çorbası" girişi ise 120 kcal öneriyor.

Pupusa, Salvadorlu bir doldurulmuş mısır tortilasidir, ancak İngilizce veritabanında "doldurulmuş tortilla" olarak adlandırılması, özel masa hazırlamasını ve chicharron, loroco veya quesillo gibi yaygın dolguları göz ardı eder. Hiçbir İngilizce girişi bunu doğru bir şekilde yakalayamaz.

Injera, hem tabak hem de çatal bıçak olarak kullanılan Etiyopya ekşi mayalı düz ekmektir. Bazen "düz ekmek" olarak girilir, bu da naan'dan unlu bir tortillaya veya bir krakere kadar her şeyi kapsayan çok geniş bir kategoridir. Injera, teff unundan yapılır ve bu, buğday bazlı düz ekmeklerden daha yüksek demir ve kalsiyum içeriğine sahiptir; bu özellik, genel bir kategoriye dahil edildiğinde kaybolur.

Bileşik Hata Etkisi

Bir kullanıcı gerçek yiyeceğini bulamazsa ve "yakın bir" İngilizce girişi ile değiştirmek zorunda kalırsa, hata rastgele değildir. Sistematik bir durumdur. İngilizce konuşmayan ülkelerden gelen geleneksel diyetleri tüketen insanlar, yemeklerini sürekli olarak aynı yönde yanlış kaydeder; genellikle kalori yoğun hazırlamaları hafife alırken, daha hafif olanları abartırlar. Haftalar ve aylar boyunca bu hatalar birikir. Bir kullanıcı "tam olarak takip ettiğine" rağmen neden kilo veremediğini merak edebilir, oysa gerçek sorun uygulamanın ne yediğini anlayamamasıdır.

---

Çok Dilli AI Denklemi Nasıl Değiştiriyor

Geleneksel beslenme veritabanları metin tabanlıdır. Bir gıda adı yazarsınız, veritabanı eşleşme arar ve bir sonuç döner. Bu yaklaşım, İngilizce konuşmayanlar için iki ölümcül zayıflığa sahiptir: İngilizce adını bilmek gerekir ve İngilizce veritabanının doğru girişi içermesi gerekir.

Çok dilli AI gıda tanıma, her iki sorunu da iki paralel cephede aşar.

Görsel Tanıma: Dil Bağımsız Tanımlama

Bilgisayarlı görme modelleri kelimeleri okumaz. Piksel analiz ederler. Bir kullanıcı bir yemek tabağının fotoğrafını çektiğinde, AI modeli yemeği görsel özelliklere göre tanımlar --- renk, doku, şekil, düzen ve bağlam. Bir kâse pho, kullanıcı Vietce, Fransızca veya Svahili konuşsa da bir kâse pho gibi görünür.

Bu, temel bir değişimdir. İlk kez, tanımlama adımı tamamen dilden bağımsız hale gelmiştir. AI, kullanıcının hiçbir şey yazmasını gerektirmeden yemeği görür, tanır ve doğru besin verilerine eşler.

Modern gıda tanıma modelleri, dünya genelinden milyonlarca etiketlenmiş gıda görüntüsü üzerinde eğitilmiştir. Nutrola'nın görsel AI'sı, yerel varyasyonlar dahil olmak üzere 120'den fazla mutfaktan yemekler üzerinde eğitim almıştır. Sistem, bir fotoğraftan yalnızca Tay yeşil köri ile Tay massaman köri arasında ayrım yapabilir ve her birini kendi farklı besin profiline eşleyebilir.

Doğal Dil İşleme: Her Dili Anlama

Kullanıcılar yazdığında veya konuştuğunda, çok dilli doğal dil işleme (NLP) sistemi, girişleri onlarca dilde anlamasını sağlar. Seul'deki bir kullanıcı Korece "kimchi jjigae" yazabilir, Kahire'deki bir kullanıcı Arapça "koshari" diyebilir ve Sao Paulo'daki bir kullanıcı Portekizce "feijoada" arayabilir. AI, girişi orijinal dilinde ayrıştırır ve doğrudan doğru veritabanı girişine eşler --- İngilizce çeviri adımı gerekmez.

Bu, yiyeceğinizi İngilizce'ye çevirmek için zihinsel olarak çevirme sürecini ortadan kaldırır. Ayrıca, desteklenen herhangi bir dilde sesli kayıt yapmayı mümkün kılar, bu da sürtünmeyi önemli ölçüde azaltır. Yemeğinizin adını ana dilinizde söylemek, İngilizce bir arama arayüzünde dolaşmaktan daha hızlı ve doğaldır.

Kültürel Farkındalığa Sahip Porsiyon Tahmini

Çok dilli AI, kültürel bağlamı anlayarak porsiyon tahminini de geliştirir. Japonya'da, evde sunulan standart bir pirinç kâsesinin ağırlığı yaklaşık 150 gramdır. Amerika Birleşik Devletleri'nde, bir restoranda "pirinç kâsesi" genellikle 300 gram veya daha fazladır. Hindistan'da ise pirinç genellikle birden fazla yemekle birlikte servis edilir ve porsiyon, 200 gram pirinç, 150 gram dal ve 100 gram sabzi ile birlikte olabilir.

AI, kültürel bağlamı bildiğinde --- ya kullanıcının dili, konumu veya geçmiş kayıt kalıpları aracılığıyla --- doğru varsayılan porsiyon boyutlarını uygulayabilir. Bu, İngilizce merkezli uygulamaların uluslararası kullanıcılara dayattığı bir katman daha tahmin etme gereksinimini ortadan kaldırır.

---

Nutrola'nın Uluslararası Gıda Veritabanlarına Yaklaşımı

Çok dilli bir beslenme takipçisi oluşturmak, sadece bir İngilizce veritabanını diğer dillere çevirmek meselesi değildir. Nutrola'nın yaklaşımı, gıdayı kendisinden başlatır, İngilizce ismi üzerinden değil.

Bölgeye Özgü Beslenme Verileri

Nutrola, farklı bölgelerde hazırlanan aynı yemek için ayrı beslenme girişleri tutar. Uygulama, "kızarmış pirinç" için tek bir girişe sahip değildir. Çinli yumurtalı kızarmış pirinç, Endonezyalı nasi goreng, Tay khao pad, Japon chahan ve Nijeryalı kızarmış pirinç gibi girişleri vardır --- her biri, o bölgede tipik olarak kullanılan yağlar, proteinler ve baharatlara göre farklı kalori ve makro profilleri ile.

Bu veritabanı şu anda, Japonya'nın Gıda Bileşim Standart Tabloları, Hindistan'ın Hindistan Gıda Bileşim Tabloları, Meksika'nın INSP gıda veritabanı ve daha birçok kaynaktan elde edilen 1,000,000'dan fazla doğrulanmış gıda girişi içermektedir.

Yerel Beslenme Uzmanları Tarafından Doğrulanmış

Nutrola'nın veritabanındaki her bölgesel giriş, o gıda kültürüne ait yerel beslenme uzmanları tarafından gözden geçirilir. Japon diyetisyen, Japon mutfağı için girişleri doğrular. Meksikalı bir beslenme uzmanı, Meksika yemekleri için verileri onaylar. Bu uzman gözden geçirme katmanı, otomatik çeviri veya algoritmik tahminlerin kaçırabileceği hataları yakalar --- örneğin, Meksiko Şehri'ndeki "orta" bir tortilanın Oaxaca'daki "orta" bir tortiladan önemli ölçüde daha büyük olduğudur.

Kullanıcı Kayıtlarından Sürekli Öğrenme

Dünya genelindeki kullanıcılar yemeklerini kaydettikçe, Nutrola'nın AI'sı verilerden öğrenir. Türkiye'deki binlerce kullanıcı kahvaltılarını fotoğrafladığında ve sistem sürekli olarak domates, salatalık, zeytin, beyaz peynir ve ekmek yayılımını görürse, "Türk kahvaltısı"nın nasıl göründüğünü ve genellikle neler içerdiğini anlamasını geliştirir. Bu geri bildirim döngüsü, sistemin zamanla daha doğru hale gelmesini sağlar, özellikle akademik gıda veritabanlarında yeterince temsil edilmeyen mutfaklar için.

---

Kullanıcı Profilleri: Üç Ülke, Üç Deneyim

Priya, 29 --- Hyderabad, Hindistan

Priya, güç antrenmanını desteklemek için beslenmesini takip etmeye başlayan bir yazılım mühendisidir. Günlük diyeti, ev yapımı Güney Hindistan yemekleri etrafında şekillenmiştir: kahvaltıda idli ve sambar, öğle yemeğinde pirinç, rasam ve sebze köri, akşam yemeğinde ise roti ile bir dal hazırlaması.

Nutrola'ya geçmeden önce, Priya popüler bir İngilizce dilindeki takip uygulamasını kullanıyordu. Yemekleriyle eşleşen girişleri bulmak için her öğünde beş ila on dakika harcıyordu. "Sambar" araması sıfır sonuç döndürüyordu. "Rasam" veritabanında yoktu. "Mercimek çorbası" olarak bir yedek girmeyi denedi, ancak kalori sayısı her zaman yanlıştı çünkü Amerikan mercimek çorbası tamamen farklı bir yemek, farklı malzemeler ve farklı kalori yoğunluğuna sahipti.

Nutrola ile Priya, yemeklerini İngilizce ve Telugu karışımı ile kaydediyor. Thalisinin fotoğrafını çekiyor ve AI her bir bileşeni ayrı ayrı tanımlıyor --- pirinç, rasam, poriyal, papad, turşu. Ortalama kayıt süresi sekiz dakikadan 20 saniyenin altına düştü. Daha da önemlisi, kalori verileri nihayet gerçekten yediği şeyleri yansıtıyor. İlk üç ayında doğru takiple, protein hedeflerine sürekli ulaştı ve squat'ına 12 kilogram ekledi.

"Kalori takibinin, Hint yemekleri yiyenler için tasarlanmadığını düşünüyordum," diyor Priya. "Meğerse uygulamalar sadece bizim için tasarlanmamış."

Kenji, 34 --- Osaka, Japonya

Kenji, sağlık sorunları sonrası kilosunu yönetmeye çalışan bir grafik tasarımcısıdır. Doktoru ona 10 kilogram vermesini ve gıda alımını takip etmesini söyledi. Kenji'nin diyeti geleneksel Japon mutfağına dayanıyor: ızgara balık, miso çorbası, turşu sebzeler, pirinç ve dışarıda yediğinde ara sıra ramen veya gyoza.

İngilizce dilindeki takip uygulamaları onun için işe yaramıyordu. Kenji'nin İngilizcesi günlük konuşma seviyesinde ama gıda ile ilgili terimler için yeterli değildi. Günlük yemeklerindeki birçok malzemenin İngilizce karşılıklarını bilmiyordu --- natto, tsukemono veya kinpira gobo gibi şeyler. İngilizce terimleri bulsa bile, porsiyon boyutları Amerikan porsiyonları için ayarlanmıştı, Japonlar için değil.

Nutrola'nın Japonca arayüzü ve Japonya'ya özgü veritabanı deneyimini tamamen değiştirdi. Yemeklerini Japonca kaydediyor, ev yapımı yemekler için fotoğraf tanıma özelliğini kullanıyor ve uygulama otomatik olarak Japon porsiyon boyutlarını uyguluyor. Bir kâse pirinç, 300 gram değil, 150 gram olarak varsayılan hale geliyor. Bir porsiyon miso çorbası 200 mililitre, büyük Amerikan kasesi değil.

11 ayda Kenji 8.5 kilogram kaybetti. Başarısının kaydın doğruluğuna bağlı olduğunu belirtiyor. "Sayılar yanlış olduğunda, uygulamaya güven kaybedersiniz. Sayılar doğru olduğunda, sürece güvenirsiniz."

Sofia, 26 --- Bogota, Kolombiya

Sofia, enerji seviyelerini artırmak ve öğün atlamayı bırakmak isteyen bir üniversite öğrencisidir. Diyeti, Kolombiya'nın kentsel yaşamına özgü: kahvaltıda peynirli arepa, öğle yemeğinde bandeja paisa veya corrientazo, akşam yemeğinde ise belki empanada veya ajiaco gibi daha hafif bir şey.

Beslenme takibine ilk girişimi üç gün sürdü. Denediği uygulama arepa için bir giriş içermiyordu, "empanada"yı tek bir genel öğe olarak sınıflandırıyor ve bandeja paisa'yı hiç duymamıştı. "Ajiaco" aradığında, uygulama "gazpacho" önerdi. Uygulamayı kaldırdı.

Bir arkadaşı Nutrola'yı önerdiğinde, Sofia başlangıçta şüpheciydi. Ancak ilk kez bandeja paisasını fotoğrafladığında ve uygulama doğru bir şekilde pirinci, kırmızı fasulyeyi, kıyma, kızarmış yumurtayı, chicharron'u, plantain'i ve avokadoyu ayrı öğeler olarak tanımladığında --- her biri bölgesel olarak doğru kalori verileriyle --- ikna oldu.

Sofia artık İspanyolca kaydediyor. Yemek yerken sesli girdi kullanıyor, "arepa con queso blanco" veya "empanada de carne" gibi şeyler söylüyor ve AI, girişini ana dilinde işliyor, İngilizce çeviri katmanına yönlendirmeden. Tutarlılığı, her birkaç günde bir öğün kaydetmekten, 60 gün boyunca her öğünü kaydetmeye geçti.

"Sonunda yediğimi bilen bir uygulamam var," diyor Sofia. "Yemeklerimi bir şey olarak dönüştürmeye çalışmıyor."

---

Çok Dilli Gıda Tanıma Teknolojisinin Teknik Mimarisi

Teknolojinin nasıl çalıştığına dair merak edenler için, işte basitleştirilmiş bir genel bakış.

Adım 1: Girdi İşleme

Sistem, fotoğraflar, yazılı metin ve sesli giriş olmak üzere üç tür girişi kabul eder. Fotoğraflar, gıda görüntüleri üzerinde eğitim almış bir konvolüsyonel sinir ağı tarafından işlenir. Metin, 40'tan fazla dili destekleyen çok dilli bir NLP modeli tarafından işlenir. Sesli giriş, önce çok dilli bir konuşmadan metne çeviri motoru aracılığıyla metne dönüştürülür, ardından aynı NLP hattından geçirilir.

Adım 2: Gıda Tanımlama

Fotoğraf girdileri için, görsel model güven puanları ile sıralanmış bir aday gıda listesi sunar. Metin ve sesli girdiler için, NLP modeli gıda maddesini tanımlar ve dil ve bölgesel bağlama göre ayrıştırır. Meksika'daki bir kullanıcı "tortilla" yazarsa, sistem bunu bir mısır tortilasına olarak anlar. İspanya'daki bir kullanıcı "tortilla" yazarsa, sistem bunu tortilla espanola olarak tanır --- tamamen farklı bir besin profiline sahip bir patates omleti.

Adım 3: Veritabanı Eşleme

Gıda tanımlandıktan sonra, sistem bunu Nutrola'nın veritabanındaki uygun bölgesel girişle eşler. Bu adım, kullanıcının konumunu, dil tercihlerini ve geçmiş kayıt kalıplarını dikkate alır. Bangkok'taki bir kullanıcı pad thai fotoğrafladığında, Tay sokak yemeği versiyonunu alır. Los Angeles'taki bir kullanıcı pad thai fotoğrafladığında, genellikle daha büyük porsiyonlar ve daha fazla yağ içeren Amerikan restoran versiyonunu alır.

Adım 4: Porsiyon Tahmini ve Onay

Sistem, mevcut fotoğraftan (varsa) görsel ipuçları ve tanımlanan gıda için kültürel varsayılanlar kullanarak porsiyon boyutunu tahmin eder. Kullanıcı, giriş kaydedilmeden önce onaylayabilir veya ayarlayabilir. Tüm süreç --- fotoğraftan onaylı kayıt girişine kadar --- genellikle üç saniyeden kısa sürede tamamlanır.

---

Neden Bu, Sadece Kolaylık Değil

Çok dilli beslenme takibi, bireysel kullanıcılar için sadece bir yaşam kalitesi iyileştirmesi değildir. Küresel ölçekte halk sağlığı üzerinde etkileri vardır.

Sağlık Eşitsizliklerini Azaltma

İngilizce konuşmayan nüfuslar, sağlık teknolojileri açısından zaten yetersiz hizmet almaktadır. Beslenme takip araçları yalnızca İngilizce iyi çalıştığında, İngilizce konuşanlara diyabet, obezite ve kardiyovasküler hastalıklar gibi diyetle ilgili durumları yönetmek için daha iyi araçlar sunarak mevcut sağlık eşitsizliklerini artırır. Bu araçların her dilde çalışmasını sağlamak, sağlık eşitliği yolunda bir adımdır.

Küresel Beslenme Araştırmaları için Daha İyi Veri

Dünya genelinde milyonlarca insan yemeklerini doğru bir şekilde kaydedebildiğinde, ortaya çıkan veri seti beslenme araştırmaları için paha biçilmezdir. Nutrola'nın anonimleştirilmiş, toplanmış verileri şimdiden 195 ülkeyi ve 120'den fazla mutfağı kapsamaktadır. Kullanıcı tabanı büyüdükçe ve takip doğruluğu arttıkça, bu veriler araştırmacılara diyet kalıplarını, besin eksikliklerini ve geleneksel diyetlerin sağlık etkilerini anlamalarına yardımcı olabilir; bu, yalnızca İngilizce veri setlerinin asla yapamayacağı bir şeydir.

Gıda Kültürünü Koruma

Büyükannelerinizin tarifini yabancı bir dilde tanımlamanızı zorlayan ve ardından en yakın eşleşmenin "sebze güveci, genel" olduğunu söyleyen bir sistemde bir şeyler bozulur. Çok dilli takip, geleneksel gıda kültürlerini kendi terimleriyle tanıyarak onaylar. Bir uygulama, injera'nın ne olduğunu, mole negro'nun ne olduğunu, laksa'nın ne olduğunu biliyorsa --- ve size tam olarak hangi besinleri sağladığını söyleyebiliyorsa --- bu, bu gıdaların egzotik meraklar olmadığını ileten bir mesajdır. Gerçek insanlar tarafından yenilen gerçek yemeklerdir ve ızgara tavuk göğsü ile aynı veri altyapısını hak ederler.

---

Sıkça Sorulan Sorular

Nutrola kaç dil destekliyor?

Nutrola şu anda metin araması, sesli kayıt ve AI koçluğu dahil olmak üzere 40'tan fazla dilde tam işlevsellik sunmaktadır. Gıda veritabanı, 120'den fazla mutfaktan gelen gıdaların yerel dil isimleriyle girişlerini içermektedir. Uygulama arayüzü ise 25 dilde yerelleştirilmiştir ve düzenli olarak daha fazlası eklenmektedir.

Uygulama kullanırken diller arasında geçiş yapabilir miyim?

Evet. Birçok çok dilli kullanıcı dilleri doğal olarak karıştırır ve Nutrola bunu yönetmek için tasarlanmıştır. Aynı oturum içinde öğle yemeği için "chicken tikka masala"yı İngilizce yazabilir ve akşam yemeği için "roti aur dal"ı Hintçe kaydedebilirsiniz. NLP modeli, her girişin dilini otomatik olarak algılar.

Fotoğraf tanıma daha az bilinen mutfaklar için doğru mu?

Doğruluk, mutfak ve yemek karmaşıklığına göre değişir, ancak Nutrola'nın fotoğraf tanıma sistemi, desteklenen 120 mutfak arasında %90'ın üzerinde ilk üç doğruluk oranı elde etmektedir. Japon, Meksika, Hint, Çin ve İtalyan gibi iyi temsil edilen mutfaklar için birinci doğruluk oranı %94'ü aşmaktadır. Daha az eğitim görüntüsüne sahip mutfaklar, örneğin Etiyopya veya Peru gibi, doğruluk oranı daha düşük olsa da, daha fazla kullanıcı yemek fotoğrafları katkıda bulundukça hızla gelişmektedir.

Özel yemeğim veritabanında yoksa ne yapmalıyım?

Herhangi bir dilde özel girişler oluşturabilirsiniz. Nutrola, tanınmayan yemekleri gözden geçirmek üzere göndermenize de izin verir. Yeterince kullanıcı aynı yemeği gönderdiğinde, bu yemek doğrulanmış veritabanına eklenmesi için önceliklendirilir. Bu topluluk odaklı yaklaşım, veritabanının en çok ihtiyaç duyulan alanlarda en hızlı şekilde büyümesini sağlar.

Çok dilli destek ek bir ücret mi gerektiriyor?

Hayır. Tüm dil ve bölgesel veritabanı özellikleri, hem ücretsiz hem de premium katmanlarda mevcuttur. Nutrola, çok dilli erişimi bir ek özellik değil, temel bir özellik olarak değerlendirir.

Uygulama, farklı bölgelerde aynı isme sahip ancak farklı hazırlama yöntemleri olan gıdaları nasıl yönetiyor?

Sistem, bağlamsal sinyalleri --- dil ayarınız, konumunuz ve geçmiş kayıt geçmişiniz --- kullanarak hangi bölgesel varyantı en olası şekilde kastettiğinizi belirler. Eğer belirsizlik varsa, uygulama en iyi adayları sunar ve seçmenize izin verir. Örneğin, "biryani" aradığınızda, uygulama Hyderabadi biryani, Lucknowi biryani ve Kolkata biryani gibi ayrı seçenekler sunabilir; her birinin farklı kalori ve makro verileri vardır.

Uygulamayı tamamen İngilizce olmadan kullanabilir miyim?

Evet. Her özellik --- başlangıçtan yemek kaydına, AI beslenme koçluğuna ve ilerleme raporlarına kadar --- tüm desteklenen dillerde mevcuttur. Hiçbir noktada İngilizce ile etkileşimde bulunmanız gerekmez.

---

Sonuç

Beslenme takibindeki dil engeli, niş bir sorun değildir. Dünyanın çoğunluğunu etkiler. On yıllardır geleneksel, Batılı olmayan diyetleri olan insanlar, ya yanlış takip yapmak ya da hiç takip etmemek arasında seçim yapmak zorunda kalıyorlar. Her iki seçenek de kabul edilemez.

Çok dilli AI gıda tanıma, gerçek bir atılımı temsil ediyor. Dili ne olursa olsun çalışan görsel tanımlamayı, doğal dil işleme ile birleştirerek ve her ikisini de yerel uzmanlar tarafından doğrulanmış bölgesel besin veritabanlarıyla eşleştirerek, Nutrola gibi araçlar doğru beslenme takibini herkes için erişilebilir hale getiriyor --- sadece İngilizce konuşanlar için değil.

Eğer bir zamanlar yemeğinizi anlamadığı için bir takip uygulamasını terk ettiyseniz, teknoloji nihayet mutfağınıza ayak uydurdu. Yemekleriniz, hangi dilde adlandırırsanız adlandırın, tanınmayı, ölçülmeyi ve değer görmeyi hak ediyor.