داشتن تغذیه‌ای سالم با کمک چت‌بات‌های عمومی و هوش مصنوعی

به گزارش مجله خبری نگار،همین موضوع باعث شده بسیاری از این توصیه‌ها تأثیر چندانی نداشته باشند. اکنون یک مطالعه جدید رویکرد متفاوتی را امتحان کرده است: شروع از وعده‌های غذایی که مردم همین حالا مصرف می‌کنند، سپس پیدا کردن کوچک‌ترین تغییر ممکن که بتواند واقعاً وضعیت تغذیه را بهبود دهد.

شکاف میان توصیه‌های تغذیه‌ای و واقعیت زندگی

مشکل کاملاً واقعی است. یک رژیم غذایی نامناسب در میان مهم‌ترین عوامل بروز دیابت، بیماری‌های قلبی، سایر بیماری‌های مزمن قرار دارد. این موضوع در یک مطالعه گسترده که نزدیک به ۲۰۰ کشور را بررسی کرده بود نیز نشان داده شد.

اما اجرای این توصیه‌ها هنگام آماده کردن شام، داستان دیگری است.

ترور چان و ایلیاس تاگکوپولوس، دانشمندان علوم کامپیوتر در دانشگاه کالیفرنیا دیویس (UC Davis)، معتقد بودند مشکل اصلی بزرگی تغییرات موردنیاز است.

بسیاری از اپلیکیشن‌های رژیم غذایی از کاربران می‌خواهند کل سبک تغذیه خود را تغییر دهند، همین تغییرات گسترده باعث می‌شود افراد خیلی زود آن را رها کنند.

هدف این تیم از ابتدا ساده طراحی شده بود.

به جای ساخت یک وعده غذایی کاملاً ایده‌آل از صفر، آنها تصمیم گرفتند غذا‌هایی را که مردم از قبل مصرف می‌کنند مبنا قرار دهند، سپس با کمترین تغییر ممکن آنها را به سمت تغذیه سالم‌تر هدایت کنند.

هوش مصنوعی از وعده‌های غذایی واقعی یاد می‌گیرد

برای درک اینکه آمریکایی‌ها واقعاً چه چیزی در بشقاب خود می‌گذارند، محققان از یک نظرسنجی فدرال طولانی‌مدت با عنوان «آنچه در آمریکا می‌خوریم» استفاده کردند.

این پایگاه داده بیش از ۱۳۵ هزار وعده غذایی ثبت‌شده توسط بیش از ۵۵ هزار بزرگسال را در اختیار داشت.

پس از تحلیل این اطلاعات، مدل هوش مصنوعی وعده‌های غذایی را در ۳۴ الگوی رایج دسته‌بندی کرد؛ از صبحانه غلات و شیر گرفته تا ناهار ساندویچ آماده و شام پیتزا.

سپس یک برنامه هوش مصنوعی مولد یاد گرفت که برای هر یک از این الگو‌ها وعده‌های غذایی جدیدی طراحی کند.

این سیستم دو وظیفه را هم‌زمان انجام می‌داد. ابتدا غذا‌هایی را انتخاب می‌کرد که به طور طبیعی با یکدیگر هماهنگ باشند، سپس اندازه هر وعده را تنظیم می‌کرد تا به دستورالعمل‌های رسمی تغذیه نزدیک‌تر شود، بدون اینکه ظاهر کلی غذا غیرعادی به نظر برسد.

نزدیک‌تر شدن به اهداف تغذیه سالم

وقتی محققان وعده‌های تولیدشده توسط هوش مصنوعی را با وعده‌های واقعی همان گروه مقایسه کردند، نسخه‌های جدید سالم‌تر بودند.

این وعده‌ها توانستند حدود ۴۷ درصد فاصله موجود با اهداف تغذیه‌ای تعیین‌شده توسط دولت آمریکا را کاهش دهند.

این بهبود‌ها کاملاً ملموس بودند. میزان فیبر، پروتئین، پتاسیم در وعده‌های تولیدشده افزایش یافت. همچنین کمبود برخی ویتامین‌ها جبران شد، در حالی که ظاهر کلی غذا‌ها و طعم احتمالی آنها مشابه نسخه اصلی باقی ماند.

با این حال یک شاخص در جهت مخالف حرکت کرد. میزان سدیم در برخی ناهار‌ها و شام‌ها افزایش یافت. این موضوع یادآور آن است که هیچ راه‌حل واحدی نمی‌تواند هم‌زمان تمام مشکلات تغذیه‌ای را برطرف کند.

چند جایگزینی ساده برای تغذیه سالم‌تر

ابزار‌های قبلی می‌توانستند از ابتدا یک منوی سالم طراحی کنند. اما هیچ‌کدام روی یافتن کوچک‌ترین تغییر ممکن در غذایی که فرد همین حالا مصرف می‌کند تمرکز نداشتند.

محققان تغییر یک، دو یا سه ماده غذایی در هر وعده را آزمایش کردند.

رایج‌ترین تغییرات بسیار ساده بودند؛ افزودن سبزیجات یا حبوبات، حذف پرنمک‌ترین یا فرآوری‌شده‌ترین بخش‌های غذا.

نتایج نیز متناسب با میزان تغییرات بهبود پیدا کرد.

تنها یک جایگزینی ساده توانست ارزش تغذیه‌ای وعده غذایی را حدود ۵ درصد افزایش دهد، در عین حال هزینه تخمینی آن را نزدیک به ۲۰ درصد کاهش دهد.

با سه جایگزینی، وعده‌های غذایی حدود ۱۰ درصد سالم‌تر شدند، هزینه آنها نیز تقریباً یک‌سوم کاهش یافت.

در عین حال غذا‌ها همچنان آشنا باقی ماندند. برای مثال ممکن بود یک مخلفات پرچرب با لوبیا جایگزین شود یا مقدار بیشتری سبزیجات به غذا اضافه شود.

هدف بازطراحی کامل شام نبود، بلکه ارائه نسخه‌ای سبک‌تر و سالم‌تر از همان وعده غذایی بود.

عملکرد بهتر از چت‌بات‌های عمومی

سؤال مهمی درباره هر ابزار تغذیه مبتنی بر هوش مصنوعی مطرح می‌شود: چرا به سادگی از یک چت‌بات سؤال نکنیم؟

تیم پژوهشی دقیقاً همین موضوع را آزمایش کرد و مدل تخصصی خود را با GPT-۴o که در آن زمان یکی از قدرتمندترین چت‌بات‌های عمومی محسوب می‌شد مقایسه کرد.

مدل تخصصی در بخش‌های کلیدی عملکرد بهتری داشت. تعادل میان پروتئین، چربی، کربوهیدرات را با دقت بیشتری با استاندارد‌های تغذیه‌ای هماهنگ می‌کرد.

در مقابل، چت‌بات عمومی تمایل داشت وعده‌هایی با چربی بیشتر، کربوهیدرات کمتر پیشنهاد دهد.

این نتیجه با یافته‌های مطالعات دیگری نیز همخوانی دارد. بررسی‌های اخیر نشان داده‌اند چت‌بات‌هایی که توصیه‌های تغذیه‌ای ارائه می‌دهند گاهی پاسخ‌های ناهماهنگ یا حتی نادرست تولید می‌کنند.

این موضوع نشان می‌دهد ادغام مستقیم قوانین تغذیه‌ای در مدل‌های تخصصی می‌تواند مزیت مهمی ایجاد کند.

محدودیت‌های این پژوهش

این مطالعه یک محدودیت مهم دارد: تمام نتایج فقط در محیط شبیه‌سازی کامپیوتری به دست آمده‌اند.

هیچ‌یک از این وعده‌های غذایی واقعاً آماده نشده‌اند، توسط افراد مصرف نشده‌اند، مشخص نیست این جایگزینی‌ها در بلندمدت تا چه اندازه عملی و پایدار هستند.

داده‌های مورد استفاده نیز دارای سوگیری ذاتی هستند. شرکت‌کنندگان رژیم غذایی خود را گزارش کرده‌اند، در حالی که تحقیقات نشان می‌دهد افراد معمولاً مصرف غذا‌های ناسالم را کمتر از واقعیت اعلام می‌کنند، مصرف غذا‌های سالم را بیشتر گزارش می‌دهند.

صرفه‌جویی مالی برآوردشده نیز بر اساس مدل‌سازی انجام شده است، نه فاکتور‌های واقعی خرید مواد غذایی.

با این حال نویسندگان مطالعه در ارائه نتایج اغراق نکرده‌اند. آنها بر یک پیام مشخص تأکید دارند.

«تغذیه سالم‌تر لزوماً به معنای کنار گذاشتن غذا‌هایی نیست که مردم از آنها لذت می‌برند.»

چرا این یافته اهمیت دارد؟

نکته جدید این پژوهش در اندازه تغییرات موردنیاز است.

یک وعده غذایی نیازی به بازطراحی کامل ندارد. تنها یک یا دو جایگزینی هوشمندانه می‌تواند آن را به دستورالعمل‌های تغذیه‌ای نزدیک‌تر کند، هم‌زمان هزینه‌ها را نیز کاهش دهد.

کاربرد‌های عملی این فناوری نیز روشن هستند. یک اپلیکیشن خرید مواد غذایی می‌تواند هنگام پرداخت فقط یک جایگزینی ساده پیشنهاد دهد، نه یک رژیم غذایی کاملاً جدید.

برنامه‌های سلامت عمومی نیز می‌توانند نسخه‌های ارزان‌تر و سالم‌تر از غذا‌هایی را پیشنهاد دهند که مردم از قبل می‌پزند.

در نهایت همین فناوری می‌تواند در ابزار‌های مورد استفاده متخصصان تغذیه به کار گرفته شود تا تغییراتی پیشنهاد شود که بیماران واقعاً قادر به ادامه دادن آنها باشند.

نتیجه‌گیری

این مطالعه نشان می‌دهد سالم‌تر غذا خوردن همیشه به اراده بیشتر یا تغییرات بزرگ نیاز ندارد. گاهی تنها یک تغییر کوچک و هوشمندانه در وعده غذایی می‌تواند هم کیفیت تغذیه را بهبود دهد، هم هزینه‌ها را کاهش دهد. هوش مصنوعی در این مسیر می‌تواند به ابزاری کاربردی برای ایجاد عادت‌های غذایی سالم‌تر تبدیل شود.

منبع: فوت وفن