Σκανάρεις το barcode στο ράφι και η οθόνη του κινητού σου «δικάζει» ακαριαία αν το προϊόν αξίζει να μπει στο καλάθι. Η τεχνολογία δεν αλλάζει απλά τις δικές σου συνήθειες, αλλά εξαναγκάζει τη βιομηχανία τροφίμων να αλλάξει μέχρι και τις συνταγές της. Πόσο αλάνθαστοι είναι όμως αυτοί οι αλγόριθμοι όταν κρίνουν τη διατροφή σου;
- Εφαρμογές όπως το Yuka ασκούν τεράστια πίεση στα σούπερ μάρκετ, αναγκάζοντας αλυσίδες να καταργήσουν εκατοντάδες πρόσθετα.
- Πρόσφατη επιστημονική έρευνα αποκαλύπτει ότι τα δημοφιλή AI calorie counters υποεκτιμούν τις θερμίδες έως και 345 kcal ανά γεύμα.
- Οι αλγόριθμοι αξιολογούν τα τρόφιμα ανά 100g και αγνοούν τις πραγματικές μερίδες, τη συνολική ποιότητα διατροφής και τις εξατομικευμένες ανάγκες.
- Πώς το barcode scanning αλλάζει τη βιομηχανία τροφίμων
- Yuka vs Nutri-Score: Πόσο αλάνθαστοι είναι οι αλγόριθμοι;
- AI Calorie Trackers: Η ψευδαίσθηση της ακρίβειας στη φωτογραφία
- Τι «ξεχνούν» οι αλγόριθμοι: Μερίδες, επεξεργασία και πρόσθετα «Ε»
- Η άποψή μας στο TechNoid
- Συχνές Ερωτήσεις για τα apps διατροφής και scanning
Πώς το barcode scanning αλλάζει τη βιομηχανία τροφίμων
Η αλλαγή στο καταναλωτικό μοντέλο είναι επιβεβαιωμένη στην πράξη. Η γαλλική αλυσίδα σούπερ μάρκετ Intermarché ανακοίνωσε ότι προχώρησε στην αναδιαμόρφωση περισσότερων από 3.000 συνταγών προϊόντων ιδιωτικής ετικέτας, αφαιρώντας παράλληλα 160 πρόσθετα τροφίμων. Ο λόγος δεν ήταν κάποια νέα κυβερνητική οδηγία, αλλά η ραγδαία άνοδος που σημειώνει η εφαρμογή Yuka.
Με περισσότερους από 85 εκατομμύρια χρήστες σε 12 χώρες, η συγκεκριμένη πλατφόρμα έχει μετατραπεί σε ρυθμιστή της αγοράς. Σε έρευνα που διεξήχθη σε δείγμα 20.000 χρηστών, το 94% δήλωσε ξεκάθαρα ότι αφήνει το προϊόν πίσω στο ράφι όταν η εφαρμογή εμφανίσει «κόκκινη» ένδειξη. Αυτή η μαζική μεταστροφή δημιουργεί τεράστια οικονομική πίεση στα brands, καθώς η ψηφιακή φήμη ενός προϊόντος κρίνεται πλέον σε κλάσματα του δευτερολέπτου.
Επιπλέον, η δράση αυτών των εφαρμογών δεν περιορίζεται πλέον στα συσκευασμένα τρόφιμα. Επεκτείνεται ταχύτατα στα καλλυντικά, στα αφρόλουτρα και στα αποσμητικά, αποδεικνύοντας ότι το αλγοριθμικό filtering ήρθε για να μείνει στην καθημερινότητά μας.
Yuka vs Nutri-Score: Πόσο αλάνθαστοι είναι οι αλγόριθμοι;
Τα συστήματα χρωματικής ταξινόμησης, όπως το Nutri-Score (κλίμακα A έως E) και οι δείκτες τύπου Traffic Light, υπόσχονται να απλοποιήσουν την πολυπλοκότητα των διατροφικών ετικετών. Ωστόσο, η απλοποίηση εγκυμονεί κινδύνους.
Μιλώντας στην εφημερίδα Τα ΝΕΑ, ο κλινικός διαιτολόγος-βιολόγος και προϊστάμενος του Διαιτολογικού Τμήματος στο Λαϊκό Νοσοκομείο, Χάρης Δημοσθενόπουλος, ξεκαθαρίζει τη θέση της επιστημονικής κοινότητας. «Η αξιοπιστία μιας εφαρμογής ή ενός συστήματος αξιολόγησης τροφίμων δεν εξαρτάται από τον χρωματικό κώδικα ή την ευκολία χρήσης του, αλλά από την επιστημονική του τεκμηρίωση και τη διαφάνεια του αλγορίθμου που χρησιμοποιεί», σημειώνει χαρακτηριστικά.
Για να θεωρηθεί ένα ψηφιακό εργαλείο πραγματικά αξιόπιστο, οφείλει να στηρίζεται σε δημοσιευμένες μελέτες, να αξιολογείται από ανεξάρτητους φορείς και να αναθεωρείται τακτικά χωρίς συγκρούσεις συμφερόντων με τη βιομηχανία.
AI Calorie Trackers: Η ψευδαίσθηση της ακρίβειας στη φωτογραφία
Η νεότερη τάση στο χώρο είναι τα apps που υπόσχονται να υπολογίσουν τις θερμίδες ενός γεύματος απλά βγάζοντας μια φωτογραφία το πιάτο σου. Εδώ όμως η τεχνητή νοημοσύνη φαίνεται να σηκώνει τα χέρια ψηλά.
Σε πρόσφατη επιστημονική μελέτη που παρουσιάστηκε στο συνέδριο της Αμερικανικής Εταιρείας Διατροφής (ASN), εξετάστηκαν τέσσερις από τις δημοφιλέστερες εφαρμογές της αγοράς: το MyFitnessPal, το LoseIt!, το CalAI και το Appediet. Τα αποτελέσματα ήταν αποκαλυπτικά.
Ο επικεφαλής της έρευνας Dr. Aaron Hengist (ερευνητής στο NIDDK των ΗΠΑ) διαπίστωσε ότι οι εφαρμογές υποεκτιμούσαν σταθερά τη θερμιδική αξία των γευμάτων κατά 250 έως 345 θερμίδες κατά μέσο όρο. Η μεγαλύτερη απόκλιση καταγράφηκε στα λιπαρά, όπου τα apps «έχαναν» περίπου 30 γραμμάρια λίπους ανά γεύμα, ενώ αντίθετα παρουσίασαν πολύ υψηλότερη ακρίβεια στον υπολογισμό των υδατανθράκων.
| Παράμετρος Αξιολόγησης | AI Photo Trackers (CalAI, MyFitnessPal κ.ά.) | Πραγματική Εργαστηριακή Τιμή |
|---|---|---|
| Υπολογισμός Θερμίδων | Σφάλμα υποεκτίμησης -250 έως -345 kcal | 100% Ακριβής μελέτη γεύματος |
| Εκτίμηση Λίπους | Σφάλμα απόκλισης έως -30g ανά γεύμα | Πλήρης καταγραφή κρυφών λιπαρών/λαδιού |
| Εκτίμηση Υδατανθράκων | Υψηλή σχετική ακρίβεια | Πλήρης καταγραφή γλυκόζης/άμυλου |
Τι «ξεχνούν» οι αλγόριθμοι: Μερίδες, επεξεργασία και πρόσθετα «Ε»
Εδώ κρύβεται η μεγαλύτερη αδυναμία των συστημάτων αυτών, την οποία εμείς στο TechNoid εντοπίζουμε συχνά στις τεχνολογικές λύσεις που προσπαθούν να απλοποιήσουν σύνθετα βιολογικά δεδομένα:
- Η παγίδα των 100 γραμμαρίων: Οι περισσότεροι αλγόριθμοι βαθμολογούν τα τρόφιμα ανά 100g ή 100ml. Όμως κανείς δεν καταναλώνει 100g ελαιόλαδο σε μία σαλάτα, ούτε περιορίζεται στα 100g όταν τρώει ένα έτοιμο γεύμα. Ένα εξαιρετικό παρθένο ελαιόλαδο μπορεί να λάβει «κακή» βαθμολογία λόγω θερμίδων/λιπαρών ανά 100g, παρόλο που είναι απαραίτητο στοιχείο μιας ισορροπημένης διατροφής.
- Ο δαιμονοποιημένος κωδικός «Ε»: Η ύπαρξη ενός πρόσθετου «Ε» στην ετικέτα δεν καθιστά αυτόματα το προϊόν επικίνδυνο. Όλα τα εγκεκριμένα πρόσθετα έχουν ελεγχθεί σε συγκεκριμένα όρια ασφαλείας. Η συσσώρευση πολλών πρόσθετων αποτελεί δείκτη υψηλής επεξεργασίας, αλλά όχι απαραίτητα άμεση τοξικότητα.
- Έλλειψη εξατομίκευσης: Ο αλγόριθμος δεν γνωρίζει αν έχεις αντίσταση στην ινσουλίνη, αν προπονείσαι καθημερινά ή ποιες είναι οι συνολικές θερμιδικές σου ανάγκες.
Πώς η τεχνητή νοημοσύνη επαναπροσδιορίζει τις εφαρμογές υγείας και wearables
Η άποψή μας στο TechNoid
Είμαστε λάτρεις της τεχνολογίας και υποστηρίζουμε κάθε ψηφιακό εργαλείο που φέρνει διαφάνεια στις πολυεθνικές τροφίμων. Το γεγονός ότι το Yuka ανάγκασε κολοσσούς του retail να καθαρίσουν τις συνταγές τους από περιττά χημικά είναι μια τεράστια νίκη των καταναλωτών. Όμως, δεν πρέπει να περάσουμε στο άλλο άκρο. Το να φωτογραφίζεις ένα πιάτο φαγητό και να περιμένεις από ένα AI μοντέλο να υπολογίσει το λάδι που έβαλε ο μάγειρας στον πάτο της κατσαρόλας είναι ουτοπικό. Χρησιμοποίησε τα apps ως οδηγούς εκπαίδευσης για να διαβάζεις τις ετικέτες, αλλά μην αφήνεις έναν αλγόριθμο να αποφασίζει τυφλά τι θα φας.
Συχνές Ερωτήσεις για τα apps διατροφής και scanning
Είναι ακριβή τα apps που υπολογίζουν θερμίδες από φωτογραφία;
Όχι απόλυτα. Σύμφωνα με έρευνες της Αμερικανικής Εταιρείας Διατροφής, τα AI apps τείνουν να υποεκτιμούν τις θερμίδες κατά 250-345 kcal ανά γεύμα, κυρίως επειδή αποτυγχάνουν να υπολογίσουν την ακριβή ποσότητα των λιπαρών.
Πώς επηρεάζει το Yuka τις αποφάσεις των σουπερμάρκετ;
Επειδή το 94% των χρηστών αποφεύγει τα προϊόντα με «κόκκινη» ένδειξη, μεγάλες αλυσίδες όπως η Intermarché αναγκάστηκαν να αλλάξουν χιλιάδες συνταγές και να αφαιρέσουν δεκάδες πρόσθετα για να διατηρήσουν τις πωλήσεις τους.
Γιατί τα apps αξιολογούν τα τρόφιμα ανά 100 γραμμάρια;
Η αξιολόγηση ανά 100g ή 100ml είναι το τυποποιημένο πρότυπο της νομοθεσίας. Ωστόσο, αυτό δημιουργεί στρεβλώσεις, καθώς δεν λαμβάνει υπόψη τη πραγματική μερίδα που καταναλώνει ένας άνθρωπος.
Είναι όλα τα πρόσθετα «Ε» επικίνδυνα για την υγεία;
Όχι. Τα εγκεκριμένα πρόσθετα «Ε» έχουν αξιολογηθεί ως ασφαλή στις επιτρεπόμενες ποσότητες. Η παρουσία πολλών «Ε» υποδηλώνει απλά ότι το τρόφιμο είναι βιομηχανικά επεξεργασμένο.
Ποιο θρεπτικό συστατικό υπολογίζουν πιο σωστά τα AI apps;
Βάσει των επιστημονικών δοκιμών, οι εφαρμογές τεχνητής νοημοσύνης εμφανίζουν τη μεγαλύτερη ακρίβεια στον υπολογισμό των υδατανθράκων σε σύγκριση με τα λιπαρά και τις πρωτεΐνες.
Τι είναι το Nutri-Score και πώς λειτουργεί;
Είναι ένα σύστημα διατροφικής επισήμανσης που κατατάσσει τα τρόφιμα σε 5 κατηγορίες (από το πράσινο Α έως το κόκκινο Ε), συνυπολογίζοντας θετικά στοιχεία (φυτικές ίνες, πρωτεΐνες) και αρνητικά (ζάχαρη, αλάτι, κορεσμένα λιπαρά).
Πρέπει να βασίζομαι αποκλειστικά σε μια εφαρμογή για τη δίαιτά μου;
Σε καμία περίπτωση. Τα apps είναι χρήσιμα εργαλεία ενημέρωσης, αλλά δεν αντικαθιστούν τις εξατομικευμένες ανάγκες, τις χρόνιες παθήσεις και την καθοδήγηση ενός εξειδικευμένου διαιτολόγου.
