诺言是诱人的：拍一张饭菜，人工智能会立即告诉您您要消耗多少卡路里的卡路里。不再有乏味的手动记录，不再猜测部分大小，也没有更多的人为错误。诸如Cal AI之类的应用程序，Lost It！，MyFitnessPal的新照片功能声称可以通过让您的智能手机的相机进行繁重的振奋来彻底改变卡路里跟踪。
但是，作为一个与卡路里计数有悠久历史的人，肯定的是诅咒它的专业知识我可以告诉你，用照片计算卡路里就像听起来一样愚蠢。
AI驱动的卡路里计数应该如何起作用
卡路里计数应用程序有望解决开发人员声称的是卡路里跟踪的最大问题：人为错误。音调令人信服。为什么当您的手机可以立即分析盘子时，花时间搜索数据库和测量部分？
应用类似加州AI或者Snapcalorie ai使用诸如颜色，纹理和相对大小之类的视觉提示来对您的饮食以及其中有多少猜测进行猜测。
他们声称AI方法可以解决卡路里估算中人类准确性的讨厌问题，这是公平的，很容易犯错。Cal AI将自己推向了这个领域中最复杂的选择之一，因此我决定亲自见面。该应用程序在头三天是免费的，然后是每年29.99美元。
设置过程很简单：下载应用程序，创建帐户，输入基本的人口统计信息并设置您的目标。这是我遇到第一个危险信号的地方。该应用程序高兴地告诉我，“减掉10磅是一个现实的目标”，除了减轻10磅的人实际上会把我促使我进入体重不足的BMI领域。这种笼统的声明表明，关于个人健康需求缺乏细微差别。
Cal AI的照片记录过程遵循以下步骤：
为您的食物拍摄清晰的照片，理想情况下是在普通的背景下。
确保所有成分都是可见且光线充足的。
包括参考对象（例如硬币或您的手）以进行比例。
上传图像并等待AI分析。
审查并纠正应用程序的标识和部分估计。
将条目保存到您的每日日志中。
该应用程序提供了获得更好结果的详细提示：使用自然照明，避免阴影，使摄像头保持与盘子平行，并确保不隐藏成分。这些准则在理论上听起来很合理，但它们暗示了这些应用程序面临现实世界中饮食的复杂性的基本挑战。
现实令人失望
我开始使用简单的东西进行测试：一个重222克的粉红色女士苹果。当然，这对于AI苹果来说是一个容易的胜利，它是地球上拍摄的食物之一，具有独特的形状和颜色，应该立即可以识别。
Cal Ai自信地将我的苹果确定为Tikka Masala。
华丽的Tikka Masala，是吗？ 学分：Meredith Dietz
我给了另一个机会，这次将苹果带有条形码并坐在厨房尺度上，显示其确切的重量。这次，该应用程序确实将其识别为苹果，但是当它以80卡路里估计实际计数应该已经接近120。这是33％的低估 - 如果您试图准确跟踪摄入量，则不是您想要的精度。
真正的测试带有更复杂的饭菜：我目前在炸豆腐，洋葱，黄瓜，西红柿，羊奶酪和鹰嘴豆的午餐午餐，所有这些都搭配油性自制醋汁。这是一种混合菜肴，大概可以展示AI比手动记录的优势 - 无需搜索单个成分或估算其数量。
结果是算法过度自信的大师班。该应用程序将金棕色炸豆腐确定为面包丁，我必须手动纠正。它在识别蔬菜和羊乳酪方面做得相当出色，但对油含量完全鞭打。尽管沙拉明显地闪闪发光，但该应用程序估计整个菜肴的卡路里为450卡路里。
这个估计值可笑。一罐鹰嘴豆包含大约400卡路里，我的一部分大致包括大约加上大量的羊奶酪和几汤匙橄榄油的敷料。这顿饭的现实卡路里人数将接近800至900卡路里。
该应用程序的部分估计比其成分识别更具问题性。当我拍摄较小的份量时，少于原始沙拉的四分之一估计的卡路里估计为250卡路里。根据该应用程序自己的逻辑，不到25％的饭菜以某种方式含有超过55％的卡路里。数学根本不起作用。
Cal AI走了。 学分：Meredith Dietz
这突出了基于照片的卡路里计数的基本局限性：相机捕获了三维对象的二维图像。没有一致的参考点或复杂的深度分析，从照片中估算数量仍然很大程度上是猜测。甚至人类都在为这项任务挣扎，这就是为什么营养专业人员通常建议称重食物以进行准确。
为了获得AI卡路里计数景观的完整图片，我还测试了另外两个受欢迎的应用：Snapcalorie和Calorie Mama。
snapcalorie：更好的数字，相同的问题Snapcalorie
与Cal AI的有问题的减肥消息传递相比，确实提出了更合理的每日卡路里目标，这立即提出了更合理的每日卡路里目标，这立即提出了一些怀疑。但是，这种准确性仅在一次为期一周的免费试用期后每年以79.99美元的价格出现，这是我测试的最昂贵的选择。
该应用程序确实提供了一个有趣的功能：一个“添加注释”功能，可让您提供有关相机看不见的成分的其他上下文。从理论上讲，这是针对基于照片的跟踪的基本局限性之一。
Snapcalorie具有有用的“添加注释”功能和更准确的结果。 学分：Meredith Dietz
当我用同一个粉红色女士苹果测试Snapcalorie时，它的表现要比Cal AI好得多，估计有115卡路里的热量。但是希腊沙拉测试揭示了熟悉的问题。Snapcalorie的最初估计是一种荒谬的257卡路里。当我拍摄了一个较小的部分时，相同的子季度份量使Cal ai-snapcalorie估计有184卡路里的卡路里。数学仍然没有用；这个较小的部分应该大约是较大的份量的25％，而不是70％。
决心为该应用程序提供一个公平的镜头，我使用注释功能手动指定“豆腐，羊乳酪，鹰嘴豆和橄榄油的完整容器”。通过这种人类干预，Snapcalorie将其估计值凸起到761卡路里，尽管仍然处于较低的状态。
但这提出了一个明显的问题：如果我需要手动输入详细的成分信息以获得准确的结果，那么照片到底完成了什么？从本质上讲，我在进行拍照的动作时从事传统卡路里计数的工作。
到目前为止，您如何看待？
卡路里妈妈：当AI甚至不尝试时
卡路里妈妈提供了这三个应用程序中最令人沮丧，最可笑的体验。该界面感觉很基本，AI的性能非常差，以至于该应用程序本质上放弃了自动照片分析的前提。
上载照片后，卡路里妈妈要求您不仅手动确认食物，还要确认其份量。这打破了基于照片的伐木的全部目的。
当我上传我的希腊沙拉照片时，卡路里妈妈将其简单地称为“豆腐”。然后，该应用程序要求我手动调整部分尺寸，并似乎考虑了伐木的完整，好像一个复杂的混合菜只包含普通豆腐。
这不仅是不准确的；没用。至少Cal AI和Snapcalorie试图识别多种成分，即使他们的卡路里估计已关闭。卡路里妈妈似乎完全放弃了核心挑战，将AI降级到花哨的照片存储系统中。
AI驱动的卡路里计数浪费了我的时间
AI驱动卡路里计数的承诺是效率快速，无需手动输入。但是我的经验揭示了一个不同的现实。我花了大量时间来纠正成分标识，调整部分大小以及第二次猜测应用程序的估计值。在许多情况下，使用传统的手动记录和数据库搜索，我会更快。
这会产生令人沮丧的难题：如果您不仔细检查AI的结果，您将获得非常不准确的数据。但是，如果您确实验证了每个条目，则首先将失去节省时间的好处，这首先使用该技术是合理的。这是两全其最糟糕的手动跟踪的努力，再加上自动猜测的不确定性。
也许最令人担忧的是，当用户没有背景来识别不准确的估计值时，会发生什么。我多年的卡路里计数经验那个历史可能是有问题的``当Cal AI的数字拒绝时，我就知道了可以发现的知识。但是信任这项技术的用户呢？
系统的低估卡路里可能对试图减肥的人们特别有害，因为这可能会使他们认为自己的饮食少于实际。相反，高估可能会导致食物周围不必要的限制或焦虑。无论哪种方式，数据都不准确地破坏了跟踪的全部目的。
AI卡路里计数应用程序的基本问题不仅仅是技术性的。这些工具从精确的卡路里跟踪既是必要的又有益于健康的想法。但研究建议对于许多人来说，这种痴迷的卡路里计数可能弊大于利。
直观的饮食这是侧重于内部饥饿和饱腹感，而不是外部指标，它表现出希望是一种更可持续和心理健康的营养方法。该框架强调了与食物的健康关系，这是基于使您的感觉而不是达到特定数值目标的方式。
对于大多数人来说，了解均衡营养的一般原理，吃大量蔬菜，选择全谷物而不是精制谷物，包括足够的蛋白质提供比细致的卡路里跟踪更好的长期结局。
底线
AI驱动的卡路里计数应用程序有望在饮食跟踪中解决人为错误，但它们引入了新的不准确性形式，同时保持了许多旧问题。如果您的目标仅仅是为了对通用食品中的卡路里有多少卡路里进行粗略估计，那么这些应用程序可能会提供一些价值。但是，对于任何在摄入跟踪中寻求精确度的人来说，结合食物尺度的传统方法仍然更可靠。
更重要的是，我会质疑精确的卡路里计数是否完全满足您的健康目标。对于许多人来说，基于满意度，能量水平和整体福祉而不是数值目标的食物建立更直观的关系会带来更好的身心健康。也许倾听身体的老式方法比任何算法都更好。