Satt Und Gesund Essen? KI-Ernährungswissenschaftler Verstehen Sie Besser Als Menschliche Ernährungswissenschaftler

Über die Bedeutung einer vernünftigen Ernährung und einer ausgewogenen Ernährung muss man nicht viele Worte verlieren, die Umsetzung ist jedoch nicht einfach. Um vernünftigere, gesündere und geschmacklich bessere Rezepte zu erhalten, hat sich auch die KI dem Team der Ernährungswissenschaftler angeschlossen.

In Bezug auf gesunde Ernährung, moderne MenschenGesundheitspflege, Expertenempfehlungen, die umfassendsten RezepteDiese Schlüsselwörter vermitteln eine Leidenschaft jenseits aller Vorstellungskraft.

Fitnessbegeisterte streben nach Muskelaufbau und halten sich an eine kohlenhydratarme, ketogenreiche Diät. schönheitsbewusste Menschen streben eine schnelle Gewichtsabnahme an, wobei intermittierendes Fasten und die Kopenhagener Diät am beliebtesten sind; postoperative Patienten und schwangere Frauen werden mit Hirsebrei und Schweinefüßensuppe, die mündlich weitergegeben werden, einer Gehirnwäsche unterzogen; Junge Menschen, die sich nach einem grünen Leben sehnen, und Buddhisten befürworten Vegetarismus und versuchen ihr Bestes, um trotz begrenzter Auswahlmöglichkeiten ihre körperliche und geistige Gesundheit zu bewahren.

Angesichts einer solchen Fülle an Auswahlmöglichkeiten stellt sich die Frage, wie man diese auf wissenschaftliche und vernünftige Weise miteinander in Einklang bringen kann. Einige Forscher nutzen Algorithmen und Big Data, um gesündere und nahrhaftere Rezepte für alle zu empfehlen.

KI lernt, „Menschen zu sehen und ihnen zu geben, was sie wollen“

Das größte Problem der oben erwähnten universellen Ernährung besteht darin, dass jeder Mensch einen anderen Körperbau, Geschmack, regionale Ressourcen und ein anderes Konsumniveau hat.

In den hochwertigen Rezepten einiger Blogger kommen häufig Lachs und Avocado zum Einsatz, Zutaten, die in manchen Gegenden teuer und schwer zu bekommen sind, was viele Menschen abschreckt.

Um jedem Einzelnen personalisierte Ernährungsempfehlungen geben zu können, haben viele Forscher auch Technologien der künstlichen Intelligenz eingesetzt.

Forscher der Rensselaer Polytechnic University in den USA und IBM Research haben vor Kurzem ein personalisiertes Nahrungsmittelempfehlungssystem namens pFoodReQ entwickelt, das maßgeschneiderte Rezepte basierend auf den individuellen Vorlieben und Ernährungsbedürfnissen des Benutzers empfehlen kann.

Adresse des Artikels: https://arxiv.org/pdf/2101.01775.pdf

Die Autoren weisen in dem Artikel darauf hin, dass bestehende Methoden zur Ernährungsempfehlung im Allgemeinen drei Hauptmängel aufweisen:

1. Die genauen Anforderungen des Benutzers nicht verstehen;
2. Die Schlüsselfaktoren Allergien und Ernährungsbedürfnisse werden nicht berücksichtigt;
3. Es gibt kein individuelles Rezept, das auf reichlich vorhandenen Lebensmitteloptionen basiert.

In dieser Studie schlug das Forschungsteam personalisierte Ernährungsempfehlungen vor und betrachtete diese als Antworten auf eingeschränkte Fragen im Food Knowledge Graph (KG). Damit versuchte es, die oben genannten Probleme auf einheitliche Weise zu lösen.

Das Team schlug ein Rahmenwerk für personalisierte Ernährungsempfehlungen auf Grundlage der Wissensdatenbank KBQA (Knowledge Base Question Answering) vor, das durch Fragen und Antworten personalisierte Ernährungsempfehlungen erstellt.

Konkret wird das pFoodReQ-System auf die Fragen der Benutzer antworten, wie zum Beispiel: „Was ist ein gutes Frühstück, das Brot enthält?“, und rufen Sie dann alle Rezepte aus dem KG ab, die diese Abfragebedingung erfüllen. Anschließend wurden die Zutaten dieser Rezepte auf ihre Eignung hin bewertet.Zum Schluss empfehlen wir noch ein paar Rezepte mit den höchsten Bewertungen.

Die abschließenden Ergebnisse der Verifizierungsexperimente zeigten, dass die von ihnen vorgeschlagene Methode deutlich besser war als die nicht personalisierte Methode und relevantere und gesündere Rezepte empfehlen konnte.

Es gibt Tausende von Rezepten, KI empfiehlt nur Gerichte, die für Sie geeignet sind

Insgesamt baute das Team das SystemInsgesamt waren vier Schritte erforderlich: Erstellen eines Datensatzes, Generieren von Benchmark-Fragen, Zusammenstellen von Gesundheitsrichtlinien und Trainieren des Systems.

Schritt 1: Erstellen eines Rezeptdatensatzes 

Das Team hat einen Benchmark-QA-Datensatz basierend auf dem umfangreichen Lebensmittel-Wissensgraphen FoodKG erstellt (FoodKG integriert Rezepte, Lebensmittel- und Nährwertdaten) (noch nicht öffentlich)., das mehr als 1 Million Rezepte, 7,7 Millionen Nährwertangaben und 7,3 Millionen Lebensmittel sowie deren Zutaten und Nährwertangaben enthält.Und beachten Sie die von der ADA American Diabetes Association empfohlenen Lebensstilrichtlinien.

Datensatz-Download: https://orion.hyper.ai/datasets/5615

Laut den Autoren handelt es sich um den ersten personalisierten Datensatz mit Lebensmittelempfehlungen zu Zutaten, Nährwerten und Rezepten, der Frage-Antwort-Systeme unterstützt.

Jedes Beispiel im Datensatz besteht aus einer Benutzerabfrage, Ernährungspräferenzen, für den Benutzer relevanten Gesundheitsrichtlinien und einer grundlegenden Antwort (z. B. einer Rezeptempfehlung).

Schritt 2: Benchmark-Problem generieren 

Um Fragen zu erhalten, die die wahren Essgewohnheiten der Menschen widerspiegeln,Der Autor hat im sozialen Netzwerk Reddit mehr als 200 Rezepte und Fragen zum Thema Diabetes gesammelt.Insgesamt wurden 156 Posts mit Rezeptanfragen gefunden, die sich hauptsächlich auf vier Arten von Fragen konzentrierten:

• welche Zutaten essbar sind;
• Welche Zutaten sind nicht essbar?
• „Kohlenhydratarm“ oder „proteinreich“, was ist empfehlenswert?
• „Italienischer Stil“ oder „Mediterraner Stil“, was sind Ihre Empfehlungen?

Basierend auf der Art und Weise, wie die Fragen in diesen Beiträgen gestellt wurden, fasste das Team 56 verschiedene Vorlagen zusammen und erstellte darauf basierend einige Benchmark-Fragen.

Schritt 3: Erstellen Sie einen Gesundheitsleitfaden 

Sobald die Vorarbeiten abgeschlossen sind, können Sie Empfehlungen für eine gesunde Ernährung geben.

Das Team wählte aus den ADA-Lebensstilrichtlinien mehrere lebensmittelbezogene Richtlinien bezüglich Nährstoffen und Spurenelementen aus und verwendete sie als zusätzliche Ernährungsempfehlungen. Daher handelt es sich bei den Empfehlungen des Systems ausschließlich um gesunde Rezepte, die den Gesundheitsrichtlinien entsprechen.

Da diese Kriterien in natürlicher Sprache vorliegen, werden sie in eine strukturierte Darstellung umgewandelt (z. B. eine Hash-Tabelle, in der Schlüssel-Wert-Paare gespeichert sind).

Schritt 4: Trainieren Sie das personalisierte System 

Um eine Personalisierung zu erreichen, löste das Team auch die Probleme der Abfrageerweiterung bzw. der Allergieabfrage. Der Autor glaubt, dassEin wirksames System zur Ernährungsempfehlung sollte individuelle Bedürfnisse im Rahmen von Ernährungspräferenzen und Gesundheitsrichtlinien berücksichtigen.Daher wird für Benutzeranfragen eine weitere Erweiterung durchgeführt.

Beispielsweise stellt der Benutzer dem System eine Frage „Bitte empfehlen Sie ein Frühstück mit Brot.“Das System erkennt die Ernährungspräferenzen des Benutzers anhand seiner vorherigen Abfragen, Ernährungsvorlieben und Ernährungsverlaufsprotokolle und erweitert die einzelne Abfrage automatisch zu einer Abfrage mit zusätzlichen personalisierten Anforderungen.

Die erweiterte Abfrage lautet:„Empfohlen wird ein hochwertiges Frühstück, das Brot enthält, keine Erdnüsse enthält und 5 g bis 30 g Kohlenhydrate enthält.“

Dadurch kann das System bei gleicher Frage verschiedener Benutzer unterschiedliche Rezeptvorschläge machen.

Versuchsergebnisse: besser als andere Modelle 

Das Team führte eine menschliche Bewertung der Lebensmittelempfehlungen durch, indem es 8 Bewertern einen zufälligen Test mit 50 Fragen sowie eine Benutzerpersönlichkeit mit Zutatenpräferenzen (Vorlieben und Abneigungen) und geltenden Ernährungsrichtlinien zur Verfügung stellte.

Für jede Frage wurden die vier Modelle BAMnet, P-BOW, P-MatchNN und pFoodReQ in zufälliger Reihenfolge eingegeben und die Antworten eingeholt. Jede Antwort enthält die drei besten Rezepte (sofern mehr als drei Rezepte abgerufen wurden), die Zutatenliste und die Nährwerte.

Dieses personalisierte Ernährungsempfehlungssystem ist jedoch nur der erste Schritt in der Forschung des Teams. Die Autoren sagten: „Auch in Zukunft stehen uns viele Herausforderungen bevor. Wir brauchen komplexere Antwort-Benchmarks, die implizite Benutzerabsichten und verschiedene Sonderfälle berücksichtigen.“

Die Chinesen brauchen dringender KI-Ernährungswissenschaftler

Die Bedeutung einer gesunden Ernährung ist selbstverständlich, doch unsere aktuellen Essgewohnheiten sind immer noch sehr ungesund.Einem Forschungsbericht des Magazins The Lancet zufolge liegt China auf Platz 140 von 195 Ländern weltweit.

Um ungesunde Essgewohnheiten grundlegend zu ändern, bedarf es weit mehr als nur der Empfehlung eines Kochrezepts. Kann uns der Einsatz von KI mehr Möglichkeiten eröffnen? Hier sind einige der Vorteile, die wir für KI-Ernährungsberater zusammengefasst haben:

Lassen Sie Ihre mentalen Abwehrkräfte fallen, wenn Sie mit maschinellen Empfehlungen konfrontiert werden 

Viele Menschen geben ihre wahren Essgewohnheiten und ihren Konsum aus Gründen der Privatsphäre oder wegen ihres Gesichts gegenüber Ernährungsberatern und Fitnesstrainern nicht preis.

Anders sieht es jedoch aus, wenn Sie einen KI-Ernährungsberater einsetzen. Sie können Ihre psychische Belastung loslassen, der KI Ihre wahren Bedürfnisse mitteilen und sie dann aus Tausenden von Rezepten dasjenige suchen lassen, das Sie interessiert und nahrhaft ist.

Cheat Day tolerieren und den Speiseplan dynamisch anpassen 

Heutzutage ist das Internet überschwemmt mit populärwissenschaftlichen Artikeln zu Nährstoffkombinationen und ausgewogener Ernährung. Für die Leser sind diese jedoch zu schwierig umzusetzen und die Einhaltung ist gering.

Wir alle erleben Situationen, in denen wir ein Rezept nicht genau befolgen können oder zu einer gesellschaftlichen Veranstaltung ausgehen müssen. Auf Basis dieser Änderungen kann die KI nachfolgende Rezepte zeitnah anpassen und sich an verschiedene Veränderungen anpassen.

Schließen Sie die Lücke bei den Ernährungsberatern und verbessern Sie das Gesundheitsbewusstsein 

Obwohl das Gesundheitsbewusstsein der Menschen steigt, besteht im Beruf des Ernährungsberaters in unserem Land eine große Lücke.

Einer Umfrage zufolge gibt es in Japan auf 300 Einwohner einen Ernährungsberater. in den Vereinigten Staaten gibt es einen Ernährungsberater pro 4.000 Menschen;In China gibt es nur einen Ernährungsberater pro 400.000 Einwohner.

Wenn KI über umfassende Kenntnisse zu Ernährung und Gesundheit verfügt, kann jeder rund um die Uhr von einem persönlichen Ernährungsberater begleitet werden, der jederzeit und überall Ernährungsberatung bietet.

Dann kann die schwierige Frage „Was gibt es heute zu essen?“ der KI überlassen werden!