Manger De Manière Satisfaisante Et Saine ? Les Nutritionnistes IA Vous Comprennent Mieux Que Les Nutritionnistes Humains
Il n’est pas nécessaire d’en dire beaucoup sur l’importance d’une alimentation raisonnable et d’une nutrition équilibrée, mais la manière de la mettre en œuvre n’est pas facile. Afin d'obtenir des recettes plus raisonnables, plus saines et plus en phase avec les goûts des gens, l'IA a également rejoint les rangs des nutritionnistes.
En termes d’alimentation saine, les gens modernesSoins de santé, recommandations d'experts, les recettes les plus complètesCes mots-clés ont une passion au-delà de l’imagination.
Les personnes en forme recherchent le gain musculaire et s'en tiennent à un régime pauvre en glucides et riche en cétones ; les personnes soucieuses de leur beauté recherchent une perte de poids rapide, et le jeûne intermittent et le régime de Copenhague sont les plus populaires ; les patients postopératoires et les femmes enceintes subissent un lavage de cerveau avec la bouillie de millet et la soupe de pied de porc qui se transmettent de bouche à oreille ; les jeunes qui aspirent à une vie verte et les bouddhistes prônent le végétarisme et font de leur mieux pour maintenir leur santé physique et mentale avec des choix limités.
Face à une telle richesse de choix, quelle est la manière scientifique et raisonnable de les concilier ? Certains chercheurs exploitent les algorithmes et le big data pour recommander des recettes plus saines et plus nutritives pour tous.
L'IA apprend à « voir les gens et à leur servir ce qu'ils veulent »
Le plus gros problème avec le régime universel mentionné ci-dessus est que chacun a des physiques, des goûts, des ressources régionales et des niveaux de consommation différents.
Les recettes de haute qualité de certains blogueurs utilisent souvent du saumon et de l'avocat, des ingrédients chers et difficiles à acheter dans certaines régions, ce qui décourage de nombreuses personnes.
Afin de faire des recommandations alimentaires personnalisées pour chaque individu, de nombreux chercheurs ont également introduit la technologie de l’intelligence artificielle.
Des chercheurs de l'Université polytechnique de Rensselaer aux États-Unis et d'IBM Research ont récemment développé un système de recommandation alimentaire personnalisé, pFoodReQ, qui peut recommander des recettes sur mesure en fonction des préférences individuelles des utilisateurs et de leurs besoins alimentaires.
Adresse de l'article : https://arxiv.org/pdf/2101.01775.pdf
Les auteurs soulignent dans l’article que les méthodes de recommandation diététique existantes présentent généralement trois défauts principaux :
- Ne pas comprendre les besoins exacts de l’utilisateur ;
- Les facteurs clés que sont les allergies et les besoins nutritionnels ne sont pas pris en compte ;
- Il n’existe pas de recette personnalisée basée sur des options alimentaires abondantes.
Dans cette étude, l'équipe de recherche a proposé des recommandations alimentaires personnalisées et les a considérées comme des réponses à des questions restreintes sur le graphique des connaissances alimentaires (KG), essayant ainsi de résoudre les problèmes ci-dessus de manière unifiée.
L'équipe a proposé un cadre de recommandation alimentaire personnalisé basé sur la base de connaissances KBQA (Knowledge Base Question Answering), qui fait des recommandations alimentaires personnalisées par le biais de questions et de réponses.
Plus précisément, le système pFoodReQ répondra aux questions des utilisateurs, telles que « Quel est un bon petit-déjeuner qui comprend du pain ? », puis récupérez toutes les recettes qui répondent à cette condition de requête à partir du KG. Les ingrédients de ces recettes ont ensuite été évalués en fonction de leur pertinence.Enfin, nous vous recommandons quelques recettes avec les notes les plus élevées.
Les résultats expérimentaux de vérification finale ont montré que la méthode proposée était significativement meilleure que la méthode non personnalisée et pouvait recommander des recettes plus pertinentes et plus saines.
Il existe des milliers de recettes, l'IA ne recommande que les plats qui vous conviennent
Dans l’ensemble, l’équipe a construit le systèmeAu total, quatre étapes ont été nécessaires : la création d’un ensemble de données, la génération de questions de référence, la compilation de directives de santé et la formation du système.
Étape 1 : Création d'un ensemble de données de recettes
L'équipe a créé un ensemble de données de référence d'assurance qualité basé sur le vaste graphique de connaissances alimentaires FoodKG (FoodKG intègre des recettes, des données sur les aliments et la nutrition) (pas encore public), qui contient plus d'un million de recettes, 7,7 millions de fiches nutritionnelles et 7,3 millions d'aliments, ainsi que leurs ingrédients et leurs informations nutritionnelles.Et reportez-vous aux directives de style de vie recommandées par l'ADA American Diabetes Association.
Téléchargement du jeu de données : https://orion.hyper.ai/datasets/5615
Selon les auteurs, il s’agit du premier ensemble de données de recommandations alimentaires personnalisées liées aux ingrédients, à la nutrition et aux recettes qui prend en charge les systèmes de questions-réponses.
Chaque exemple de l'ensemble de données comprend une requête utilisateur, des préférences alimentaires, des directives de santé pertinentes pour l'utilisateur et une réponse de base (c'est-à-dire une recommandation de recette).
Étape 2 : Générer un problème de référence
Afin d'obtenir des questions qui reflètent les véritables habitudes alimentaires des gens,L'auteur a rassemblé plus de 200 recettes et questions liées au diabète sur le réseau social Reddit.Au total, 156 messages demandant des recettes ont été trouvés, et ils se concentraient principalement sur quatre types de questions :
- quels ingrédients sont comestibles ;
- Quels ingrédients ne sont pas comestibles ?
- « Faible en glucides » ou « riche en protéines », lesquels sont recommandés ?
- « Style italien » ou « style méditerranéen », quelles sont vos recommandations ?
En fonction de la manière dont les questions ont été posées dans ces publications, l’équipe a résumé 56 modèles différents et a généré des questions de référence basées sur eux.
Étape 3 : Élaborer un guide de santé
Une fois les préparatifs préliminaires terminés, vous pouvez faire des recommandations en matière d’alimentation saine.
L’équipe a sélectionné plusieurs directives liées à l’alimentation issues des directives de l’ADA sur le mode de vie concernant les nutriments et les oligo-éléments et les a utilisées comme recommandations alimentaires supplémentaires. Les recommandations du système sont donc toutes des recettes saines et conformes aux directives sanitaires.
Étant donné que ces critères sont en langage naturel, ils sont convertis en une représentation structurée (par exemple, une table de hachage stockant des paires clé-valeur).
Étape 4 : Former le système personnalisé
Pour parvenir à la personnalisation, l'équipe a également résolu les problèmes d'extension de requête et de requête d'allergie respectivement. L'auteur estime queUn système de recommandation alimentaire efficace doit respecter les besoins individuels dans le cadre des préférences alimentaires et des directives de santé.Par conséquent, pour les requêtes des utilisateurs, une extension supplémentaire est effectuée.
Par exemple, l’utilisateur pose une question au système Veuillez recommander un petit-déjeuner comprenant du pain.Le système comprendra les préférences alimentaires de l'utilisateur en fonction de ses requêtes précédentes, de ses préférences alimentaires et de ses journaux d'historique alimentaire, et étendra automatiquement la requête unique en une requête avec des besoins personnalisés supplémentaires.
La requête développée devient :« Un petit-déjeuner de haute qualité comprenant du pain, sans cacahuètes et contenant 5 g à 30 g de glucides est recommandé. »
De ce fait, le système peut donner différentes suggestions de recettes lorsqu'il est confronté à la même question posée par différents utilisateurs.
Résultats expérimentaux : meilleurs que les autres modèles
L'équipe a mené une évaluation humaine des recommandations alimentaires en fournissant à 8 évaluateurs un test aléatoire de 50 questions, ainsi qu'un profil d'utilisateur comprenant les préférences en matière d'ingrédients (goûts et dégoûts) et les directives nutritionnelles applicables.
Pour chaque question, les quatre modèles, BAMnet, P-BOW, P-MatchNN et pFoodReQ, ont été saisis dans un ordre aléatoire et les réponses ont été obtenues. Chaque réponse contient les trois meilleures recettes (si plus de trois recettes ont été récupérées), la liste des ingrédients et les valeurs nutritionnelles.
Cependant, ce système de recommandation de régime personnalisé n’est que la première étape des recherches de l’équipe. Les auteurs ont déclaré : « De nombreux défis restent à relever à l'avenir. Nous avons besoin de benchmarks de réponse plus complexes, capables de gérer l'intention implicite des utilisateurs et divers cas particuliers. »
Les nutritionnistes IA sont de plus en plus recherchés par les Chinois
L’importance d’une alimentation saine est évidente, mais nos habitudes alimentaires actuelles sont encore très malsaines.Selon un rapport de recherche publié par The Lancet, la Chine se classe au 140e rang sur 195 pays dans le monde.
Changer fondamentalement des habitudes alimentaires malsaines nécessite bien plus que de simplement recommander une recette. L’intervention de l’IA peut-elle nous apporter plus de possibilités ? Voici quelques-uns des avantages que nous avons résumés pour les nutritionnistes IA :
Laissez tomber vos défenses mentales face aux recommandations des machines
Lorsqu'ils sont confrontés à des nutritionnistes et à des coachs de fitness, de nombreuses personnes peuvent ne pas révéler leurs véritables habitudes alimentaires et leurs niveaux de consommation en raison de problèmes de visage ou de confidentialité.
Mais c’est différent si vous faites appel à un nutritionniste IA. Vous pouvez vous débarrasser de votre fardeau psychologique, indiquer à l'IA vos besoins réels, puis la laisser rechercher celle qui vous intéresse et qui est nutritive parmi des milliers de recettes.
Tolérer le jour de triche et ajuster dynamiquement le menu
De nos jours, Internet regorge d’articles scientifiques populaires sur les combinaisons nutritionnelles et les régimes équilibrés, mais pour les lecteurs, ils sont trop difficiles à mettre en œuvre et le respect des recommandations est faible.
Nous rencontrons tous des situations où nous ne pouvons pas suivre une recette complètement ou devons sortir pour un événement social. L’IA peut apporter des ajustements opportuns aux recettes ultérieures en fonction de ces changements et s’adapter à divers changements.
Combler le manque de nutritionnistes et améliorer la sensibilisation à la santé
Bien que la sensibilisation des gens à la santé augmente, la profession de nutritionniste dans notre pays est confrontée à un énorme vide.
Selon une enquête, au Japon, il y a un nutritionniste pour 300 personnes ; aux États-Unis, il y a un nutritionniste pour 4 000 personnes ;En Chine, il n’y a qu’un nutritionniste pour 400 000 personnes.
Si l’IA possède une connaissance complète de la nutrition et de la santé, alors chacun peut avoir un nutritionniste personnel qui l’accompagne 24 heures sur 24 et qui peut fournir des conseils diététiques à tout moment et en tout lieu.
À ce moment-là, la difficile question de « quoi manger aujourd’hui » peut être laissée à l’IA !
