Σύστημα τεχνητής νοημοσύνης ανέλυσε 135.000 γεύματα από 55.000 ενήλικες
Οι διατροφολόγοι ξέρουν εδώ και χρόνια τι πρέπει να τρώμε. Λαχανικά, φρούτα, δημητριακά ολικής άλεσης και όσπρια συνδέονται με χαμηλότερο κίνδυνο καρδιοπάθειας, διαβήτη και άλλων χρόνιων παθήσεων. Το πρόβλημα δεν είναι η γνώση αλλά η εφαρμογή. Νέα έρευνα από το Πανεπιστήμιο της Καλιφόρνιας Davis που δημοσιεύτηκε στο PLOS Digital Health προτείνει αντί να ζητά από τους ανθρώπους να αλλάξουν ριζικά τη διατροφή τους, ένα σύστημα τεχνητής νοημοσύνης εντοπίζει δύο έως τρεις αντικαταστάσεις υλικών που βελτιώνουν τη διατροφική ποιότητα χωρίς να κάνουν τα γεύματα αγνώριστα. Οι ερευνητές Trevor Chan και Ilias Tagkopoulos ανέλυσαν δεδομένα από πάνω από 135.000 γεύματα που κατανάλωσαν πάνω από 55.000 ενήλικες στο πλαίσιο της αμερικανικής έρευνας «What We Eat in America». Αυτή η μεγάλη βάση δεδομένων επέτρεψε στο σύστημα να μάθει κοινές δομές γευμάτων και να κατανοήσει πώς συνδυάζονται συνήθως τα τρόφιμα. Τα γεύματα που δημιούργησε η τεχνητή νοημοσύνη ήταν 47% πιο κοντά στις διατροφικές συστάσεις του USDA σε σύγκριση με τα πραγματικά γεύματα από τα ίδια διατροφικά πρότυπα.
ΔΕΙΤΕ ΕΠΙΣΗΣ | Τηλεκοντρόλ στο ψυγείο: Ένα ασυνήθιστο σημάδι άνοιας που οι περισσότεροι δεν αναγνωρίζουν
ΔΕΙΤΕ ΕΠΙΣΗΣ | Ιχθυέλαιο: Νέα έρευνα εξηγεί γιατί τα ωμέγα-3 μπορεί να βοηθούν και σε ασθενείς που δεν είναι παχύσαρκοι
Η πιο ενδιαφέρουσα φάση της έρευνας εστίασε στις αντικαταστάσεις υλικών. Αντί να επανασχεδιάζει ολόκληρα γεύματα, το σύστημα αναζητούσε ευκαιρίες για να αντικαταστήσει ένα, δύο ή τρία υλικά με πιο υγιεινές εναλλακτικές. Τα αποτελέσματα ήταν εντυπωσιακά, καθώς οι μικρές αυτές αντικαταστάσεις αύξησαν τη διατροφική ποιότητα κατά περίπου 10% ενώ ταυτόχρονα μείωσαν το εκτιμώμενο κόστος γεύματος κατά 22 έως 34%. Σε πολλές περιπτώσεις, το σύστημα πρότεινε αντικατάσταση επεξεργασμένων τροφίμων με λαχανικά, όσπρια ή άλλα θρεπτικά συστατικά. Για παράδειγμα, αντί να αφαιρέσει ένα ολόκληρο γεύμα από τη ρουτίνα κάποιου, μπορεί να πρότεινε αντικατάσταση ενός επεξεργασμένου συνοδευτικού με λαχανικά ή αντικατάσταση ενός υλικού με υψηλό νάτριο με μια πιο υγιεινή εναλλακτική. Η έμφαση ήταν στη διατήρηση του χαρακτήρα του γεύματος ενώ βελτιωνόταν το διατροφικό του προφίλ.
ΔΕΙΤΕ ΕΠΙΣΗΣ | Ποια λιπαρά τρόφιμα μειώνουν την αρτηριακή πίεση και ποια την ανεβάζουν
ΔΕΙΤΕ ΕΠΙΣΗΣ | EFSA: Ασφαλής για συσκευασίες τροφίμων η νέα ουσία σταθεροποίησης πολυπροπυλενίου με τέσσερις συγκεκριμένες προϋποθέσεις
Σύγκριση με το GPT-4o και μελλοντικές εφαρμογές
Οι ερευνητές δοκίμασαν επίσης το σύστημά τους σε σύγκριση με το GPT-4o, το οποίο χρησιμοποιούν ήδη εκατομμύρια άνθρωποι για διατροφικές συμβουλές. Το εξειδικευμένο διατροφικό μοντέλο απέδωσε καλύτερα στη δημιουργία γευμάτων που ανταποκρίνονταν στις επίσημες διατροφικές συστάσεις, ιδιαίτερα ως προς την ισορροπία θρεπτικών συστατικών. Οι δυνητικές εφαρμογές είναι πολλές, από εφαρμογές smartphone που παρέχουν εξατομικευμένες προτάσεις γευμάτων μέχρι εργαλεία για γιατρούς που υποστηρίζουν ασθενείς με διαβήτη ή καρδιοπάθεια.
Οι περιορισμοί της έρευνας
Οι ερευνητές τονίζουν ότι η ανάλυση έγινε εξολοκλήρου μέσω υπολογιστικής μοντελοποίησης και κανένας συμμετέχων δεν παρασκεύασε ή κατανάλωσε τα προτεινόμενα γεύματα. Δεν γνωρίζουμε ακόμα αν οι αντικαταστάσεις θα ήταν αποδεκτές από πραγματικούς χρήστες ή αν οι άνθρωποι θα τις εφάρμοζαν συστηματικά με την πάροδο του χρόνου. Η διατροφική συμπεριφορά επηρεάζεται από πολλούς παράγοντες πέρα από τη διατροφική αξία, όπως γευστικές προτιμήσεις, πολιτισμικές παραδόσεις, μαγειρικές δεξιότητες και οικογενειακές συνήθειες, και μελλοντικές έρευνες θα χρειαστεί να εξετάσουν πώς αυτοί οι παράγοντες επηρεάζουν την αποδοχή των προτάσεων της τεχνητής νοημοσύνης στην καθημερινή ζωή.
