Как AI меняет нутрициологию: почему нейросеть считает КБЖУ точнее таблиц
«100г куриной грудки = 165 ккал» — эта цифра есть в любой таблице КБЖУ. Но когда вы фотографируете своё блюдо или вводите его в трекер, реальность немного другая.
Мы разрабатываем AI-нутрициолога и за время работы над продуктом поняли несколько вещей о том, почему традиционный подход к подсчёту калорий работает хуже, чем кажется.
Проблема стандартных таблиц
Когда вы ищете «КБЖУ куриной грудки» — вы получаете среднее значение для сырого продукта определённой жирности. Но:
Способ приготовления меняет всё. Отварная грудка vs запечённая vs жареная на масле — это разные значения. Жарка добавляет калории от масла. Варка меняет содержание воды и, соответственно, плотность белка на грамм.
«100г» — это не 100г готового блюда. Сырое мясо при варке теряет 20–30% веса. Если вы взвешиваете уже готовое блюдо и используете данные для сырого — ошибка 25–30%.
Состав зависит от конкретного продукта. Куриная грудка бройлера и домашней курицы — разная жирность. Обезжиренный творог разных производителей — разное содержание белка.
Исследования показывают, что ошибка при самостоятельном подсчёте КБЖУ по таблицам составляет в среднем 15–25%. Для человека, который считает для похудения — это может быть разницей между дефицитом и его отсутствием.
Как AI подходит к этой задаче иначе
AI-нутрициолог — это не просто «умная таблица». Это система, которая учитывает контекст.
Описание блюда, а не продукта. Пользователь говорит: «съел тарелку борща с куском ржаного хлеба». AI разбирает это на компоненты, оценивает типичный состав рецепта, учитывает, что борщ варится и овощи теряют часть витаминов, хлеб имеет определённую плотность при нарезке.
Уточняющие вопросы. Если пользователь написал «салат», AI спросит: «С чем? Заправлен маслом или нет? Примерно сколько?» Не потому что хочет усложнить процесс, а потому что эти детали меняют итог.
Персональный контекст. Если система знает параметры пользователя — вес, активность, цель — она не просто считает КБЖУ, а интерпретирует: «Это 32% от вашей дневной нормы белка. До нужного показателя остаётся ещё около 80г».
Что не умеет AI (честно)
Нейросеть — не спектрометр. Точное определение состава блюда по фото или описанию невозможно без анализа.
Что AI делает хорошо: даёт достаточно точную оценку для практических целей. Ошибка 5–10% вместо 20–25% при ручном подсчёте. Это не идеал, но это значительно лучше.
Для большинства людей, которые ведут нутрициологический дневник для общего понимания питания, а не для соревновательной подготовки — этого более чем достаточно.
Как мы строим AI-нутрициолога в QuboLab
Наш продукт — Telegram Mini App. Пользователь ведёт дневник прямо в Telegram: описывает или фотографирует еду, получает мгновенную оценку.
Ключевые принципы, которые мы закладываем:
Минимум трения. Подсчёт калорий бросают не потому что не хотят — а потому что это утомительно. Наша задача: сделать так, чтобы зафиксировать приём пищи занимало меньше 30 секунд.
Объяснения, а не только цифры. «1200 ккал» — это мало о чём говорит. «У вас хороший баланс белков, но мало клетчатки — добавьте овощи к ужину» — это действие.
Без морализаторства. Никаких «вы съели слишком много» и «это вредно». Только факты и рекомендации, если пользователь их просит.
Когда выйдет
AI-нутрициолог — наш следующий продукт после Astara. Если хотите попасть в первую волну пользователей — подпишитесь на журнал QuboLab.
Будем рассказывать о разработке так же открыто, как делаем это с Astara.