تصور کنید یک مدل بینایی عکسی از بشقاب شام شما را تحلیل می‌کند و با اطمینانی کامل، عددی برای کالری می‌گوید که کاملاً تصادفی است. برای حل این مشکل، شرکت Protealpes در ۲۵ سپتامبر ۲۰۲۶ خط لوله‌ای را راه‌اندازی کرد که به‌طور سخت‌گیرانه «ادراک» را از «حساب و کتاب» جدا می‌کند.
این رویکرد، مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — را به‌جای یک ماشین‌حساب، صرفاً به‌عنوان یک تحلیلگر متن یا پارسر در نظر می‌گیرد. همان‌طور که در تحلیل قبلی ما درباره‌ی چالش Only What I Asked اشاره کردیم، تکیه بر شهود مدل برای اعداد، ریسک خطای بالا دارد. در اپلیکیشن‌های رایج، هوش مصنوعی کالری کل را حدس می‌زند؛ اما در اینجا، مدل فقط مواد تشکیل‌دهنده را شناسایی می‌کند. این دقت در شناسایی مواد، گامی فراتر از شخصی‌سازی تحلیل منوها برای بیماران و ورزشکاران است که پیش‌تر به آن پرداخته بودیم.
به نقل از گزارش dev.to، سامانه Protealpes از یک خط لوله قطعی پنج‌مرحله‌ای پیروی می‌کند:
خط لوله شناسایی
- طرحواره سخت‌گیرانه: مدل از یک ساختار اعتبارسنج‌شده (Zod) استفاده می‌کند تا فقط نام غذا، گرم‌های تخمینی و سطح اطمینان (کم، متوسط یا زیاد) را خروجی دهد.
- مداخله کاربر: چون تخمین حجم غذا از روی عکس اغلب دقیق نیست، کاربر می‌تواند هر مورد را قبل از شروع محاسبات ویرایش کند. این نیاز به دقت بصری، تضاد جالبی با شکست مدل‌های انتشار در بازسازی منطق بصری غذا دارد که در آن مدل‌ها در درک ساختار واقعی غذا ناتوان بودند.
- جست‌وجوی قطعی: سیستم غذاهای شناسایی‌شده را با یک جدول مرجع استخراج‌شده از USDA تطبیق می‌دهد. اگر غذایی پیدا نشود، به‌جای حدس زدن، آن را به‌عنوان «تخمینی» علامت می‌زند.
- آگاهی از وضعیت: سیستم تفاوت حالت پخته و خام را می‌فهمد؛ مثلاً می‌داند ۲۵۰ گرم برنج سفید پخته (۳۲۵ کیلوکالری) با برنج خشک متفاوت است.
- منطق فرمول‌محور: برای محاسبه نرخ متابولیسم پایه (BMR) و اهداف پروتئینی، به‌جای هوش مصنوعی از فرمول‌های علمی تثبیت‌شده مثل Mifflin-St Jeor استفاده می‌شود.
این تغییر طراحی، هوش مصنوعی را از یک «جعبه سیاه» که جواب نهایی می‌دهد، به یک ابزار ورود داده‌های ساختاریافته تبدیل می‌کند. با اجبار مدل به پیروی از یک طرحواره و استفاده از جدول ثابت، دیگر اتفاق نمی‌افتد که یک عکس در هر بار رفرش، کالری متفاوتی نشان دهد. در واقع، این رویکرد مشابه جایگزینی خلاصه‌سازی متن با تحلیل پیکسل‌به-پیکسل در ویدیوهاست که دقت را بر حدس زدن اولویت می‌دهد.
برای کاربر نهایی، این یعنی جادوی هوش مصنوعی با قابلیت اطمینان یک جدول اکسل ترکیب شده است. شما دیگر به شهود مدل برای کالری‌ها اعتماد نمی‌کنید، بلکه به پایگاه داده USDA و اصلاحات خودتان روی حجم غذا تکیه می‌کنید.
توسعه‌دهندگان اکنون می‌توانند این ابزارها را در protealpes.net آزمایش کنند تا مرز بین خروجی مدل و کد قطعی را ببینند.
گام بعدی شما
- اگر در حال توسعه ابزارهای AI هستید، وظایف محاسباتی را از LLM بگیرید و به توابع کدنویسی شده بسپارید.
- برای افزایش دقت، از طرحواره‌های اعتبارسنجی مثل Zod برای کنترل خروجی مدل‌ها استفاده کنید.
- بررسی کنید آیا مدل شما در حال «حدس زدن» اعداد است یا از یک منبع داده مرجع استفاده می‌کند.
اما چالش بعدی این سامانه‌ها، مدیریت دستورپخت‌های پیچیده با مواد ترکیبی است که در آن‌ها جست‌وجوی ساده در جدول شکست می‌خورد؛ موضوعی که در گزارش‌های آینده بررسی خواهیم کرد.
گفتگو