Dobici:
- Sposobnost da se razume neophodnost dobijanja nutritivnih vrednosti iz poznatih baza podataka (USDA, TÜBER, BeBiS) umesto iz memorije veštačke inteligencije
- Sposobnost usmjeravanja umjetne inteligencije na proračune i interpretacije samo sa podacima iz izvora, uz RAG logiku
- Sposobnost prevencije nutritivnih grešaka uzimajući u obzir sirove/kuhane konverzije, jasnoću porcija i konzistentnost izvora
U središtu svakodnevnog rada dijetetičara je pitanje "koliko je u ovom nutrijentu?" Postoji pitanje. Koliko grama proteina u 100 grama pilećih prsa? Koliko grama vlakana ima u kriški integralnog hleba? Koliko kalorija ima jedna kašika maslinovog ulja? Odgovori na ova pitanja nalaze se u bazama podataka o sastavu hrane — zvaničnim tabelama koje navode energetski, makro i mikronutrijenti u hiljadama namirnica na osnovu laboratorijskih analiza. Najopasnija greška vještačke inteligencije na ovom polju je da misli da "pamti" ove brojeve. Međutim, jezički model ne pamti brojeve; Generiše vjerovatno i često daje vrijednosti koje su bliske stvarnosti, ali ponekad ozbiljno pogrešne. Glavna poruka ove jedinice je jasna: nabavite nutritivnu vrijednost iz priznate baze podataka, a ne iz memorije AI; Koristite AI za rad sa tačnim podacima, a ne za pamćenje podataka.
Dobro poznate baze podataka i za šta se koriste
Glavni izvori koji se široko koriste u svijetu iu Turskoj su:
baza podataka
Obim
jaka tačka
Pažnja
USDA FoodData Central (SAD)
Veoma veliki, ~četvrt miliona zapisa
Detaljno, besplatno, sa API-jem
USA proizvodi; lokalna hrana ograničena
TÜBER / Türkiye Vodič za ishranu suplementi
Turska kuhinja fokusirana
Lokalna hrana i porcija
Obim uži od USDA
BeBiS (Informacijski sistem o ishrani)
Uobičajeni softver u Turskoj
Turski recepti
Licencirani softver
USDA/EuroFIR
Podaci o evropskom sastavu
Standard zasnovan na zemlji
Pristup može biti institucionalan
Ono što se podrazumijeva pod "API" je sučelje koje omogućava softveru da programski (automatski) postavlja pitanja bazi podataka i prima strukturirane odgovore. Posjedovanje API-ja za resurse kao što je USDA FoodData Central omogućava povezivanje AI alata sa stvarnim podacima u budućnosti. Ovo je osnova pristupa „umetnoj inteligenciji vođenoj podacima“: ne uklapajte modele, crpite iz stvarnog izvora.
Pažnja: Isti nutrijent može pokazati različite vrijednosti u različitim bazama podataka; Zato što su uvjeti uzgoja, sorta, način kuhanja i analiza različiti. Ne postoji jedan "tačan" broj; Postoji razuman raspon. Zabilježite koji resurs koristite u planu klijenta kako biste bili dosljedni.
Logika "preuzimanja": povezivanje AI sa izvorom
U modernim aplikacijama, način povezivanja AI sa stvarnim podacima je RAG pristup — Retrieval-Augmented Generation na engleskom. Jednostavno: umjesto uklapanja odgovora iz memorije, model prvo izvlači relevantne podatke iz pouzdanog izvora (baze podataka, dokumenta), a zatim generiše odgovor na osnovu tih podataka. U praksi ovo implementirate na dva načina:
- Ručno hranjenje: Kopirate vrijednosti hrane sa pouzdanog stola i dajete je AI; AI samo izračunava/tumači sa ovim podacima, ne dodaje brojeve iz svoje memorije.
- Povezano vozilo: koristite vozilo povezano sa bazom podataka; AI prosljeđuje upit stvarnom izvoru i koristi vraćenu vrijednost.
U oba slučaja, zlatno pravilo je isto: broj dolazi iz izvora, AI ga tumači. "Koliko je gvožđa u 100 grama sočiva?" upitao je YZ. Postaviti otvoreno pitanje znači pozvati na izmišljotinu.
Generički proizvod, brendirani proizvod i mješavina obroka
Baze podataka o nutrijentima imaju više zapisa pod istim imenom, a odabir pogrešnog zapisa je tihi izvor greške. Na primjer, pretraživanje "jogurt" će vam dati desetke različitih zapisa, kao što su punomasni, polumasni, bezmasni, grčki (procijeđeni) i zaslađeni voćni jogurt; Njihove kalorije i makroi su veoma udaljeni jedni od drugih. Grčki jogurt ima skoro dvostruko više proteina od običnog jogurta. Slično, zapisi o "brendiranim proizvodima" (upakovani proizvod kompanije) i evidenciji o "općoj ishrani" nose različite vrijednosti. U dobroj praksi, što više odgovarate proizvodu koji klijent zapravo konzumira: ako je moguće, na osnovu oznake nutritivne vrijednosti na pakovanju, u suprotnom birate najbliži opis u bazi podataka. Pitajte AI "koji zapis da odaberem?" Kada se konsultujete, može vam predložiti pravi termin za pretragu; ali konačni odabir ploče i poređenje sa etiketom je pod vašom kontrolom. Korišćenje istog zapisa za isti nutrijent u celom planu je takođe važno za doslednost; Korištenje punomasnog mlijeka pola vremena i obranog mlijeka pola vremena će iskriviti ukupne vrijednosti.
Pretvorbe porcija i kuhanja
Nutritivne baze podataka obično daju vrijednosti po 100 grama sirovog. Ali klijent jede kuvano sočivo, a ne sirovo. Težina se mijenja upijanjem vode tokom kuvanja; 100 grama sirovog pirinča se kuha na ~250-300 grama. Dakle, "kuvanih 200 grama" i "sirovih 100 grama" imaju različite nutritivne vrednosti. AI može napraviti ove transformacije, ali može zbuniti smjer. Uvijek razjasnite da li je vrijednost koju koristite sirova ili kuhana; ovo je čest izvor grešaka u proračunu.
tri mini kofera
Slučaj 1 — Uhvatiti halucinaciju. Dijetetičar je pitao YZ: "Koliko grama proteina ima u 100 grama kuvane brokule?" on pita; AI kaže "oko 8 grama". Dijetetičar gleda na USDA: stvarna vrijednost je ~2,4 grama. AI ga je pomiješao s podacima o mahunarkama i orašastim plodovima i trostruko naduvao. Dijetetičar koristi ispravnu vrijednost. Pouka: zeleno povrće ima malo proteina; Broj nije tačan samo zato što tečno govori.
Slučaj 2 — Zabuna sirovo/kuhano. U nacrtu plana, AI koristi sirovu vrijednost za “150 grama tjestenine” (~525 kcal), dok klijent jede 150 grama kuhane tjestenine (~210 kcal). Razlika je 315 kcal u jednom obroku, što je ozbiljno odstupanje i kod jednog obroka dnevno. Dijetetičar pojašnjava mjernu jedinicu na "kuvano" i preračunava.
Slučaj 3 — Ispravna upotreba. Dijetetičar kopira vrijednosti od 100 grama za piletinu, pirinač i brokulu iz USDA, dajući ih AI uz uputu da „samo izračuna ukupan makro za obrok s ovim podacima, dodajući brojeve iz svoje memorije“. AI samo sabira sa datim brojevima; dijetetičar potvrđuje tako što ga zalupi nazad. Podaci su došli iz izvora, AI je izvršio aritmetiku.
Predlošci upita koji se mogu kopirati
ŠABLONA ZA RAČUN SA IZVORNIM PODACIMA (RAG logika)Vaša uloga: asistent koji radi samo sa nutritivnim vrijednostima KOJI SU VAM DATE.DODAJTE ili PROMIJENITE nutritivne vrijednosti iz vlastitog pamćenja. Ako nedostaju podaci, napišite "[nema podataka]", nadoknadite. Podaci (na 100 g, izvor: USDA):- Pileća prsa (kuvana): 165 kcal, 31 g proteina, 3,6 g masti, 0 g ugljenih hidrata- Pirinač (kuvani): ...Zadatak: Izračunajte ukupne kcal i makro za 120 g piletine + 150 g pirinča.
ŠABLONA ZA SIROV/KUVANI PRETVOR Vrijednost sljedeće hrane je data na 100 g SIROVIH: [vrijednosti]. Klijent jede [X] g KUVAN. Kada se skuva, težina ~[omjer] se mijenja. Shodno tome, izračunajte nutritivnu vrijednost pojedene količine i napišite JASNO koju pretpostavku koristite.
ŠABLONI ZA PRIPREMU UPITA BAZE PODATAKA žele pronaći nutritivnu vrijednost obroka. Navedite KOJI pojam treba da tražim u bazi podataka o hrani (USDA/GOMOLJ) za sljedeće namirnice, koji zapis trebam odabrati, sirovo/kuvano. Ne dajte vrijednosti VAM; samo mi recite tačan pojam za pretragu i tačku pažnje. Hranljivi sastojci: [...]
OBRAZAC ZA PROVJERU KONZISTENTNOSTI Interpretirajte nutritivne vrijednosti za sljedeći obrok na dva različita načina: (1) pod pretpostavkom da je sva hrana sirova, (2) pod pretpostavkom da je sva hrana kuhana. Uporedite dva zbroja i objasnite odakle dolazi razlika. Tako da mogu vidjeti koju pretpostavku moram provjeriti.
Slaba prompt / Jaka prompt
Slab upit:
Koliko kalorija ima u činiji supe od sočiva?
"Jelo" je nejasno, recept je nejasan, izvor je odsutan; AI pravi broj iz svoje memorije i ne govori kako je došao do njega.
Snažan upit:
Vaša uloga: pomoćnik koji samo izračunava na osnovu datih podataka. Porcija supe od sočiva = 300 g. Sastojci (vrijednosti na 100 g, izvor USDA, dajem u nastavku): crvena sočiva (kuvana) [vrijednosti], luk [vrijednosti], maslinovo ulje [vrijednosti]. Količine po porciji: [...]. Izračunajte ukupne kcal i makro sa ovim podacima, nemojte dodavati iz memorije, pokažite korake.
Drugi izvor prompta daje informacije o serviranju, sirove/kuhane informacije i ograničenje "ne dodaj"; Izlaz je podložan reviziji i pouzdan.
Uobičajene greške
- Vjerovati pamćenju umjetne inteligencije: Otvoreno ispitivanje nutritivne vrijednosti; Ovo je poziv na halucinaciju.
- Zbunjenje sirovog/kuvanog: Najčešća tiha greška; Uvijek pojasnite mjernu jedinicu.
- Zabuna izvora: miješanje različitih nutrijenata iz različitih baza podataka; Koristite dosljedne resurse u planu.
- Ostavljanje dijela nejasnog: Izračunavanje izraza kao što su "tanjir", "šaka" bez pretvaranja u grame.
- Fokusiranje na jedan broj umjesto na raspon: Zaboravljanje da ista hrana ima razuman raspon vrijednosti; stvaranje lažne sigurnosti.
Ukratko
Podaci o ishrani su oblast u kojoj je jezički model najslabiji; Budući da model ne pamti brojeve, on ih proizvodi. Stoga uvijek uzimajte nutritivne vrijednosti iz priznate baze podataka (USDA, TÜBER, BeBiS) i koristite AI za izračunavanje i tumačenje samo tih podataka — na osnovu RAG logike, podataka izvučenih iz izvora. Obratite pažnju na sirove/kuhane konverzije, jasnoću porcija i konzistentnost izvora. Samo zato što je broj izašao tečno nije tačan; Istinu možete dobiti samo radeći sa izvorom.
Zadatak aplikacije
Odaberite tri namirnice (na primjer, kuhana jaja, hljeb od cjelovitog zrna pšenice, grčki jogurt). Prvo, pitajte AI otvorenog tipa i uzmite njegove vrijednosti (iz njegove memorije). Zatim pronađite stvarne vrijednosti tih istih nutrijenata iz USDA FoodData Central. Uporedite ta dva seta i zapišite u tabelu koliko odstupanja ima svaka namirnica. Ova tabela će otkriti princip "ne vjeruj memoriji, link na izvor".
kontrolna lista
- [ ] Dobio sam nutritivne vrijednosti iz dobro poznate baze podataka, a ne iz AI memorije.
- [ ] Stavio sam ograničenje na AI da "radi samo sa datim podacima, ne dodaj ništa".
- [ ] Za svaku hranu sam pojasnio da li je sirova ili kuhana.
- [ ] Pretvorio sam porcije u grame; Nisam ostavio "tanjir/šaku" iza sebe.
- [ ] Koristio sam jedan dosljedan izvor unutar plana.
- [ ] Provjerio sam zbroj AI tako što sam ga pomnožio.