Qazanclar:
- Süni intellekt yaddaşından deyil, tanınmış verilənlər bazalarından (USDA, TÜBER, BeBiS) qida dəyərlərinin alınmasının zəruriliyini anlamaq bacarığı
- Süni intellektin RAG məntiqi ilə yalnız mənbədən götürülən məlumatlarla hesablamalar və şərhlər aparmağa yönəldilməsi bacarığı
- Çiy/bişirilmiş dönüşümləri, porsiyaların aydınlığını və mənbə tutarlılığını nəzərə alaraq qidalanma səhvlərinin qarşısını almaq bacarığı
Dietoloqun gündəlik işinin mərkəzində “bu qidada nə qədər var?” sualı durur. Bir sual var. 100 qram toyuq döşündə neçə qram protein var? Bir dilim tam buğda çörəyində neçə qram lif var? Bir xörək qaşığı zeytun yağında neçə kalori var? Bu sualların cavabları qida tərkibi məlumat bazalarında - laboratoriya analizləri əsasında minlərlə qidanın enerji, makro və mikronutrient məzmununu sadalayan rəsmi cədvəllərdə saxlanılır. Süni intellektin bu sahədəki ən təhlükəli səhvi onun bu rəqəmləri “xatırladığını” düşünməsidir. Bununla belə, dil modeli rəqəmləri yadda saxlamır; Ehtimal əsasında yaradır və çox vaxt reallığa yaxın, lakin bəzən ciddi səhv olan dəyərlər verir. Bu bölmənin əsas mesajı aydındır: qida dəyərini AI yaddaşından deyil, tanınmış verilənlər bazasından əldə edin; Məlumatları yadda saxlamaq üçün deyil, dəqiq məlumatlarla işləmək üçün AI-dan istifadə edin.
Tanınmış verilənlər bazaları və onlardan nə üçün istifadə olunur
Dünyada və Türkiyədə geniş istifadə olunan əsas mənbələr bunlardır:
verilənlər bazası
Əhatə dairəsi
güclü nöqtə
Diqqət
USDA FoodData Central (ABŞ)
Çox böyük, ~ çeyrek milyon qeyd
Ətraflı, pulsuz, API ilə
ABŞ məhsulları; yerli yeməklər məhduddur
TÜBER / Türkiye Qidalanma Bələdçisi əlavələri
Türk mətbəxi diqqət mərkəzindədir
Yerli yemək və porsiya
Əhatə dairəsi USDA-dan daha dardır
BeBiS (Qidalanma Məlumat Sistemi)
Türkiyədə ümumi proqram təminatı
Türk reseptləri
Lisenziyalı proqram təminatı
USDA/EuroFIR
Avropa tərkibi məlumatları
Ölkə əsaslı standart
Giriş institusional ola bilər
“API” dedikdə nəzərdə tutulan interfeys proqram təminatına proqramlı (avtomatik olaraq) verilənlər bazasına suallar verməyə və strukturlaşdırılmış cavablar almağa imkan verir. USDA FoodData Central kimi resurslar üçün API-yə malik olmaq gələcəkdə süni intellekt alətlərini real məlumatlara qoşmağa imkan verir. Bu, “məlumatlara əsaslanan AI” yanaşmasının əsasını təşkil edir: modellərə uyğun gəlməyin, real mənbədən çəkin.
Diqqət: Eyni qida müxtəlif verilənlər bazalarında fərqli dəyərlər göstərə bilər; Çünki əkinçilik şəraiti, çeşidi, bişirmə üsulu və təhlili fərqlidir. Tək "düzgün" nömrə yoxdur; Ağlabatan diapazon var. Müştəri planında hansı resursdan istifadə etdiyinizi qeyd edin ki, ardıcıl olasınız.
"Axtarış" məntiqi: AI-nin mənbəyə qoşulması
Müasir tətbiqlərdə AI-ni real məlumatlara qoşmağın yolu RAG yanaşmasıdır — İngilis dilində Retrieval-Augmented Generation. Sadəcə: cavabı yaddaşdan uyğunlaşdırmaq əvəzinə, model əvvəlcə etibarlı mənbədən (verilənlər bazası, sənəd) müvafiq məlumatları götürür, sonra həmin məlumat əsasında cavab yaradır. Praktikada bunu iki şəkildə həyata keçirirsiniz:
- Əllə qidalanma: Siz yeməyin dəyərlərini etibarlı cədvəldən köçürür və AI-yə verirsiniz; AI yalnız bu məlumatlarla hesablayır/şərh edir, öz yaddaşından nömrələr əlavə etmir.
- Qoşulmuş nəqliyyat vasitəsi: Siz verilənlər bazası ilə əlaqəli avtomobildən istifadə edirsiniz; AI sorğunu faktiki mənbəyə yönləndirir və qaytarılan dəyərdən istifadə edir.
Hər iki halda qızıl qayda eynidir: rəqəm mənbədən gəlir, AI onu şərh edir. "100 qram mərciməkdə nə qədər dəmir var?" soruşdu YZ. Açıq sual vermək, uydurmağa dəvət etməkdir.
Ümumi məhsul, markalı məhsul və yemək qarışığı
Qida məlumat bazalarında eyni ad altında çoxlu qeydlər var və səhv qeydin seçilməsi səssiz bir səhv mənbəyidir. Məsələn, "qatıq" üçün axtarış sizə tam yağlı, yarı yağlı, yağsız, yunan tipli (süzülmüş) və şirin meyvəli qatıq kimi onlarla müxtəlif qeydlər verəcək; Onların kaloriləri və makroları bir-birindən çox uzaqdır. Yunan yoğurtunda adi qatıqdan demək olar ki, iki dəfə çox protein var. Eynilə, "markalı məhsul" qeydləri (şirkətin qablaşdırılmış məhsulu) və "ümumi qidalanma" qeydləri fərqli dəyərlər daşıyır. Yaxşı təcrübədə, siz müştərinin həqiqətən istehlak etdiyi məhsula mümkün qədər yaxından uyğun gəlirsiniz: mümkünsə, qablaşdırmadakı qidalanma etiketinə əsasən, əks halda verilənlər bazasında ən yaxın təsviri seçirsiniz. AI-dən "hansı rekordu seçməliyəm?" Siz məsləhətləşdiyiniz zaman o, sizə düzgün axtarış termini təklif edə bilər; lakin son qeyd seçimi və etiketlə müqayisə sizin nəzarətinizdədir. Plan boyunca eyni qida maddəsi üçün eyni qeyddən istifadə etmək də ardıcıllıq üçün vacibdir; Tam yağlı südün yarısında və yağsız südün yarısında istifadə edilməsi ümumi göstəriciləri təhrif edəcək.
Porsiya və bişirmə çevrilmələri
Qidalanma məlumat bazaları adətən xammal üçün 100 qram dəyər verir. Amma müştəri çiy mərcimək yox, bişmiş mərcimək yeyir. Pişirmə zamanı suyun udulması ilə çəki dəyişir; 100 qram çiy düyü bişirildikdə ~250-300 qrama qədər artır. Buna görə də "bişirilmiş 200 qram" və "çiy 100 qram" fərqli qida dəyərinə malikdir. AI bu çevrilmələri edə bilər, lakin istiqaməti qarışdıra bilər. İstifadə etdiyiniz dəyərin xam və ya bişmiş olmasını həmişə aydınlaşdırın; bu, tez-tez hesablama səhvlərinin mənbəyidir.
üç mini qutu
1-ci hal - Halüsinasiya tutmaq. Bir dietoloq YZ-dən "100 qram qaynadılmış brokolinin tərkibində neçə qram protein var?" soruşur; AI "təxminən 8 qram" deyir. Diyetisyen USDA-ya baxır: faktiki dəyər ~ 2,4 qramdır. AI onu paxlalı / qoz-fındıq məlumatları ilə qarışdırdı və üç dəfə şişirdi. Diyetisyen düzgün dəyərdən istifadə edir. Dərs: yaşıl tərəvəzlərdə protein azdır; Sırf səlis olduğu üçün rəqəm düzgün deyil.
2-ci hal - Çiy/bişirilmiş qarışıqlıq. Layihə planında süni intellekt “150 qram makaron” (~525 kkal) üçün xam dəyərdən istifadə edir, halbuki müştəri 150 qram bişmiş makaron (~210 kkal) yeyir. Bir yeməkdə fərq 315 kkal təşkil edir ki, bu da gündə bir yeməklə belə ciddi sapmadır. Diyetisyen, ölçü vahidini "bişirilmiş" üçün dəqiqləşdirir və yenidən hesablayır.
3-cü vəziyyət - Düzgün istifadə. Diyetisyen toyuq, düyü və brokoli üçün 100 qramlıq dəyərləri USDA-dan köçürür və onları süni intellektə verir, "sadəcə öz yaddaşından nömrələr əlavə edərək, bu məlumatlarla yemək üçün ümumi makro hesablayın" təlimatı ilə. AI yalnız verilmiş nömrələrlə əlavə edir; diyetisyen geri çırparaq təsdiqləyir. Məlumat mənbədən gəldi, AI hesab etdi.
Kopyalana bilən sorğu şablonları
MƏNBƏ MƏLUMATLARI İLƏ HESABLAMA ŞABLONU (RAG məntiqi) Rolunuz: yalnız SİZƏ VERİLƏN qida dəyərləri ilə işləyən köməkçi. Öz yaddaşınızdan qida dəyərlərini ƏLAVƏ EDİN və ya DƏYİŞTİRİN. Çatışmayan məlumat varsa, "[məlumat yoxdur]" yazın, düzəldin. Məlumat (100 q, mənbə: USDA):- Toyuq döşü (bişirilmiş): 165 kkal, 31 q protein, 3,6 q yağ, 0 q karbohidrat- Düyü (bişirilmiş): ...Tapşırıq: 120 q toyuq + 150 q düyü üçün ümumi kkal və makro hesablayın.
RAW/BİŞMİŞ DÖNÜŞMƏ ŞABLONU Aşağıdakı yeməyin dəyəri 100 q RAW üçün verilir: [dəyərlər]. Müştəri [X] g PİŞİRİLMİŞ yeyir. Bişirildikdə çəki ~[nisbət]dəyişir. Buna uyğun olaraq, yeyilən miqdarın qida dəyərini hesablayın və hansı fərziyyədən istifadə etdiyinizi AÇIQ yazın.
MƏLUMAT BAZASI SORUŞU HAZIRLAMA ŞABLANIBir yeməyin qida dəyərini tapmaq istəyirəm. Aşağıdakı qidalar üçün qida məlumat bazasında (USDA/TUBER) HANSI termini axtarmalı olduğumu, çiy/bişmiş kimi seçməli olduğum qeydləri qeyd edin. Dəyərləri SİZƏ verməyin; sadəcə mənə düzgün axtarış terminini və diqqəti cəlb edən nöqtəni deyin. Qidalandırıcılar: [...]
ARALIKLIĞI YOXLAMA ŞABLANI Aşağıdakı yeməyin qida dəyərini iki fərqli şəkildə şərh edin: (1) bütün qidaların çiy olduğunu fərz edin, (2) bütün qidaların bişirildiyini fərz edin. İki cəmini müqayisə edin və fərqin haradan gəldiyini izah edin. Beləliklə, hansı fərziyyəni yoxlamalı olduğumu görə bilərəm.
Zəif məlumat / Güclü göstəriş
Zəif çağırış:
Bir kasa mərci şorbasında neçə kalori var?
“Bir yemək” qeyri-müəyyəndir, resept qeyri-müəyyəndir, mənbə yoxdur; Süni intellekt yaddaşından bir nömrə təşkil edir və onu necə tapdığını demir.
Güclü göstəriş:
Sizin rolunuz: yalnız verilmiş məlumatlarla hesablayan köməkçi. Mərci şorbası = 300 q. Tərkibi (100 q-a görə dəyərlər, mənbə USDA, aşağıda verirəm): qırmızı mərcimək (bişirilmiş) [dəyərlər], soğan [dəyərlər], zeytun yağı [dəyərlər]. Xidmət başına miqdarlar: [...]. Bu məlumatlarla ümumi kkal və makro hesablayın, yaddaşdan əlavə etməyin, addımları göstərin.
İkinci təcili mənbə xidmət, xam/bişirilmiş məlumatı və "əlavə etməyin" məhdudiyyətini verir; Çıxış yoxlanıla bilən və etibarlıdır.
Ümumi səhvlər
- Süni intellektin yaddaşına güvənmək: qida dəyərinin açıq şəkildə sorğulanması; Bu hallüsinasiyaya dəvətdir.
- Çiy/bişirilmiş qarışıq: Ən çox görülən səssiz səhv; Həmişə ölçü vahidini aydınlaşdırın.
- Mənbə qarışıqlığı: Müxtəlif verilənlər bazalarından müxtəlif qida maddələrinin qarışdırılması; Planda ardıcıl resurslardan istifadə edin.
- Hissəni qeyri-müəyyən buraxmaq: "Bir boşqab", "bir ovuc" kimi ifadələri qrama çevirmədən hesablamaq.
- Bir sıra əvəzinə tək bir rəqəmə diqqət yetirmək: Eyni yeməyin ağlabatan dəyər diapazonuna sahib olduğunu unutmaq; yanlış əminlik yaradır.
Xülasə
Qidalanma məlumatları dil modelinin ən zəif olduğu sahədir; Model rəqəmləri xatırlamadığı üçün onları istehsal edir. Beləliklə, həmişə tanınmış verilənlər bazasından (USDA, TÜBER, BeBiS) qida dəyərlərini əldə edin və yalnız bu məlumatları hesablamaq və şərh etmək üçün AI-dan istifadə edin - RAG məntiqinə əsaslanaraq, mənbədən alınan məlumatlar. Xam/bişirilmiş dönüşümlərə, hissənin aydınlığına və mənbənin tutarlılığına diqqət yetirin. Sadəcə rəqəmin axıcı çıxması düzgün deyil; Həqiqəti ancaq mənbə ilə işləməklə əldə edə bilərsiniz.
Tətbiq tapşırığı
Üç qida seçin (məsələn, qaynadılmış yumurta, tam buğda çörəyi, yunan yoğurt). Əvvəlcə AI-dən açıq sual verin və onun dəyərlərini əldə edin (yaddaşından). Sonra USDA FoodData Central-dan eyni qida maddələrinin həqiqi dəyərlərini tapın. İki dəsti müqayisə edin və hər bir qidada nə qədər sapma olduğunu cədvələ yazın. Bu cədvəl “yaddaşa etibar etmə, mənbəyə keçid” prinsipini ortaya qoyacaqdır.
yoxlama siyahısı
- [ ] Mən qidalanma dəyərlərini AI yaddaşından deyil, tanınmış verilənlər bazasından almışam.
- [ ] Mən AI-yə məhdudiyyət qoydum ki, "yalnız verilən məlumatlarla işləyin, heç nə əlavə etməyin".
- [ ] Mən hər yemək üçün onun çiy və ya bişmiş olmasını aydınlaşdırdım.
- [ ] Mən porsiyaları qrama çevirdim; Mən “bir boşqab/ovuc” buraxmadım.
- [ ] Mən plan daxilində tək ardıcıl mənbədən istifadə etdim.
- [ ] Mən süni intellektin cəmini təkrar vurmaqla təsdiqlədim.