Kasu:
- Oskus mõista vajadust hankida toiteväärtusi pigem tuntud andmebaasidest (USDA, TÜBER, BeBiS) kui tehisintellekti mälust
- Võimalus suunata tehisintellekti arvutusi ja tõlgendusi tegema ainult allikast võetud andmetega, RAG-loogikaga
- Võimalus vältida toitumisvigu, võttes arvesse toores/keedetud konversioone, portsjoni selgust ja allika konsistentsi
Dietoloogi igapäevatöö keskmes on küsimus "kui palju on selles toitaines?" Tekib küsimus. Mitu grammi valku on 100 grammis kanarindas? Mitu grammi kiudaineid on täisteraleiva viilus? Kui palju kaloreid on supilusikatäis oliiviõlis? Vastused nendele küsimustele on hoiul toidu koostise andmebaasides — ametlikes tabelites, kus on laborianalüüside põhjal kirjas tuhandete toiduainete energia-, makro- ja mikrotoitainete sisaldus. Tehisintellekti kõige ohtlikum viga selles valdkonnas on arvata, et see "mäletab" neid numbreid. Keelemudel aga numbreid pähe ei jäta; See genereerib tõenäosuslikult ja annab sageli väärtusi, mis on tegelikkusele lähedased, kuid mõnikord tõsiselt valed. Selle üksuse põhisõnum on selge: hankige toiteväärtus tunnustatud andmebaasist, mitte tehisintellekti mälust; Kasutage tehisintellekti täpsete andmetega töötamiseks, mitte andmete meeldejätmiseks.
Tuntud andmebaasid ja milleks neid kasutatakse
Peamised maailmas ja Türkiye linnas laialdaselt kasutatavad allikad on:
andmebaasi
Ulatus
tugev külg
Tähelepanu
USDA FoodData Central (USA)
Väga suured, ~veerand miljonit plaati
Üksikasjalik, tasuta, API-ga
USA tooted; kohalik toit piiratud
TÜBER / Türkiye Nutrition Guide toidulisandid
Türgi köök keskendub
Kohalik toit ja portsjon
Reguleerimisala kitsam kui USDA
BeBiS (toitumise infosüsteem)
Levinud tarkvara Türkiye linnas
Türgi retseptid
Litsentsitud tarkvara
USDA/EuroFIR
Euroopa koostise andmed
Riigipõhine standard
Juurdepääs võib olla institutsionaalne
"API" all mõeldakse liidest, mis võimaldab tarkvaral programmiliselt (automaatselt) esitada andmebaasile küsimusi ja saada struktureeritud vastuseid. API olemasolu selliste ressursside jaoks nagu USDA FoodData Central võimaldab tulevikus AI-tööriistu ühendada reaalsete andmetega. See on "andmepõhise AI" lähenemisviisi alus: ärge sobitage mudeleid, võtke tegelikust allikast.
Tähelepanu: sama toitaine võib erinevates andmebaasides näidata erinevaid väärtusi; Sest põllumajanduslik seisukord, sort, toiduvalmistamisviis ja analüüs on erinevad. Pole olemas ühte "õiget" numbrit; Seal on mõistlik vahemik. Salvestage kliendiplaanis kasutatavat ressurssi, et saaksite olla järjepidev.
"Tagasiotsimise" loogika: AI ühendamine allikaga
Kaasaegsetes rakendustes on AI ühendamiseks reaalsete andmetega RAG-lähenemine — inglise keeles Retrieval-Augmented Generation. Lihtsalt: selle asemel, et vastust mälust sobitada, tõmbab mudel esmalt asjakohased andmed usaldusväärsest allikast (andmebaasist, dokumendist), seejärel genereerib nende andmete põhjal vastuse. Praktikas rakendate seda kahel viisil:
- Käsitsi söötmine: kopeerite toidu väärtused usaldusväärsest tabelist ja annate selle AI-le; AI ainult arvutab/tõlgendab nende andmetega, oma mälust numbreid ei lisa.
- Ühendatud sõiduk: kasutate andmebaasiga ühendatud sõidukit; AI edastab päringu tegelikule allikale ja kasutab tagastatud väärtust.
Mõlemal juhul on kuldreegel sama: number pärineb allikast, AI tõlgendab seda. "Kui palju rauda on 100 grammis läätsedes?" küsis YZ. Avatud küsimuse esitamine tähendab fabritseerimise kutsumist.
Üldine toode, kaubamärgiga toode ja eine segu
Toitainete andmebaasides on sama nime all mitu kirjet ja vale kirje valimine on vaikne veaallikas. Näiteks otsides “jogurt” saate kümneid erinevaid rekordeid, nagu täisrasvane, poolrasvane, rasvavaba, kreeka tüüpi (kurnatud) ja magustatud puuviljajogurt; Nende kalorid ja makrod on üksteisest väga kaugel. Kreeka jogurtis on peaaegu kaks korda rohkem valku kui tavalises jogurtis. Samamoodi kannavad erinevat väärtust "bränditoodete" (ettevõtte pakendatud toode) ja "üldise toitumise" kirjed. Hea tava kohaselt sobitad võimalikult täpselt kokku kliendi tegelikult tarbitava toote: võimalusel lähtud pakendil olevast toitumisalasest märgist, vastasel juhul valid andmebaasis lähima kirjelduse. Küsige tehisintellektilt "millise kirje peaksin valima?" Kui konsulteerite, võib see teile soovitada õiget otsinguterminit; kuid lõplik plaadi valik ja võrdlus plaadifirmaga on teie kontrolli all. Sama toitaine kohta sama kirje kasutamine kogu kava jooksul on samuti oluline järjepidevuse tagamiseks; Täispiima kasutamine poole ajast ja lõss moonutab kogusummasid.
Portsjonite ja toiduvalmistamise teisendused
Toitumisandmete andmebaasid annavad tavaliselt väärtused 100 grammi toorelt. Klient sööb aga keedetud, mitte tooreid läätsi. Kaal muutub keetmise ajal vee imamisel; 100 grammi toorriisi tõuseb keetmisel ~250-300 grammi. Seetõttu on "keedetud 200 grammi" ja "toores 100 grammi" toiteväärtus erinev. AI võib neid teisendusi teha, kuid võib suuna segamini ajada. Selgitage alati, kas kasutatav väärtus on toores või keedetud; see on sagedane arvutusvigade allikas.
kolm minikarpi
Juhtum 1 – hallutsinatsiooni tabamine. Dietoloog küsis YZ-lt: "Mitu grammi valku on 100 grammis keedetud brokolis?" ta küsib; AI ütleb "umbes 8 grammi". Dietoloog vaatab USDA-d: tegelik väärtus on ~2,4 grammi. AI segas selle kaunviljade/pähklite andmetega ja paisutas kolmekordseks. Dietoloog kasutab õiget väärtust. Õppetund: rohelised köögiviljad on madala valgusisaldusega; Number pole õige ainult sellepärast, et see on ladus.
Juhtum 2 – toores/keedetud segadus. Plaani kavandis kasutab tehisintellekt toorväärtust “150 grammi pasta” (~525 kcal) puhul, samas kui klient sööb 150 grammi keedetud pastat (~210 kcal). Ühe toidukorra vahe on 315 kcal, mis on tõsine kõrvalekalle isegi ühe toidukorraga päevas. Dietoloog täpsustab mõõtühiku "keedetud" ja arvutab ümber.
Juhtum 3 – õige kasutamine. Dietoloog kopeerib USDA-st kana, riisi ja brokoli 100-grammised väärtused, andes need tehisintellektile juhisega "lihtsalt arvutada nende andmete põhjal toidukorra kogumakro, lisades numbreid enda mälust". AI lisab ainult etteantud numbritega; kinnitab dietoloog seda tagasi lüües. Andmed tulid allikast, tehisintellekt tegi aritmeetika.
Kopeeritavad viipade mallid
ALLIKAANDMETE ARVUTUSMALL (RAG-loogika)Teie roll: assistent, kes töötab ainult TEILE ANTUD toiteväärtustega.LISA või MUUDA toiteväärtusi enda mälu järgi. Kui andmed puuduvad, kirjutage "[andmed puuduvad]", täitke. Andmed (100 g kohta, allikas: USDA):- Kanarind (keedetud): 165 kcal, 31 g valku, 3,6 g rasva, 0 g süsivesikuid- Riis (keedetud): ...Ülesanne: Arvutage 120 g kana + 150 g riisi kogu kcal ja makro.
TOOR/KEEMPETUD MUUNDAMISE MALLJärgmiste toiduainete väärtus on antud 100 g TOORSE RAW kohta: [väärtused]. Klient sööb [X] g KÜPSETUNUD. Küpsetamisel kaal ~[suhe] muutub. Vastavalt sellele arvuta välja söödud koguse toiteväärtus ja kirjuta SELGELT, millist eeldust kasutad.
ANDMEBAASI PÄRINGU VALMISTAMISE VALMISTAMISMALLID soovivad leida toidukorra toiteväärtust. Loetlege, MILLIST terminit peaksin otsima toiduainete andmebaasist (USDA/TUBER) järgmiste toiduainete jaoks, millise kirje peaksin valima, toores/keedetud. Ärge andke väärtusi teile; lihtsalt ütle mulle õige otsingusõna ja tähelepanupunkt.Toitained: [...]
JÄRJESTUSE KONTROLLIMISE MALLTõlgendage järgmise toidukorra toiteväärtusi kahel erineval viisil: (1) eeldades, et kõik toidud on toored, (2) eeldades, et kõik toidud on keedetud. Võrrelge kahte kogusummat ja selgitage, kust erinevus tuleneb. Nii et ma näen, millist eeldust pean kontrollima.
Nõrk viip / Tugev viip
Nõrk viip:
Kui palju kaloreid on läätsesupi kausis?
"Toit" on ebamäärane, retsept on ebamäärane, allikas puudub; AI koostab oma mälu järgi numbri ega ütle, kuidas ta selle välja mõtles.
Võimas viip:
Sinu roll: assistent, kes ainult arvutab antud andmetega. Läätsesupi portsjon = 300 g. Koostisosad (väärtused 100 g kohta, allikas USDA, annan allpool): punased läätsed (keedetud) [väärtused], sibul [väärtused], oliiviõli [väärtused]. Kogused portsjoni kohta: [...]. Arvutage nende andmetega kokku kcal ja makro, ärge lisage mälust, näidake samme.
Teine viipaallikas annab serveerimise, töötlemata/küpsetatud teabe ja piirangu "ära lisa"; Väljund on auditeeritav ja usaldusväärne.
Levinud vead
- Tehisintellekti mälu usaldamine: toiteväärtuse avatud kahtluse alla seadmine; See on kutse hallutsinatsioonidele.
- Segane toores/keedetud: kõige levinum vaikiv viga; Selgitage alati mõõtühik.
- Allika segadus: erinevate toitainete segamine erinevatest andmebaasidest; Kasutage plaanis järjepidevaid ressursse.
- Portsjoni ebamääraseks jätmine: avaldiste nagu "taldrik", "peotäis" arvutamine ilma neid grammidesse teisendamata.
- Keskendumine ühele numbrile vahemiku asemel: unustades, et samal toidul on mõistlik väärtuste vahemik; vale kindluse loomine.
Kokkuvõttes
Toitumisandmed on valdkond, kus keelemudel on kõige nõrgem; Kuna mudel numbreid ei mäleta, toodab ta neid. Seega hankige alati toiteväärtused tunnustatud andmebaasist (USDA, TÜBER, BeBiS) ja kasutage AI-d ainult nende andmete arvutamiseks ja tõlgendamiseks – RAG-loogika alusel, allikast ammutatud andmetel. Pöörake tähelepanu toores/keedetud konversioonidele, portsjonite selgusele ja allika konsistentsile. See, et number tuli vabalt välja, pole õige; Tõe saab kätte ainult allikaga koostööd tehes.
Rakenduse ülesanne
Valige kolm toiduainet (näiteks keedetud munad, täisteraleib, Kreeka jogurt). Esiteks küsige avatud AI-lt ja hankige selle väärtused (selle mälust). Seejärel leidke USDA FoodData Centralist nende samade toitainete tegelikud väärtused. Võrrelge kahte komplekti ja kirjutage tabelisse, kui suur on kummaski toidus kõrvalekalle. See tabel paljastab põhimõtte "ära usalda mälu, link allikale".
kontrollnimekiri
- [ ] Toiteväärtused sain teada-tuntud andmebaasist, mitte tehisintellekti mälust.
- [ ] Panin AI-le piiranguks "töötada ainult antud andmetega, mitte midagi lisada".
- [ ] Olen iga toidu puhul selgeks teinud, kas see on toores või keedetud.
- [ ] Teisendasin portsjonid grammidesse; Ma ei jätnud "taldrikut/peotäit" maha.
- [ ] Kasutasin plaani piires üht ühtset allikat.
- [ ] Kontrollisin tehisintellekti summat, korrutades selle tagasi.