खाद्य डेटाबेस और पोषक तत्व डेटा: एआई को सही स्रोत से जोड़ना

लाभ:

• कृत्रिम बुद्धिमत्ता मेमोरी के बजाय प्रसिद्ध डेटाबेस (USDA, TÜBER, BeBiS) से पोषण मूल्य प्राप्त करने की आवश्यकता को समझने की क्षमता
• आरएजी तर्क के साथ, केवल स्रोत से प्राप्त डेटा के साथ गणना और व्याख्या करने के लिए कृत्रिम बुद्धिमत्ता को निर्देशित करने की क्षमता
• कच्चे/पके हुए रूपांतरण, भाग की स्पष्टता और स्रोत की स्थिरता पर विचार करके पोषण संबंधी त्रुटियों को रोकने की क्षमता

एक आहार विशेषज्ञ के दैनिक कार्य के केंद्र में यह प्रश्न होता है कि "इस पोषक तत्व में कितना है?" एक सवाल है. 100 ग्राम चिकन ब्रेस्ट में कितने ग्राम प्रोटीन होता है? साबुत गेहूं की ब्रेड के एक टुकड़े में कितने ग्राम फाइबर होता है? एक चम्मच जैतून के तेल में कितनी कैलोरी होती है? इन सवालों के जवाब खाद्य संरचना डेटाबेस में रखे गए हैं - आधिकारिक टेबल जो प्रयोगशाला विश्लेषण के आधार पर हजारों खाद्य पदार्थों की ऊर्जा, मैक्रो और सूक्ष्म पोषक तत्व सामग्री को सूचीबद्ध करते हैं। इस क्षेत्र में कृत्रिम बुद्धिमत्ता की सबसे खतरनाक गलती यह सोचना है कि वह इन संख्याओं को "याद" रखती है। हालाँकि, भाषा मॉडल संख्याओं को याद नहीं रखता है; यह संभाव्य रूप से उत्पन्न होता है और अक्सर ऐसे मूल्य देता है जो वास्तविकता के करीब होते हैं लेकिन कभी-कभी गंभीर रूप से गलत होते हैं। इस इकाई का मुख्य संदेश स्पष्ट है: किसी मान्यता प्राप्त डेटाबेस से पोषण मूल्य प्राप्त करें, एआई की मेमोरी से नहीं; सटीक डेटा के साथ काम करने के लिए AI का उपयोग करें, न कि डेटा को याद रखने के लिए।

प्रसिद्ध डेटाबेस और उनका उपयोग किस लिए किया जाता है

विश्व और तुर्किये में व्यापक रूप से उपयोग किए जाने वाले मुख्य स्रोत हैं:

डेटाबेस

दायरा

मजबूत बिंदु

ध्यान दें

यूएसडीए फ़ूडडेटा सेंट्रल (यूएसए)

बहुत बड़ा, ~ चौथाई मिलियन रिकॉर्ड

एपीआई के साथ विस्तृत, मुफ़्त

यूएसए उत्पाद; स्थानीय भोजन सीमित

ट्यूबर / तुर्किये पोषण गाइड अनुपूरक

तुर्की व्यंजन पर ध्यान केंद्रित किया गया

स्थानीय भोजन और भाग

यूएसडीए की तुलना में दायरा संकीर्ण

BeBiS (पोषण सूचना प्रणाली)

तुर्किये में आम सॉफ्टवेयर

तुर्की व्यंजन

लाइसेंसशुदा सॉफ्टवेयर

यूएसडीए/यूरोएफआईआर

यूरोपीय रचना डेटा

देश आधारित मानक

पहुंच संस्थागत हो सकती है

"एपीआई" का मतलब वह इंटरफ़ेस है जो सॉफ़्टवेयर को प्रोग्रामेटिक रूप से (स्वचालित रूप से) डेटाबेस से प्रश्न पूछने और संरचित उत्तर प्राप्त करने की अनुमति देता है। यूएसडीए फ़ूडडेटा सेंट्रल जैसे संसाधनों के लिए एपीआई होने से भविष्य में एआई टूल को वास्तविक डेटा से जोड़ना संभव हो जाता है। यह "डेटा-संचालित एआई" दृष्टिकोण का आधार है: मॉडल में फिट न हों, वास्तविक स्रोत से आकर्षित हों।

ध्यान दें: एक ही पोषक तत्व अलग-अलग डेटाबेस में अलग-अलग मूल्य दिखा सकता है; क्योंकि खेती की स्थिति, किस्म, पकाने की विधि और विश्लेषण अलग-अलग होते हैं। कोई एक "सही" संख्या नहीं है; एक उचित दायरा है. रिकॉर्ड करें कि आप ग्राहक योजना में किस संसाधन का उपयोग करते हैं ताकि आप सुसंगत रह सकें।

"पुनर्प्राप्ति" तर्क: एआई को स्रोत से जोड़ना

आधुनिक अनुप्रयोगों में, एआई को वास्तविक डेटा से जोड़ने का तरीका आरएजी दृष्टिकोण है - अंग्रेजी में रिट्रीवल-ऑगमेंटेड जेनरेशन। बस: मेमोरी से उत्तर फिट करने के बजाय, मॉडल पहले एक विश्वसनीय स्रोत (डेटाबेस, दस्तावेज़) से प्रासंगिक डेटा खींचता है, फिर उस डेटा के आधार पर एक उत्तर उत्पन्न करता है। व्यवहार में आप इसे दो तरीकों से लागू करते हैं:

1. मैन्युअल फीडिंग: आप विश्वसनीय टेबल से भोजन के मूल्यों की प्रतिलिपि बनाते हैं और इसे एआई को देते हैं; AI केवल इस डेटा के साथ गणना/व्याख्या करता है, यह अपनी मेमोरी से संख्याएँ नहीं जोड़ता है।
2. कनेक्टेड वाहन: आप डेटाबेस से जुड़े वाहन का उपयोग करते हैं; एआई क्वेरी को वास्तविक स्रोत तक अग्रेषित करता है और लौटाए गए मान का उपयोग करता है।

दोनों मामलों में, सुनहरा नियम समान है: संख्या स्रोत से आती है, एआई इसकी व्याख्या करता है। "100 ग्राम दाल में कितना आयरन होता है?" YZ ने पूछा. ओपन-एंडेड प्रश्न पूछना मनगढ़ंत बातें आमंत्रित करना है।

सामान्य उत्पाद, ब्रांडेड उत्पाद और भोजन मिश्रण

पोषक तत्व डेटाबेस में एक ही नाम के तहत कई रिकॉर्ड होते हैं, और गलत रिकॉर्ड का चयन करना त्रुटि का एक मूक स्रोत है। उदाहरण के लिए, "दही" की खोज करने से आपको दर्जनों अलग-अलग रिकॉर्ड मिलेंगे, जैसे पूर्ण वसा, आधा वसा, वसा रहित, ग्रीक-प्रकार (छाना हुआ), और मीठा फल दही; उनकी कैलोरी और मैक्रोज़ एक दूसरे से बहुत दूर हैं। ग्रीक दही में नियमित दही की तुलना में लगभग दोगुना प्रोटीन होता है। इसी तरह, "ब्रांडेड उत्पाद" रिकॉर्ड (एक कंपनी का पैकेज्ड उत्पाद) और "सामान्य पोषण" रिकॉर्ड अलग-अलग मूल्य रखते हैं। अच्छे अभ्यास में, आप उस उत्पाद का यथासंभव बारीकी से मिलान करते हैं जिसे ग्राहक वास्तव में उपभोग करता है: यदि संभव हो तो, पैकेजिंग पर पोषण लेबल के आधार पर, अन्यथा आप डेटाबेस में निकटतम विवरण चुनते हैं। एआई से पूछें "मुझे कौन सा रिकॉर्ड चुनना चाहिए?" जब आप परामर्श करते हैं, तो यह आपको सही खोज शब्द सुझा सकता है; लेकिन अंतिम रिकॉर्ड चयन और लेबल से तुलना आपके नियंत्रण में है। संपूर्ण योजना में एक ही पोषक तत्व के लिए एक ही रिकॉर्ड का उपयोग करना भी स्थिरता के लिए महत्वपूर्ण है; आधे समय पूर्ण वसा वाले दूध और आधे समय मलाई रहित दूध का उपयोग करने से कुल योग विकृत हो जाएगा।

भाग और खाना पकाने का रूपांतरण

पोषण संबंधी डेटाबेस आमतौर पर प्रति 100 ग्राम कच्चे का मूल्य देते हैं। लेकिन ग्राहक कच्ची दाल नहीं बल्कि पकी हुई दाल खाता है। खाना पकाने के दौरान पानी सोखने से वजन बदल जाता है; 100 ग्राम कच्चा चावल पकने पर ~250-300 ग्राम तक बढ़ जाता है। इसलिए, "पके हुए 200 ग्राम" और "कच्चे 100 ग्राम" के पोषण मूल्य अलग-अलग होते हैं। एआई ये परिवर्तन कर सकता है, लेकिन यह दिशा को भ्रमित कर सकता है। हमेशा स्पष्ट करें कि आपके द्वारा उपयोग किया जाने वाला मूल्य कच्चा है या पका हुआ; यह गणना त्रुटियों का एक लगातार स्रोत है।

तीन मिनी मामले

केस 1 - मतिभ्रम को पकड़ना। एक आहार विशेषज्ञ ने YZ से पूछा, "100 ग्राम उबली हुई ब्रोकली में कितने ग्राम प्रोटीन होता है?" वह पूछता है; एआई कहता है "लगभग 8 ग्राम"। आहार विशेषज्ञ यूएसडीए को देखते हैं: वास्तविक मूल्य ~2.4 ग्राम है। एआई ने इसे फलियां/अखरोट डेटा के साथ मिलाया और इसे तीन गुना बढ़ा दिया। आहार विशेषज्ञ सही मूल्य का उपयोग करता है। पाठ: हरी सब्जियों में प्रोटीन कम होता है; संख्या केवल इसलिए सही नहीं है क्योंकि यह धाराप्रवाह है।

केस 2 - कच्चा/पका हुआ भ्रम। एक मसौदा योजना में, एआई "150 ग्राम पास्ता" (~525 किलो कैलोरी) के लिए कच्चे मूल्य का उपयोग करता है, जबकि ग्राहक 150 ग्राम पका हुआ पास्ता (~210 किलो कैलोरी) खा रहा है। एक भोजन में अंतर 315 किलो कैलोरी है, जो एक दिन में एक बार भोजन करने पर भी एक गंभीर विचलन है। आहार विशेषज्ञ माप की इकाई को "पकाया" के रूप में स्पष्ट करता है और पुनर्गणना करता है।

केस 3 - सही उपयोग। एक आहार विशेषज्ञ यूएसडीए से चिकन, चावल और ब्रोकोली के लिए 100-ग्राम मूल्यों की प्रतिलिपि बनाता है, उन्हें एआई को इस निर्देश के साथ देता है कि "बस इस डेटा के साथ भोजन के लिए कुल मैक्रो की गणना करें, अपनी मेमोरी से संख्याएं जोड़ें।" एआई केवल दिए गए नंबरों के साथ जोड़ता है; आहार विशेषज्ञ इसे वापस पटक कर पुष्टि करते हैं। डेटा स्रोत से आया, एआई ने अंकगणित किया।

कॉपी करने योग्य शीघ्र टेम्पलेट

स्रोत डेटा के साथ गणना टेम्पलेट (आरएजी तर्क) आपकी भूमिका: सहायक जो केवल आपको दिए गए पोषण मूल्यों के साथ काम करता है। अपनी स्मृति से पोषण मूल्यों को जोड़ें या बदलें। यदि डेटा गायब है तो "[कोई डेटा नहीं]" लिखें, भरपाई करें। डेटा (प्रति 100 ग्राम, स्रोत: यूएसडीए): - चिकन ब्रेस्ट (पका हुआ): 165 किलो कैलोरी, 31 ग्राम प्रोटीन, 3.6 ग्राम वसा, 0 ग्राम कार्बोहाइड्रेट - चावल (पका हुआ): ... कार्य: 120 ग्राम चिकन + 150 ग्राम चावल के लिए कुल किलो कैलोरी और मैक्रो की गणना करें।

कच्चा/पका हुआ रूपांतरण टेम्पलेट निम्नलिखित भोजन का मूल्य प्रति 100 ग्राम कच्चे में दिया गया है: [मान]। ग्राहक [X] ग्राम पका हुआ खाता है। पकाए जाने पर वजन ~[अनुपात] बदल जाता है। तदनुसार, खाई गई मात्रा के पोषण मूल्य की गणना करें और स्पष्ट रूप से लिखें कि आप किस धारणा का उपयोग करते हैं।

डेटाबेस क्वेरी तैयारी टेम्पलेटमैं किसी भोजन का पोषण मूल्य जानना चाहता हूं। सूचीबद्ध करें कि मुझे निम्नलिखित खाद्य पदार्थों के लिए खाद्य डेटाबेस (यूएसडीए/ट्यूबर) में कौन सा शब्द खोजना चाहिए, कौन सा रिकॉर्ड मुझे चुनना चाहिए, कच्चा/पका हुआ। अपने को मूल्य मत दो; बस मुझे सही खोज शब्द और ध्यान का बिंदु बताएं। पोषक तत्व: [...]

संगति जांच टेम्पलेट निम्नलिखित भोजन के पोषण मूल्यों की दो अलग-अलग तरीकों से व्याख्या करें: (1) यह मानते हुए कि सभी खाद्य पदार्थ कच्चे हैं, (2) यह मानते हुए कि सभी खाद्य पदार्थ पके हुए हैं। दोनों योगों की तुलना करें और बताएं कि अंतर कहां से आता है। इसलिए मैं देख सकता हूं कि मुझे किस धारणा को सत्यापित करने की आवश्यकता है।

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

एक कटोरी दाल सूप में कितनी कैलोरी होती है?

"एक व्यंजन" अस्पष्ट है, नुस्खा अस्पष्ट है, स्रोत अनुपस्थित है; एआई अपनी मेमोरी से एक नंबर बनाता है और यह नहीं बताता कि उसे यह नंबर कैसे मिला।

शक्तिशाली संकेत:

आपकी भूमिका: सहायक जो केवल दिए गए डेटा के साथ गणना करता है। दाल का सूप परोसना = 300 ग्राम। सामग्री (मूल्य प्रति 100 ग्राम, स्रोत यूएसडीए, मैं नीचे देता हूं): लाल दाल (पकी हुई) [मूल्य], प्याज [मूल्य], जैतून का तेल [मूल्य]। प्रति सेवारत मात्राएँ: [...]. इस डेटा के साथ कुल किलो कैलोरी और मैक्रो की गणना करें, मेमोरी से न जोड़ें, चरण दिखाएं।

दूसरा त्वरित स्रोत परोसने, कच्ची/पकी हुई जानकारी और "जोड़ें नहीं" बाधा देता है; आउटपुट श्रव्य और विश्वसनीय है.

सामान्य गलतियाँ

• एआई की मेमोरी पर भरोसा करना: पोषण मूल्य पर खुले तौर पर सवाल उठाना; यह मतिभ्रम का निमंत्रण है.
• भ्रमित करने वाला कच्चा/पका हुआ: सबसे आम मौन गलती; माप की इकाई को हमेशा स्पष्ट करें।
• स्रोत भ्रम: विभिन्न डेटाबेस से विभिन्न पोषक तत्वों का मिश्रण; किसी योजना में सुसंगत संसाधनों का उपयोग करें।
• भाग को अस्पष्ट छोड़ना: "एक प्लेट", "एक मुट्ठी" जैसे भावों को ग्राम में परिवर्तित किए बिना उनकी गणना करना।
• एक सीमा के बजाय एक ही संख्या पर ध्यान केंद्रित करना: यह भूल जाना कि एक ही भोजन में मूल्यों की एक उचित सीमा होती है; झूठी निश्चितता पैदा करना।

सारांश

पोषण संबंधी डेटा वह क्षेत्र है जहां भाषा मॉडल सबसे कमजोर है; चूँकि मॉडल संख्याओं को याद नहीं रखता, इसलिए वह उन्हें उत्पन्न करता है। इसलिए हमेशा किसी मान्यता प्राप्त डेटाबेस (USDA, TÜBER, BeBiS) से पोषण मूल्य प्राप्त करें और केवल उस डेटा की गणना और व्याख्या करने के लिए AI का उपयोग करें - RAG तर्क के आधार पर, स्रोत से निकाला गया डेटा। कच्चे/पके रूपांतरणों, भाग की स्पष्टता और स्रोत की स्थिरता पर ध्यान दें। सिर्फ इसलिए कि नंबर धाराप्रवाह आया, सही नहीं है; आप केवल स्रोत के साथ काम करके ही सत्य प्राप्त कर सकते हैं।

आवेदन कार्य

तीन खाद्य पदार्थ चुनें (उदाहरण के लिए, उबले अंडे, साबुत गेहूं की ब्रेड, ग्रीक दही)। सबसे पहले, एआई से ओपन-एंडेड पूछें और उसके मूल्य (उसकी मेमोरी से) प्राप्त करें। फिर यूएसडीए फूडडेटा सेंट्रल से उन्हीं पोषक तत्वों का वास्तविक मूल्य ज्ञात करें। दोनों सेटों की तुलना करें और एक तालिका में लिखें कि प्रत्येक भोजन में कितना विचलन है। यह तालिका "स्मृति पर भरोसा न करें, स्रोत से लिंक करें" के सिद्धांत को उजागर करेगी।

चेकलिस्ट

• [ ] मुझे पोषण संबंधी मूल्य एक प्रसिद्ध डेटाबेस से मिले, एआई मेमोरी से नहीं।
• [ ] मैंने एआई पर प्रतिबंध लगाया है कि "केवल दिए गए डेटा के साथ काम करें, कुछ भी न जोड़ें"।
• [ ] मैंने प्रत्येक भोजन के लिए स्पष्ट कर दिया है कि वह कच्चा है या पका हुआ।
• [ ] मैंने भागों को ग्राम में बदल दिया; मैंने "एक प्लेट/मुट्ठी भर" पीछे नहीं छोड़ा।
• [ ] मैंने एक योजना के भीतर एक एकल सुसंगत स्रोत का उपयोग किया।
• [ ] मैंने एआई के योग को दोबारा गुणा करके सत्यापित किया।