Добивки:
- Способност да се разбере неопходноста од добивање нутритивни вредности од добро познати бази на податоци (USDA, TÜBER, BeBiS), наместо од меморијата со вештачка интелигенција
- Способност да се насочи вештачката интелигенција да прави пресметки и толкувања само со податоците извлечени од изворот, со RAG логика
- Способност да се спречат грешки во исхраната со разгледување на сурови/варени конверзии, јасност на порциите и конзистентност на изворот
Во срцето на секојдневната работа на диететичарот е прашањето „колку има оваа хранлива материја?“. Има прашање. Колку грама протеин во 100 грама пилешки гради? Колку грама влакна има во парче интегрален леб? Колку калории има во една лажица маслиново масло? Одговорите на овие прашања се чуваат во базите на податоци за составот на храната - официјални табели кои ја наведуваат содржината на енергија, макро и микронутриенти на илјадници храна врз основа на лабораториски анализи. Најопасната грешка на вештачката интелигенција на ова поле е да мисли дека ги „памти“ овие бројки. Меѓутоа, јазичниот модел не запомнува броеви; Тоа генерира веројатност и често дава вредности кои се блиски до реалноста, но понекогаш сериозно погрешни. Главната порака на оваа единица е јасна: земете ја хранливата вредност од препознаена база на податоци, а не од меморијата на вештачката интелигенција; Користете вештачка интелигенција за да работите со точни податоци, а не за да запомните податоци.
Добро познати бази на податоци и за што се користат
Главните извори кои се широко користени во светот и во Турција се:
база на податоци
Опсег
силна точка
Внимание
USDA FoodData Central (САД)
Многу големи, ~ четвртина милион записи
Детално, бесплатно, со API
производи од САД; ограничена локална храна
TÜBER / Türkiye Водич за исхрана додатоци
Фокусирана на турската кујна
Локална храна и порција
Опсегот е потесен од USDA
BeBiS (Информативен систем за исхрана)
Заеднички софтвер во Турција
Турски рецепти
Лиценциран софтвер
USDA/EuroFIR
Европски податоци за составот
Стандард базиран на земја
Пристапот може да биде институционален
Она што се подразбира под „API“ е интерфејсот што му овозможува на софтверот програмски (автоматски) да поставува прашања до базата на податоци и да добива структурирани одговори. Имањето API за ресурси како USDA FoodData Central овозможува поврзување на алатките за вештачка интелигенција со вистински податоци во иднина. Ова е основата на пристапот „Ви водена од податоци“: не одговарајте на моделите, црпете од вистинскиот извор.
Внимание: истата хранлива материја може да покаже различни вредности во различни бази на податоци; Бидејќи состојбата на земјоделството, сортата, начинот на готвење и анализата се различни. Не постои единствен „точен“ број; Постои разумен опсег. Запишете кој ресурс го користите во планот на клиентите за да можете да бидете доследни.
Логика „преземање“: поврзување на вештачката интелигенција со изворот
Во современите апликации, начинот за поврзување на вештачката интелигенција со реални податоци е пристапот RAG — Retrieval-Augmented Generation на англиски јазик. Едноставно: наместо да го вклопи одговорот од меморијата, моделот прво извлекува релевантни податоци од сигурен извор (база на податоци, документ), потоа генерира одговор врз основа на тие податоци. Во пракса, ова го спроведувате на два начина:
- Рачно хранење: ги копирате вредностите на храната од доверливата табела и ја давате на вештачката интелигенција; AI само пресметува/интерпретира со овие податоци, не додава бројки од сопствената меморија.
- Поврзано возило: користите возило поврзано со база на податоци; Вештачката интелигенција го проследува барањето до вистинскиот извор и ја користи вратената вредност.
Во двата случаи, златното правило е исто: бројот доаѓа од изворот, вештачката интелигенција ја толкува. „Колку железо има во 100 грама леќа? праша YZ. Да се постави отворено прашање значи да се покани измислица.
Генерички производ, брендиран производ и мешавина од оброци
Базите на податоци за хранливи материи имаат повеќе записи под исто име, а изборот на погрешен запис е тивок извор на грешка. На пример, пребарувањето за „јогурт“ ќе ви даде десетици различни записи, како што се полномасни, полумасни, без маснотии, грчки (процеден) и засладен овошен јогурт; Нивните калории и макроа се многу далеку едни од други. Грчкиот јогурт има речиси двојно повеќе протеини од обичниот јогурт. Слично на тоа, записите за „брендирани производи“ (спакуван производ на компанијата) и записите за „општа исхрана“ носат различни вредности. Во добра практика, што е можно поблиску одговарате на производот што клиентот всушност го консумира: ако е можно, врз основа на ознаката за исхрана на пакувањето, во спротивно го избирате најблискиот опис во базата на податоци. Прашајте ја вештачката интелигенција „кој рекорд да изберам? Кога ќе се консултирате, може да ви го предложи вистинскиот термин за пребарување; но конечниот избор на плоча и споредба со етикетата е под ваша контрола. Користењето на истиот запис за иста хранлива материја во текот на планот е исто така важно за конзистентноста; Користењето на полномасно млеко половина од времето и обезмастеното млеко половина од времето ќе ги наруши вкупните збирки.
Конверзии на порции и готвење
Базите на податоци за исхрана обично даваат вредности на 100 грама суровини. Но, клиентот јаде варена леќа, а не сирова леќа. Тежината се менува со апсорпција на вода за време на готвењето; 100 грама суров ориз се зголемува на ~ 250-300 грама кога се готви. Затоа, „варени 200 грама“ и „суровини 100 грама“ имаат различни нутритивни вредности. ВИ може да ги направи овие трансформации, но може да ја збуни насоката. Секогаш разјаснете дали вредноста што ја користите е сирова или варена; ова е чест извор на грешки во пресметките.
три мини футроли
Случај 1 - Фаќање халуцинации. Диететичар го прашал YZ: „Колку грама протеини има во 100 грама варена брокула? тој прашува; ВИ вели „околу 8 грама“. Диететичарот го разгледува USDA: вистинската вредност е ~ 2,4 грама. Вештачката интелигенција го измеша со податоци за мешунките/оревите и го надува трикратно. Диететичарот ја користи вистинската вредност. Поука: зелениот зеленчук има малку протеини; Бројката не е точна само затоа што е течно.
Случај 2 - сурова/варена конфузија. Во нацрт-планот, вештачката интелигенција ја користи суровата вредност за „150 грама тестенини“ (~525 kcal), додека клиентот јаде 150 грама варени тестенини (~210 kcal). Разликата е 315 kcal во еден оброк, што е сериозно отстапување дури и со еден оброк дневно. Диететичарот ја појаснува мерната единица до „варена“ и повторно пресметува.
Случај 3 - Правилна употреба. Диететичар ги копира вредностите од 100 грама за пилешко, ориз и брокула од USDA, давајќи ги на вештачката интелигенција со инструкција „само да го пресмета вкупниот макро за оброк со овие податоци, додавајќи бројки од сопствената меморија“. ВИ само собира со дадени броеви; диететичарот потврдува со тоа што ќе го врати назад. Податоците дојдоа од изворот, вештачката интелигенција направи аритметика.
Шаблони за копирање на брзините
ОБРАБОТ ЗА ПРЕСМЕТКА СО ИЗВОРНИ ПОДАТОЦИ (логика на RAG) Ваша улога: асистент кој работи само со нутритивните вредности КОИ ВИ ДАДЕНИ.ДОДАДЕТЕ или ПРОМЕНЕТЕ ги нутритивните вредности од вашата меморија. Ако недостасуваат податоци, напишете „[нема податоци]“, дополнете. Податоци (на 100 g, извор: USDA):- Пилешки гради (варени): 165 kcal, 31 g протеини, 3,6 g масти, 0 g carbs- Ориз (варен): ...Задача: Пресметајте ги вкупните kcal и макро за 120 g пилешко + 150 g ориз.
ОБРАБОТ ЗА КОНВЕРЗИЈА СУРОВО/ЗОБРЕНА Вредноста на следната храна е дадена на 100 g СУРОВИ: [вредности]. Клиентот јаде [X] g ГОРЕНИ. Кога се готви, тежината ~[сооднос] се менува. Според тоа, пресметајте ја хранливата вредност на изедената количина и напишете ЈАСНО која претпоставка ја користите.
ОБРАБОТ ЗА ПОДГОТОВКА ЗА ПРАШАЊЕ НА БАЗА НА ПОДАТОЦИ Сакам да ја најдам хранливата вредност на оброкот. Наведете КОЈ термин треба да го барам во базата на податоци за храна (USDA/TUBER) за следните намирници, кои записи треба да ги изберам, сурови/варени. Не ги давајте вредностите за вас; само кажете ми го точниот термин за пребарување и точка на внимание. Хранливи материи: [...]
ОБРАБОК ЗА ПРОВЕРКА НА ДОСЛЕДНОСТ Протолкувајте ги нутритивните вредности за следниот оброк на два различни начини: (1) под претпоставка дека сите јадења се сурови, (2) под претпоставка дека сите јадења се зготвени. Споредете ги двата збирки и објаснете од каде доаѓа разликата. Па можам да видам која претпоставка треба да ја проверам.
Слаб промпт / Силен промпт
Слаба навестување:
Колку калории има во чинија супа од леќа?
„Едно јадење“ е нејасно, рецептот е нејасен, изворот отсутен; Вештачката интелигенција составува број од својата меморија и не кажува како дошла до неа.
Моќен потсетник:
Вашата улога: асистент кој само пресметува со дадените податоци. Порција супа од леќа = 300 гр. Состојки (вредности на 100 g, извор USDA, давам подолу): црвена леќа (варена) [вредности], кромид [вредности], маслиново масло [вредности]. Количини по порција: [...]. Пресметајте ги вкупните kcal и макро со овие податоци, не додавајте од меморијата, прикажувајте чекори.
Вториот промптен извор ги дава информациите за сервирање, сурови/готвени и ограничување „не додавај“; Излезот е ревизија и сигурен.
Вообичаени грешки
- Верување на меморијата на вештачката интелигенција: Отворено испитување на хранливата вредност; Ова е покана за халуцинација.
- Збунувачки сурово/варено: Најчеста тивка грешка; Секогаш разјаснете ја мерната единица.
- Изворна конфузија: Мешање на различни хранливи материи од различни бази на податоци; Користете конзистентни ресурси во планот.
- Оставајќи ја порцијата нејасна: Пресметување изрази како „плоча“, „грст“ без да ги претворите во грамови.
- Фокусирање на еден број наместо опсег: Заборавајќи дека истата храна има разумен опсег на вредности; создавајќи лажна сигурност.
Сумирано
Нутриционистичките податоци се областа каде што јазичниот модел е најслаб; Бидејќи моделот не ги памти бројките, туку ги произведува. Затоа, секогаш добивајте ги нутритивните вредности од препознаена база на податоци (USDA, TÜBER, BeBiS) и користете ја вештачката интелигенција за да ги пресметате и интерпретирате само тие податоци - врз основа на логиката на RAG, податоците извлечени од изворот. Обрнете внимание на суровите/варените конверзии, јасноста на порциите и конзистентноста на изворот. Само затоа што бројот излезе течно не е точен; Можете да ја дознаете вистината само со работа со изворот.
Задача за апликација
Изберете три намирници (на пример, варени јајца, интегрален леб, грчки јогурт). Прво, прашајте ја отворената вештачка интелигенција и добијте ги неговите вредности (од неговата меморија). Потоа пронајдете ги вистинските вредности на истите тие хранливи материи од USDA FoodData Central. Споредете ги двете сета и запишете во табела колку отстапување има во секоја храна. Оваа табела ќе го открие принципот „не верувај во меморијата, линк до изворот“.
листа за проверка
- [ ] Ги добив нутритивните вредности од добро позната база на податоци, а не од меморијата за вештачка интелигенција.
- [ ] Ограничувањето на вештачката интелигенција го ставив да „работи само со дадените податоци, не додавај ништо“.
- [ ] За секоја храна имам појаснето дали е сирово или варено.
- [ ] Ги претворив порциите во грамови; Не оставив „чинија/грст“ зад себе.
- [ ] Користев единствен конзистентен извор во рамките на планот.
- [ ] Го потврдив збирот на вештачката интелигенција со множење назад.