Câștiguri:
- Capacitatea de a înțelege necesitatea obținerii valorilor nutriționale din baze de date binecunoscute (USDA, TÜBER, BeBiS) mai degrabă decât din memoria inteligenței artificiale
- Abilitatea de a direcționa inteligența artificială pentru a face calcule și interpretări doar cu datele extrase din sursă, cu logica RAG
- Capacitatea de a preveni erorile nutriționale luând în considerare conversiile crude/gătite, claritatea porțiilor și consistența sursei
În centrul muncii zilnice a unui dietetician se află întrebarea „cât este în acest nutrient?” Există o întrebare. Câte grame de proteine în 100 de grame de piept de pui? Câte grame de fibre sunt într-o felie de pâine integrală? Câte calorii sunt într-o lingură de ulei de măsline? Răspunsurile la aceste întrebări sunt păstrate în bazele de date despre compoziția alimentelor - tabele oficiale care listează conținutul de energie, macro și micronutrienți a mii de alimente pe baza analizelor de laborator. Cea mai periculoasă greșeală a inteligenței artificiale în acest domeniu este să crezi că „își amintește” aceste numere. Cu toate acestea, modelul de limbaj nu memorează numere; Ea generează probabil și adesea oferă valori care sunt apropiate de realitate, dar uneori grav greșite. Mesajul principal al acestei unități este clar: obțineți valoarea nutrițională dintr-o bază de date recunoscută, nu din memoria IA; Folosiți AI pentru a lucra cu date precise, nu pentru a vă aminti date.
Baze de date binecunoscute și pentru ce sunt folosite
Principalele surse utilizate pe scară largă în lume și în Turcia sunt:
baza de date
Domeniul de aplicare
punct forte
Atenție
USDA FoodData Central (SUA)
Foarte mari, ~ un sfert de milion de înregistrări
Detaliat, gratuit, cu API
produse SUA; mâncare locală limitată
Suplimente TÜBER / Türkiye Nutrition Guide
Bucătăria turcească concentrată
Mâncare locală și porție
Domeniu de aplicare mai restrâns decât USDA
BeBiS (sistem de informații nutriționale)
Software obișnuit în Türkiye
Rețete turcești
Software licențiat
USDA/EuroFIR
date europene de compoziție
Standard bazat pe țară
Accesul poate fi instituțional
Ceea ce se înțelege prin „API” este interfața care permite unui software să pună în mod programatic (automat) întrebări bazei de date și să primească răspunsuri structurate. Având un API pentru resurse precum USDA FoodData Central, face posibilă conectarea instrumentelor AI la date reale în viitor. Aceasta este baza abordării „IA bazată pe date”: nu se potrivește modelelor, extrage din sursa reală.
Atenție: același nutrient poate prezenta valori diferite în baze de date diferite; Deoarece starea agriculturii, varietatea, metoda de gătit și analiza sunt diferite. Nu există un singur număr „corect”; Există o gamă rezonabilă. Înregistrați ce resursă utilizați într-un plan de client, astfel încât să puteți fi consecvent.
Logica „recuperare”: conectarea AI la sursă
În aplicațiile moderne, modalitatea de a conecta AI la datele reale este abordarea RAG — Retrieval-Augmented Generation în limba engleză. Pur și simplu: în loc să adapteze răspunsul din memorie, modelul extrage mai întâi date relevante dintr-o sursă de încredere (bază de date, document), apoi generează un răspuns pe baza acestor date. În practică, implementați acest lucru în două moduri:
- Hrănire manuală: Copiați valorile hranei de pe masa de încredere și le dați AI; AI doar calculează/interpretează cu aceste date, nu adaugă numere din propria memorie.
- Vehicul conectat: utilizați un vehicul conectat la baza de date; AI redirecționează interogarea către sursa reală și utilizează valoarea returnată.
În ambele cazuri, regula de aur este aceeași: numărul vine de la sursă, AI îl interpretează. "Cat fier este in 100 de grame de linte?" a întrebat YZ. A pune o întrebare deschisă înseamnă a invita la fabricație.
Produs generic, produs de marcă și mix de mese
Bazele de date de nutrienți au mai multe înregistrări sub același nume, iar selectarea unei înregistrări greșite este o sursă tacută de eroare. De exemplu, căutarea „iaurt” vă va oferi zeci de înregistrări diferite, cum ar fi iaurt plin de grăsimi, jumătate de grăsime, fără grăsimi, de tip grecesc (strecurat) și iaurt cu fructe îndulcite; Caloriile și macrourile lor sunt foarte departe unele de altele. Iaurtul grecesc are aproape de două ori mai multe proteine decât iaurtul obișnuit. În mod similar, înregistrările „produs de marcă” (produsul ambalat al unei companii) și înregistrările „nutriției generale” poartă valori diferite. În bună practică, potriviți cât mai bine produsul pe care clientul îl consumă efectiv: dacă este posibil, pe baza etichetei nutriționale de pe ambalaj, în caz contrar alegeți cea mai apropiată descriere din baza de date. Întrebați AI „ce înregistrare ar trebui să aleg?” Când consultați, vă poate sugera termenul de căutare potrivit; dar selecția finală a discului și compararea cu eticheta este sub controlul tău. Utilizarea aceleiași înregistrări pentru același nutrient pe parcursul unui plan este, de asemenea, importantă pentru consecvență; Folosirea laptelui gras în jumătate din timp și a laptelui degresat în jumătate din timp va distorsiona totalurile.
Conversii de porții și de gătit
Bazele de date nutriționale dau de obicei valori pentru 100 de grame brute. Dar clientul mănâncă linte fiartă, nu linte crudă. Greutatea se modifică prin absorbția apei în timpul gătirii; 100 de grame de orez crud crește la ~250-300 de grame când sunt gătite. Prin urmare, „gătit 200 de grame” și „crud 100 de grame” au valori nutriționale diferite. AI poate face aceste transformări, dar poate încurca direcția. Întotdeauna clarificați dacă valoarea pe care o utilizați este crudă sau gătită; aceasta este o sursă frecventă de erori de calcul.
trei mini cutii
Cazul 1 - Prinderea unei halucinații. Un dietetician l-a întrebat pe YZ: „Câte grame de proteine sunt în 100 de grame de broccoli fiert?” întreabă el; AI spune „aproximativ 8 grame”. Dieteticianul se uită la USDA: valoarea reală este de ~2,4 grame. AI l-a amestecat cu date de leguminoase/nuci și l-a umflat de trei ori. Dieteticianul folosește valoarea corectă. Lecție: legumele verzi sunt sărace în proteine; Numărul nu este corect doar pentru că este fluent.
Cazul 2 – Confuzie crudă/gătită. Într-o schiță de plan, AI folosește valoarea brută pentru „150 de grame de paste” (~525 kcal), în timp ce clientul mănâncă 150 de grame de paste fierte (~210 kcal). Diferența este de 315 kcal într-o masă, ceea ce reprezintă o abatere serioasă chiar și cu o masă pe zi. Dieteticianul clarifică unitatea de măsură la „gătit” și recalculează.
Cazul 3 – Utilizare corectă. Un dietetician copiază valorile de 100 de grame pentru pui, orez și broccoli de la USDA, dându-le AI cu instrucțiunea de a „calcula doar macroul total pentru o masă cu aceste date, adăugând numere din propria memorie”. AI adaugă numai cu numere date; dieteticianul confirmă trântindu-l înapoi. Datele au venit de la sursă, AI a făcut aritmetica.
Șabloane de prompt copiabile
ȘABLAN DE CALCUL CU DATE SURSA (logica RAG)Rolul dumneavoastră: asistent care lucrează doar cu valorile nutriționale DATE ȚIE.ADĂUGAȚI sau MODIFICAȚI valorile nutritive din propria memorie. Dacă lipsesc datele, scrieți „[fără date]”, completați. Date (pe 100 g, sursa: USDA):- Piept de pui (gătit): 165 kcal, 31 g proteine, 3,6 g grăsimi, 0 g carbohidrați- Orez (gătit): ... Sarcină: Calculați kcal totale și macro pentru 120 g pui + 150 g orez.
ȘABLON DE CONVERSIE CRUDE/GĂTIT Valoarea următoarelor alimente este dată pentru 100 g CRUDE: [valori]. Clientul mănâncă [X] g GĂTIT. Când este gătit, greutatea ~[raportul] se modifică. În consecință, calculați valoarea nutrițională a cantității consumate și scrieți CLAR ipoteza pe care o utilizați.
ȘABLAN DE PREGĂTIRE A BAZEI DE DATE Vreau să aflu valoarea nutritivă a unei mese. Enumerați CE termen ar trebui să caut în baza de date a alimentelor (USDA/TUBER) pentru următoarele alimente, ce înregistrare ar trebui să aleg, crude/gătite. Nu-ți da valorile; spune-mi doar termenul de căutare corect și punctul de atenție.Nutrimente: [...]
Șablon de verificare a coerențeiInterpretați valorile nutriționale pentru următoarea masă în două moduri diferite: (1) presupunând că toate alimentele sunt crude, (2) presupunând că toate alimentele sunt gătite. Comparați cele două totale și explicați de unde vine diferența. Așa că pot vedea ce presupunere trebuie să verific.
Prompt slab / Prompt puternic
Prompt slab:
Câte calorii sunt într-un castron de supă de linte?
„Un fel de mâncare” este vag, rețeta este vagă, sursa este absentă; AI alcătuiește un număr din memorie și nu spune cum a venit cu el.
Solicitare puternică:
Rolul tău: asistent care calculează doar cu datele date. Porție de supă de linte = 300 g. Ingrediente (valori la 100 g, sursa USDA, dau mai jos): linte rosie (fiarta) [valori], ceapa [valori], ulei de masline [valori]. Cantități pe porție: [...]. Calculați kcal totale și macro cu aceste date, nu adăugați din memorie, afișați pașii.
A doua sursă promptă oferă informații despre servire, crudă/gătită și constrângerea „nu adăugați”; Rezultatul este auditabil și de încredere.
Greșeli comune
- Încredere în memoria AI: chestionare deschisă a valorii nutriționale; Aceasta este o invitație la halucinații.
- Confuză crud/gătit: cea mai frecventă greșeală tăcută; Întotdeauna clarificați unitatea de măsură.
- Confuzie de sursă: Amestecarea diferiților nutrienți din baze de date diferite; Utilizați resurse consistente într-un plan.
- Lăsând porția vagă: Calcularea expresiilor precum „o farfurie”, „o mână” fără a le converti în grame.
- Concentrarea pe un singur număr în loc de un interval: uitând că același aliment are o gamă rezonabilă de valori; creând o falsă certitudine.
În concluzie
Datele nutriționale sunt zona în care modelul lingvistic este cel mai slab; Pentru că modelul nu își amintește numerele, le produce. Prin urmare, obțineți întotdeauna valorile nutriționale dintr-o bază de date recunoscută (USDA, TÜBER, BeBiS) și utilizați AI pentru a calcula și interpreta numai acele date - pe baza logicii RAG, date extrase de la sursă. Acordați atenție conversiilor crude/gătite, clarității porțiilor și consistenței sursei. Doar pentru că numărul a ieșit fluent nu este corect; Puteți obține adevărul doar lucrând cu sursa.
Sarcina de aplicare
Alege trei alimente (de exemplu, ouă fierte, pâine integrală, iaurt grecesc). În primul rând, întrebați AI-ul deschis și obțineți-i valorile (din memorie). Apoi găsiți valorile reale ale acelorași nutrienți din USDA FoodData Central. Compară cele două seturi și notează într-un tabel câtă abatere există la fiecare aliment. Acest tabel va dezvălui principiul „nu ai încredere în memorie, link la sursă”.
lista de verificare
- [ ] Am obținut valorile nutriționale dintr-o bază de date binecunoscută, nu din memoria AI.
- [ ] Am pus restricția pe AI să „lucreze numai cu datele date, nu adăugați nimic”.
- [ ] Am clarificat pentru fiecare aliment dacă este crud sau gătit.
- [ ] Am transformat porțiile în grame; Nu am lăsat „o farfurie/mână” în urmă.
- [ ] Am folosit o singură sursă consecventă în cadrul unui plan.
- [ ] Am verificat suma AI înmulțind-o înapoi.