உணவு தரவுத்தளங்கள் மற்றும் ஊட்டச்சத்து தரவு: AI ஐ சரியான மூலத்துடன் இணைக்கிறது

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு நினைவகத்திலிருந்து அல்லாமல் நன்கு அறியப்பட்ட தரவுத்தளங்களிலிருந்து (USDA, TÜBER, BeBiS) ஊட்டச்சத்து மதிப்புகளைப் பெறுவதன் அவசியத்தைப் புரிந்துகொள்ளும் திறன்
• RAG தர்க்கத்துடன் மூலத்திலிருந்து பெறப்பட்ட தரவுகளைக் கொண்டு மட்டுமே கணக்கீடுகள் மற்றும் விளக்கங்களைச் செய்ய செயற்கை நுண்ணறிவை இயக்கும் திறன்
• மூல/சமைத்த மாற்றங்கள், பகுதி தெளிவு மற்றும் மூல நிலைத்தன்மை ஆகியவற்றைக் கருத்தில் கொண்டு ஊட்டச்சத்து பிழைகளைத் தடுக்கும் திறன்

உணவியல் நிபுணரின் தினசரி வேலையின் இதயத்தில் "இந்த சத்து எவ்வளவு உள்ளது?" ஒரு கேள்வி உள்ளது. 100 கிராம் கோழி மார்பகத்தில் எத்தனை கிராம் புரதம் உள்ளது? ஒரு முழு கோதுமை ரொட்டியில் எத்தனை கிராம் நார்ச்சத்து உள்ளது? ஒரு தேக்கரண்டி ஆலிவ் எண்ணெயில் எத்தனை கலோரிகள் உள்ளன? இந்த கேள்விகளுக்கான பதில்கள் உணவு கலவை தரவுத்தளங்களில் உள்ளன - ஆய்வக பகுப்பாய்வின் அடிப்படையில் ஆயிரக்கணக்கான உணவுகளின் ஆற்றல், மேக்ரோ மற்றும் நுண்ணூட்டச்சத்து உள்ளடக்கத்தை பட்டியலிடும் அதிகாரப்பூர்வ அட்டவணைகள். இந்த துறையில் செயற்கை நுண்ணறிவின் மிக ஆபத்தான தவறு, இந்த எண்களை "நினைவில் வைத்திருப்பது" என்று நினைப்பதுதான். இருப்பினும், மொழி மாதிரி எண்களை மனப்பாடம் செய்யாது; இது நிகழ்தகவை உருவாக்குகிறது மற்றும் பெரும்பாலும் யதார்த்தத்திற்கு நெருக்கமான ஆனால் சில நேரங்களில் தீவிரமாக தவறான மதிப்புகளை அளிக்கிறது. இந்த யூனிட்டின் முக்கிய செய்தி தெளிவாக உள்ளது: அங்கீகரிக்கப்பட்ட தரவுத்தளத்திலிருந்து ஊட்டச்சத்து மதிப்பைப் பெறுங்கள், AI இன் நினைவகத்திலிருந்து அல்ல; துல்லியமான தரவுகளுடன் வேலை செய்ய AI ஐப் பயன்படுத்தவும், தரவை நினைவில் வைத்துக் கொள்ள வேண்டாம்.

நன்கு அறியப்பட்ட தரவுத்தளங்கள் மற்றும் அவை எதற்காகப் பயன்படுத்தப்படுகின்றன

உலகிலும் துருக்கியிலும் பரவலாகப் பயன்படுத்தப்படும் முக்கிய ஆதாரங்கள்:

தரவுத்தளம்

நோக்கம்

வலுவான புள்ளி

கவனம்

USDA FoodData Central (USA)

மிகப் பெரிய, ~கால் மில்லியன் பதிவுகள்

API உடன் விரிவான, இலவசம்

USA தயாரிப்புகள்; உள்ளூர் உணவு வரையறுக்கப்பட்டது

TÜBER / Türkiye ஊட்டச்சத்து வழிகாட்டி சப்ளிமெண்ட்ஸ்

துருக்கிய சமையல் கவனம்

உள்ளூர் உணவு மற்றும் பகுதி

யுஎஸ்டிஏவை விட ஸ்கோப் குறுகியது

BeBiS (ஊட்டச்சத்து தகவல் அமைப்பு)

Türkiye இல் பொதுவான மென்பொருள்

துருக்கிய சமையல்

உரிமம் பெற்ற மென்பொருள்

USDA/EuroFIR

ஐரோப்பிய கலவை தரவு

நாடு அடிப்படையிலான தரநிலை

அணுகல் நிறுவனமாக இருக்கலாம்

"API" என்பதன் பொருள் என்னவென்றால், ஒரு மென்பொருளை நிரல்ரீதியாக (தானாகவே) தரவுத்தளத்தில் கேள்விகளைக் கேட்கவும் கட்டமைக்கப்பட்ட பதில்களைப் பெறவும் அனுமதிக்கும் இடைமுகம் ஆகும். யுஎஸ்டிஏ ஃபுட்டேட்டா சென்ட்ரல் போன்ற ஆதாரங்களுக்கான ஏபிஐ வைத்திருப்பது எதிர்காலத்தில் AI கருவிகளை உண்மையான தரவுகளுடன் இணைப்பதை சாத்தியமாக்குகிறது. இது "தரவு-உந்துதல் AI" அணுகுமுறையின் அடிப்படையாகும்: மாதிரிகள் பொருந்தாது, உண்மையான மூலத்திலிருந்து வரையவும்.

கவனம்: ஒரே ஊட்டச்சத்து வெவ்வேறு தரவுத்தளங்களில் வெவ்வேறு மதிப்புகளைக் காட்டலாம்; ஏனெனில் விவசாய நிலை, ரகம், சமையல் முறை மற்றும் பகுப்பாய்வு ஆகியவை வேறுபட்டவை. ஒற்றை "சரியான" எண் இல்லை; ஒரு நியாயமான வரம்பு உள்ளது. கிளையன்ட் திட்டத்தில் நீங்கள் எந்த ஆதாரத்தைப் பயன்படுத்துகிறீர்கள் என்பதைப் பதிவுசெய்யவும், அதனால் நீங்கள் சீராக இருக்க முடியும்.

"மீட்பு" தர்க்கம்: AI ஐ மூலத்துடன் இணைக்கிறது

நவீன பயன்பாடுகளில், உண்மையான தரவுகளுடன் AI ஐ இணைப்பதற்கான வழி RAG அணுகுமுறை ஆகும் - ஆங்கிலத்தில் மீட்டெடுப்பு-ஆக்மென்ட் ஜெனரேஷன். வெறுமனே: நினைவகத்திலிருந்து பதிலைப் பொருத்துவதற்குப் பதிலாக, மாதிரியானது முதலில் நம்பகமான மூலத்திலிருந்து (தரவுத்தளம், ஆவணம்) தொடர்புடைய தரவை இழுக்கிறது, பின்னர் அந்தத் தரவின் அடிப்படையில் ஒரு பதிலை உருவாக்குகிறது. நடைமுறையில் நீங்கள் இதை இரண்டு வழிகளில் செயல்படுத்துகிறீர்கள்:

1. கைமுறையாக உணவளித்தல்: நம்பகமான அட்டவணையில் இருந்து உணவின் மதிப்புகளை நகலெடுத்து, அதை AIக்கு வழங்குகிறீர்கள்; AI இந்தத் தரவைக் கொண்டு மட்டுமே கணக்கிடுகிறது/விளக்கம் செய்கிறது, அது அதன் சொந்த நினைவகத்திலிருந்து எண்களைச் சேர்க்காது.
2. இணைக்கப்பட்ட வாகனம்: நீங்கள் தரவுத்தளத்துடன் இணைக்கப்பட்ட வாகனத்தைப் பயன்படுத்துகிறீர்கள்; AI வினவலை உண்மையான மூலத்திற்கு அனுப்புகிறது மற்றும் திரும்பிய மதிப்பைப் பயன்படுத்துகிறது.

இரண்டு சந்தர்ப்பங்களிலும், தங்க விதி ஒன்றுதான்: எண் மூலத்திலிருந்து வருகிறது, AI அதை விளக்குகிறது. "100 கிராம் பருப்பில் இரும்புச்சத்து எவ்வளவு?" YZ கேட்டார். திறந்த கேள்வியைக் கேட்பது புனைகதையை அழைப்பதாகும்.

பொதுவான தயாரிப்பு, பிராண்டட் தயாரிப்பு மற்றும் உணவு கலவை

ஊட்டச்சத்து தரவுத்தளங்கள் ஒரே பெயரில் பல பதிவுகளைக் கொண்டுள்ளன, மேலும் தவறான பதிவைத் தேர்ந்தெடுப்பது பிழையின் அமைதியான ஆதாரமாகும். எடுத்துக்காட்டாக, "யோகர்ட்" என்று தேடினால், முழு கொழுப்பு, அரை கொழுப்பு, கொழுப்பு இல்லாத, கிரேக்க வகை (வடிகட்டப்பட்ட) மற்றும் இனிப்பு பழ தயிர் போன்ற டஜன் கணக்கான வெவ்வேறு பதிவுகள் கிடைக்கும்; அவற்றின் கலோரிகள் மற்றும் மேக்ரோக்கள் ஒருவருக்கொருவர் வெகு தொலைவில் உள்ளன. கிரேக்க தயிரில் வழக்கமான தயிரில் உள்ள புரதத்தை விட இரண்டு மடங்கு புரதம் உள்ளது. இதேபோல், "பிராண்டு தயாரிப்பு" பதிவுகள் (ஒரு நிறுவனத்தின் தொகுக்கப்பட்ட தயாரிப்பு) மற்றும் "பொது ஊட்டச்சத்து" பதிவுகள் வெவ்வேறு மதிப்புகளைக் கொண்டுள்ளன. நல்ல நடைமுறையில், வாடிக்கையாளர் உண்மையில் உட்கொள்ளும் தயாரிப்பை நீங்கள் முடிந்தவரை நெருக்கமாகப் பொருத்துகிறீர்கள்: முடிந்தால், பேக்கேஜிங்கில் உள்ள ஊட்டச்சத்து லேபிளின் அடிப்படையில், இல்லையெனில் நீங்கள் தரவுத்தளத்தில் உள்ள மிக நெருக்கமான விளக்கத்தைத் தேர்வு செய்கிறீர்கள். "நான் எந்த பதிவை தேர்வு செய்ய வேண்டும்?" என்று AIயிடம் கேளுங்கள். நீங்கள் கலந்தாலோசிக்கும்போது, ​​சரியான தேடல் சொல்லை அது பரிந்துரைக்கலாம்; ஆனால் இறுதி பதிவு தேர்வு மற்றும் லேபிளுடன் ஒப்பிடுவது உங்கள் கட்டுப்பாட்டில் உள்ளது. ஒரு திட்டம் முழுவதும் ஒரே ஊட்டச்சத்துக்காக ஒரே பதிவைப் பயன்படுத்துவது நிலைத்தன்மைக்கு முக்கியமானது; முழு கொழுப்புள்ள பாலை பாதி நேரமும், கொழுப்பு நீக்கிய பாலை பாதி நேரமும் பயன்படுத்தினால் மொத்த அளவு சிதைந்து விடும்.

பகுதி மற்றும் சமையல் மாற்றங்கள்

ஊட்டச்சத்து தரவுத்தளங்கள் பொதுவாக 100 கிராம் மூல மதிப்புகளைக் கொடுக்கின்றன. ஆனால் வாடிக்கையாளர் சமைத்த பருப்பை சாப்பிடுகிறார், பச்சை பயறு அல்ல. சமைக்கும் போது தண்ணீரை உறிஞ்சுவதன் மூலம் எடை மாறுகிறது; 100 கிராம் பச்சை அரிசி சமைக்கும் போது ~ 250-300 கிராம் வரை அதிகரிக்கிறது. எனவே, "சமைத்த 200 கிராம்" மற்றும் "பச்சை 100 கிராம்" வெவ்வேறு ஊட்டச்சத்து மதிப்புகள் உள்ளன. AI இந்த மாற்றங்களைச் செய்யலாம், ஆனால் அது திசையைக் குழப்பலாம். நீங்கள் பயன்படுத்தும் மதிப்பு பச்சையா அல்லது சமைக்கப்பட்டதா என்பதை எப்போதும் தெளிவுபடுத்தவும்; இது கணக்கீட்டு பிழைகளின் அடிக்கடி ஆதாரமாகும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - ஒரு மாயத்தோற்றம் பிடிப்பது. ஒரு உணவியல் நிபுணர் YZ இடம் கேட்டார், "100 கிராம் வேகவைத்த ப்ரோக்கோலியில் எத்தனை கிராம் புரதம் உள்ளது?" அவர் கேட்கிறார்; AI "சுமார் 8 கிராம்" என்று கூறுகிறது. உணவியல் நிபுணர் யுஎஸ்டிஏவைப் பார்க்கிறார்: உண்மையான மதிப்பு ~2.4 கிராம். AI அதை பருப்பு/நட்டு தரவுகளுடன் கலந்து மூன்று மடங்கு உயர்த்தியது. உணவியல் நிபுணர் சரியான மதிப்பைப் பயன்படுத்துகிறார். பாடம்: பச்சை காய்கறிகளில் புரதம் குறைவாக உள்ளது; சரளமாக இருப்பதால் எண் சரியாக இருக்காது.

வழக்கு 2 - பச்சை/சமைத்த குழப்பம். வரைவுத் திட்டத்தில், AI ஆனது “150 கிராம் பாஸ்தா” (~525 கிலோகலோரி)க்கான மூல மதிப்பைப் பயன்படுத்துகிறது, அதேசமயம் வாடிக்கையாளர் 150 கிராம் சமைத்த பாஸ்தாவை (~210 கிலோகலோரி) சாப்பிடுகிறார். வித்தியாசம் ஒரு உணவில் 315 கிலோகலோரி ஆகும், இது ஒரு நாளைக்கு ஒரு உணவோடு கூட தீவிர விலகலாகும். உணவியல் நிபுணர் அளவீட்டு அலகை "சமைத்த" என்று தெளிவுபடுத்தி மீண்டும் கணக்கிடுகிறார்.

வழக்கு 3 - சரியான பயன்பாடு. ஒரு டயட்டீஷியன் கோழி, அரிசி மற்றும் ப்ரோக்கோலிக்கான 100-கிராம் மதிப்புகளை USDA இலிருந்து நகலெடுத்து, "இந்தத் தரவைக் கொண்டு உணவிற்கான மொத்த மேக்ரோவைக் கணக்கிடுங்கள், அதன் சொந்த நினைவகத்தில் இருந்து எண்களைச் சேர்த்தால் போதும்" என்ற அறிவுறுத்தலுடன் அவற்றை AI க்கு வழங்குகிறார். கொடுக்கப்பட்ட எண்களுடன் மட்டுமே AI சேர்க்கிறது; உணவியல் நிபுணர் அதை மீண்டும் அறைந்து உறுதிப்படுத்துகிறார். மூலத்திலிருந்து தரவு வந்தது, AI எண்கணிதத்தைச் செய்தது.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

மூலத் தரவு கொண்ட கணக்கீட்டு டெம்ப்ளேட் (ராக் லாஜிக்)உங்கள் பங்கு: உங்களுக்கு வழங்கப்பட்டுள்ள ஊட்டச்சத்து மதிப்புகளுடன் மட்டுமே பணிபுரியும் உதவியாளர். உங்கள் நினைவகத்திலிருந்து ஊட்டச்சத்து மதிப்புகளைச் சேர்க்கவும் அல்லது மாற்றவும். தரவு விடுபட்டால் "[தரவு இல்லை]" என்று எழுதவும். தரவு (100 கிராம், ஆதாரம்: USDA):- கோழி மார்பகம் (சமைத்தது): 165 கிலோகலோரி, 31 கிராம் புரதம், 3.6 கிராம் கொழுப்பு, 0 கிராம் கார்போஹைட்ரேட்- அரிசி (சமைத்தது): ...பணி: 120 கிராம் கோழி + 150 கிராம் அரிசிக்கு மொத்த கிலோகலோரி மற்றும் மேக்ரோவைக் கணக்கிடவும்.

மூல/சமைத்த மாற்ற வார்ப்புரு 100 கிராம் RAWக்கு பின்வரும் உணவின் மதிப்பு கொடுக்கப்பட்டுள்ளது: [மதிப்புகள்]. வாடிக்கையாளர் சமைத்த [X] கிராம் சாப்பிடுகிறார். சமைக்கும் போது, ​​எடை ~[விகிதம்] மாறுகிறது. அதன்படி, உண்ணும் அளவின் ஊட்டச்சத்து மதிப்பைக் கணக்கிட்டு, நீங்கள் எந்த அனுமானத்தைப் பயன்படுத்துகிறீர்கள் என்பதைத் தெளிவாக எழுதுங்கள்.

டேட்டாபேஸ் வினவல் தயாரிப்பு டெம்ப்ளேட் ஒரு உணவின் ஊட்டச்சத்து மதிப்பைக் கண்டறிய விரும்புகிறேன். பின்வரும் உணவுகளுக்கான உணவுத் தரவுத்தளத்தில் (USDA/TUBER) நான் எந்தச் சொல்லைத் தேட வேண்டும் என்பதைப் பட்டியலிடுங்கள், எந்தப் பதிவை நான் தேர்வு செய்ய வேண்டும், பச்சை/சமைத்தவை மதிப்புகளை உங்களுக்கு வழங்க வேண்டாம்; சரியான தேடல் வார்த்தை மற்றும் கவனத்தை என்னிடம் சொல்லுங்கள். ஊட்டச்சத்துக்கள்: [...]

நிலைத்தன்மை சரிபார்ப்பு டெம்ப்ளேட் பின்வரும் உணவிற்கான ஊட்டச்சத்து மதிப்புகளை இரண்டு வெவ்வேறு வழிகளில் விளக்கவும்: (1) அனைத்து உணவுகளும் பச்சையாக இருப்பதாகக் கருதுதல், (2) அனைத்து உணவுகளும் சமைக்கப்பட்டதாகக் கருதுதல். இரண்டு மொத்தங்களையும் ஒப்பிட்டு, வேறுபாடு எங்கிருந்து வருகிறது என்பதை விளக்குங்கள். எனவே எந்த அனுமானத்தை நான் சரிபார்க்க வேண்டும் என்பதை என்னால் பார்க்க முடிகிறது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

பருப்பு சூப்பின் ஒரு கிண்ணத்தில் எத்தனை கலோரிகள் உள்ளன?

"ஒரு டிஷ்" தெளிவற்றது, செய்முறை தெளிவற்றது, ஆதாரம் இல்லை; AI அதன் நினைவகத்திலிருந்து ஒரு எண்ணை உருவாக்குகிறது மற்றும் அது எப்படி வந்தது என்று கூறவில்லை.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: கொடுக்கப்பட்ட தரவை மட்டுமே கணக்கிடும் உதவியாளர். பருப்பு சூப் பரிமாறுதல் = 300 கிராம். தேவையான பொருட்கள் (100 கிராம் மதிப்புகள், மூல USDA, நான் கீழே தருகிறேன்): சிவப்பு பருப்பு (சமைத்த) [மதிப்புகள்], வெங்காயம் [மதிப்புகள்], ஆலிவ் எண்ணெய் [மதிப்புகள்]. ஒரு சேவைக்கான அளவுகள்: [...]. இந்தத் தரவைக் கொண்டு மொத்த கிலோகலோரி மற்றும் மேக்ரோவைக் கணக்கிடுங்கள், நினைவகத்திலிருந்து சேர்க்க வேண்டாம், படிகளைக் காட்டு.

இரண்டாவது உடனடி மூலமானது பரிமாறும், பச்சை/சமைத்த தகவல் மற்றும் "சேர்க்க வேண்டாம்" என்ற தடையை வழங்குகிறது; வெளியீடு தணிக்கை மற்றும் நம்பகமானது.

பொதுவான தவறுகள்

• AI இன் நினைவகத்தை நம்புதல்: ஊட்டச்சத்து மதிப்பின் திறந்த கேள்வி; இது மாயைக்கான அழைப்பு.
• குழப்பமான பச்சை/சமைத்தவை: மிகவும் பொதுவான அமைதியான தவறு; அளவீட்டு அலகு எப்போதும் தெளிவுபடுத்தவும்.
• மூல குழப்பம்: வெவ்வேறு தரவுத்தளங்களிலிருந்து வெவ்வேறு ஊட்டச்சத்துக்களைக் கலத்தல்; திட்டத்தில் நிலையான ஆதாரங்களைப் பயன்படுத்தவும்.
• பகுதியை தெளிவற்றதாக விட்டுவிடுதல்: "ஒரு தட்டு", "ஒரு கைப்பிடி" போன்ற வெளிப்பாடுகளை கிராமாக மாற்றாமல் கணக்கிடுதல்.
• வரம்பிற்குப் பதிலாக ஒற்றை எண்ணில் கவனம் செலுத்துதல்: அதே உணவுக்கு நியாயமான மதிப்புகள் இருப்பதை மறந்துவிடுதல்; தவறான உறுதியை உருவாக்குகிறது.

சுருக்கமாக

ஊட்டச்சத்து தரவு என்பது மொழி மாதிரி பலவீனமாக இருக்கும் பகுதி; மாடல் எண்களை நினைவில் கொள்ளாததால், அது அவற்றை உருவாக்குகிறது. எனவே எப்போதும் அங்கீகரிக்கப்பட்ட தரவுத்தளத்திலிருந்து (USDA, TÜBER, BeBiS) ஊட்டச்சத்து மதிப்புகளைப் பெறுங்கள் மற்றும் RAG தர்க்கத்தின் அடிப்படையில், மூலத்திலிருந்து எடுக்கப்பட்ட தரவை மட்டுமே கணக்கிட்டு விளக்குவதற்கு AI ஐப் பயன்படுத்தவும். மூல/சமைத்த மாற்றங்கள், பகுதியின் தெளிவு மற்றும் மூல நிலைத்தன்மை ஆகியவற்றில் கவனம் செலுத்துங்கள். எண் சரளமாக வெளிவந்ததால் மட்டும் சரியாகாது; ஆதாரத்துடன் வேலை செய்வதன் மூலம் மட்டுமே நீங்கள் உண்மையைப் பெற முடியும்.

விண்ணப்ப பணி

மூன்று உணவுகளைத் தேர்ந்தெடுக்கவும் (உதாரணமாக, வேகவைத்த முட்டை, முழு கோதுமை ரொட்டி, கிரேக்க தயிர்). முதலில், AI ஓப்பன்-எண்டிடம் கேட்டு அதன் மதிப்புகளை (அதன் நினைவகத்திலிருந்து) பெறவும். USDA FoodData Central இலிருந்து அதே ஊட்டச்சத்துக்களின் உண்மையான மதிப்புகளைக் கண்டறியவும். இரண்டு செட்களையும் ஒப்பிட்டு, ஒவ்வொரு உணவிலும் எவ்வளவு விலகல் உள்ளது என்பதை அட்டவணையில் எழுதவும். இந்த அட்டவணை "நினைவகத்தை நம்பாதே, மூலத்திற்கான இணைப்பு" என்ற கொள்கையை வெளிப்படுத்தும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் ஊட்டச்சத்து மதிப்புகளை நன்கு அறியப்பட்ட தரவுத்தளத்திலிருந்து பெற்றேன், AI நினைவகத்திலிருந்து அல்ல.
• [ ] "கொடுக்கப்பட்ட தரவுகளுடன் மட்டுமே வேலை செய்யுங்கள், எதையும் சேர்க்க வேண்டாம்" என்று AIக்கு நான் கட்டுப்பாடு விதித்தேன்.
• [ ] ஒவ்வொரு உணவிற்கும் அது பச்சையா அல்லது சமைத்ததா என்பதை தெளிவுபடுத்தியுள்ளேன்.
• [ ] நான் பகுதிகளை கிராம்களாக மாற்றினேன்; நான் "ஒரு தட்டு/கைப்பிடியை" விட்டு வைக்கவில்லை.
• [ ] நான் ஒரு திட்டத்தில் ஒரே சீரான மூலத்தைப் பயன்படுத்தினேன்.
• [ ] AI இன் தொகையை மீண்டும் பெருக்கி சரிபார்த்தேன்.