ИИ нашел, какие продукты заменить на полезные в привычных блюдах
Полезное питание часто выглядит как задача со звездочкой, ведь тут нужно считать калории, разбираться в нутриентах, менять закупки, привычки и почти заново учиться готовить. Американские ученые подошли к проблеме иначе. Они решили проверить, можно ли улучшить привычное меню, которое люди едят каждый день. Идея проста: не ломать рацион, а аккуратно его подправить.
Задача разработанного искусственного интеллекта состоит в анализе блюда и подборе минимальных замен. Например, добавить овощи или бобовые, убрать слишком соленый или сильно переработанный продукт, заменить один компонент на более удачный по питательной ценности и цене. Важное условие: таких изменений должно быть совсем немного, всего от одного до трех. Именно это делает подход интересным для широкой аудитории, ведь речь идет не о строгой диете, а о небольшом изменении в тарелке.
Для обучения и проверки системы ученые использовали большой массив данных о питании респондентов. В него вошли более 135 тысяч приемов пищи, описанных свыше 55 тысячами человек. На основе этих данных алгоритм выделил 34 типичных “архетипа” завтраков, обедов и ужинов. То есть система не работала с абстрактным понятием “здоровой еды”, а смотрела на реальные пищевые сценарии и оценивала, что люди обычно едят утром, днем и вечером, какие продукты чаще сочетают между собой и как выглядят популярные комбинации.
После этого модель начала искать более удачные версии тех же блюд. Она сравнивала варианты с диетическими ориентирами USDA и оценивала, насколько блюдо приближается к рекомендуемому балансу белков, жиров, углеводов, клетчатки, витаминов и минералов. В результате сгенерированные варианты оказались в среднем почти на 47% ближе к питательным целям, чем реальные блюда из исходной выборки. Особенно заметно улучшались показатели по клетчатке, белку, калию и ряду микронутриентов.
Самая практичная часть исследования — подбор замен. Ученые проверяли, что произойдет, если менять не весь рецепт, а только один, два или три продукта. На выбранных рабочих сценариях одна замена улучшала питательность примерно на 5,2% и снижала расчетную стоимость на 22%. Две замены давали около 8,1% улучшения и 30,2% экономии. Три — около 10,2% улучшения и 33,8% снижения стоимости. Вывод - даже небольшие изменения могут дать ощутимый эффект.
Любопытно, что авторы сравнили свою специализированную систему с GPT-4o. Универсальная языковая модель предлагала более разнообразные блюда, но хуже попадала в заданные нутриентные цели. Это важная деталь, когда речь идет о питании, ведь красочное описание рецепта и реальная сбалансированность — не одно и то же. Алгоритм, заточенный под пищевые данные и диетические ограничения, может быть менее эффектным в формулировках, зато точнее в расчетах.
Главная ценность такой разработки — в снижении порога входа. Большинству людей трудно пересобирать рацион с нуля. Но многим проще согласиться на небольшой шаг: заменить часть обработанного мяса на бобовые, добавить овощной компонент, выбрать менее соленый продукт или пересчитать порцию углеводов или белка. Если подобные подсказки будут встроены в приложения, сервисы доставки, электронные рецепты или инструменты для диетологов, они могут сделать здоровое питание менее сложным и менее дорогим.