EVERYTHING
Здорове харчування часто вимагає від людей радикальних змін у раціоні, але більшість із нас харчується за усталеними звичками. Саме цю проблему намагалися вирішити дослідники Університету Каліфорнії в Дейвісі (UC Davis). Як повідомляє Thebrighterside, команда не створювала ідеальні страви «з нуля», а побудувала модель навколо тих прийомів їжі, які люди вже споживають. Мета була двоякою: зберегти знайомий вигляд страви та визначити, чи може мінімальна заміна інгредієнтів покращити її відповідність дієтичним цілям і водночас знизити витрати.
Моделювання на основі реальних харчових звичок
Для створення фреймворку дослідники скористалися опитуваннями USDA «What We Eat in America», використовуючи шість хвиль даних у період з 2013 по 2020 рік. База даних включала 135 491 прийом їжі, зареєстрований 55 228 дорослими. На основі цих даних дослідники згрупували страви в «архетипи» — типові шаблони сніданків, обідів та вечерь, які охоплюють американський раціон, включаючи каші, сендвічі, піцу та супи.
Загалом було збережено 34 кластери страв: 12 для сніданку, 11 для обіду та 11 для вечері. Цей підхід дозволив моделі працювати в логіці реальних звичок харчування. Генератор страв використовував умовний варіаційний автоенкодер — тип машинного навчання, призначений для створення правдоподібних комбінацій.
Покращення нутрітивного складу та економічна ефективність
Система була навчена на відібраних стравах і поєднана з системою коригування порцій. Ця система спрямовувала розміри порцій до цілей USDA, зберігаючи при цьому основний склад кожної страви. Порівняно з реальними стравами того ж шаблону, AI-згенеровані страви були на 47% ближчими до нутрітивних цілей USDA загалом. Це покращення було виявлено у 33 із 34 кластерів страв.
- Обід показав найбільше середнє зниження відхилення від цілей, яке становило 52,1%.
- Сніданок покращився на 43,2%.
- Вечеря продемонструвала поліпшення на 46,0%.
Цей комбінований результат — підвищення якості харчування та зниження вартості — є надзвичайно важливим. Дієтичні поради часто руйнуються в точці з'єднання науки і реального життя: люди знають, що їм слід харчуватися краще, але загальні рекомендації щодо білка чи клітковини не завжди перетворюються на конкретні покупки у магазині.
Таким чином, нова модель AI пропонує практичний шлях до більш збалансованого та економічно вигідного раціону, оскільки вона працює не над ідеалом, а над тим, що вже є в повсякденному харчуванні людини. Це підтверджує потенціал машинного навчання для вирішення складних соціальних проблем у сфері охорони здоров'я.