Contorul de calorii controlat vocal poate ajuta oamenii să piardă în greutate
28 martie 2016 - Ultima actualizare pe 29 martie 2016 la 13:41 GMT
Aplicația își propune să ofere o modalitate la îndemână de a înregistra informațiile nutriționale ale fiecărei mese. Deși eficientă, metoda consumă mult timp și este predispusă la erori la evaluarea numărului caloric.
Cercetătorii de la Massachusetts Institute of Technology (MIT) au prezentat recent un prototip bazat pe web al unui sistem de înregistrare a nutriției controlat de vorbire.
Sistemul utilizează o bază de date online menținută de Departamentul Agriculturii din SUA (USDA) pentru a prelua datele nutriționale pe care sistemul le recunoaște ca urmare a introducerii verbale a utilizatorului.
Sistemul combină imaginile împreună cu datele, permițând utilizatorului să își perfecționeze în continuare descrierea.
Parteneriatul MIT și Tufts
„Dacă un utilizator ar trebui să descrie cantități precise de alimente, rafinamentele pot fi făcute verbal”, a spus James Glass, cercetător principal la Laboratorul de Informatică și Inteligență Artificială (CSAIL) al MIT și care conduce, de asemenea, Spoken Language Systems Group.
„Un utilizator care începe spunând:„ La micul dejun, am avut un castron cu fulgi de ovăz, banane și un pahar de suc de portocale ”poate face apoi modificarea„ Am avut o jumătate de banană ”, iar sistemul va actualiza datele pe care le afișează despre banane lăsând restul neschimbat. ”
Sistemul este rezultatul colaborării dintre cercetătorii MIT și o echipă de nutriționiști de la Universitatea Tufts. Echipa Tufts experimentase deja aplicații de telefonie mobilă pentru înregistrarea aportului caloric înainte de a aborda CSAIL.
„Nutriționiștii Tufts credeau că aplicațiile care erau acolo pentru a ajuta oamenii să încerce să înregistreze mesele aveau tendința de a fi puțin plictisitoare și, prin urmare, oamenii nu țineau pasul cu ele”, a spus Glass.
„Așadar, ei căutau modalități care să fie precise și ușor de introdus informații”.
Cercetătorii au început concentrându-se pe două probleme specifice. Unul a cerut sistemului să recunoască faptul că, dacă utilizatorul a spus: „castron de fulgi de ovăz”, informațiile nutriționale despre fulgi de ovăz erau relevante. Cu toate acestea, dacă a fost rostită fraza „cookie de fulgi de ovăz”, sistemul ar trebui să recunoască faptul că informațiile nutriționale de aici nu erau relevante.
Echipa a apelat la platforma de crowdsourcing Amazon Mechanical Turk, unde i-a cerut voluntarilor să descrie ce au mâncat la mesele recente. Cuvintele relevante au fost apoi etichetate în descriere ca nume de alimente, cantități, nume de mărci sau modificatori ai denumirilor alimentelor.
Prin urmare, în expresia „castron de fulgi de ovăz”, „castron” este o cantitate și „fulgi de ovăz” este un aliment, dar în „cookie de făină de ovăz” fulgi de ovăz este un modificator.
Când echipa a etichetat aproximativ 10.000 de descrieri de masă, algoritmii de învățare automată au fost apoi cumpărați în joc pentru a identifica tiparele în relațiile dintre cuvinte pentru a identifica rolurile lor funcționale.