Kecerdasan buatan terus berkinerja buruk di bidang-bidang yang intuisi manusianya unggul, seperti yang ditunjukkan oleh kesulitan dalam menyelesaikan tugas yang tampaknya sederhana: mengidentifikasi makanan secara akurat. Meskipun ada kemajuan dalam pengenalan gambar, aplikasi nutrisi yang didukung AI terus-menerus salah menghitung makanan, sehingga melemahkan janji mereka untuk melakukan pelacakan makro dengan mudah.
Minggu ini, Victoria Song dari The Verge menguji fitur nutrisi AI baru dari Ladder, berharap mendapatkan cara yang efisien untuk mencatat sarapan pra-latihannya berupa wafel protein Kodiak, selai kacang, madu, dan es kopi. Sebaliknya, AI meningkatkan jumlah kalori lebih dari 100% dan salah mengidentifikasi bahan-bahannya, sehingga menunjukkan bahwa dia mengonsumsi makanan jauh lebih banyak daripada yang dia lakukan. Ini bukanlah kejadian yang terisolasi. Aplikasi seperti Oura, January, dan MyFitnessPal semuanya menunjukkan ketidakakuratan serupa, sering kali salah mengartikan bahan, salah menilai porsi, atau gagal mengenali hidangan etnik.
Permasalahan mendasar terletak pada sifat food logging itu sendiri. Meskipun AI dapat membedakan kategori-kategori yang luas (pisang vs. apel), AI tidak dapat membedakan secara spesifik (isi di dalam ravioli, jenis saus). Bahkan ketika dikoreksi, pengguna menghabiskan lebih banyak waktu untuk memeriksa fakta kesalahan AI dibandingkan dengan memasukkan data secara manual. Ini meniadakan kenyamanan yang diharapkan.
Yang lebih penting lagi, ketergantungan pada AI mengalihkan perhatian dari isu inti: perubahan pola makan yang berkelanjutan. AI dapat menyarankan penyesuaian, namun tidak dapat memaksakan perubahan perilaku. Pencatatan pangan paling efektif sebagai alat sementara untuk membangun kesadaran, bukan ketergantungan seumur hidup. Tujuannya bukan untuk mencapai target yang sembarangan, namun untuk memahami pola makan pribadi dan mendorong konsumsi yang sadar.
Model bisnis aplikasi kesehatan memberikan insentif untuk keterlibatan yang berkelanjutan. Alih-alih memberdayakan pengguna untuk mengatur diri sendiri, alat-alat ini malah mendorong ketergantungan dengan menyiratkan bahwa keberhasilan memerlukan pelacakan terus-menerus. Pemahaman sebenarnya yang dapat diberikan oleh AI bukanlah penghitungan kalori, namun masukan yang jujur – baik merayakan makanan bergizi atau mengakui pola makan yang menyebabkan stres.
Saat ini, fitur nutrisi AI lebih membuat frustrasi daripada membantu. Alih-alih menyederhanakan proses, mereka justru menciptakan lapisan gangguan baru, yang mengharuskan pengguna memperbaiki kesalahan yang tidak masuk akal. Sampai AI dapat mengidentifikasi makanan dengan andal tanpa pengawasan terus-menerus, pendekatan terbaik tetap memercayai penilaian Anda sendiri dan sesekali menikmati sekantong Cool Ranch Doritos.
