L’intelligenza artificiale continua a sottoperformare in aree in cui l’intuizione umana eccelle, come dimostrato dalle sue difficoltà con un compito apparentemente semplice: identificare accuratamente il cibo. Nonostante i progressi nel riconoscimento delle immagini, le app nutrizionali basate sull’intelligenza artificiale calcolano costantemente erroneamente i pasti, minando la loro promessa di un facile monitoraggio dei macronutrienti.
Questa settimana, Victoria Song di * The Verge * ha testato la nuova funzionalità nutrizionale AI di Ladder, sperando in un modo semplificato per registrare la sua colazione pre-allenamento a base di waffle proteici Kodiak, burro di arachidi, miele e caffè freddo. Invece, l’intelligenza artificiale ha gonfiato il conteggio delle calorie di oltre il 100% e ha identificato erroneamente gli ingredienti, suggerendo che lei consumasse molto più cibo di quanto avesse consumato. Questo non è un incidente isolato. App come Oura, January e MyFitnessPal mostrano tutte imprecisioni simili, spesso confondono gli ingredienti, valutano erroneamente le porzioni o non riescono a riconoscere i piatti etnici.
Il problema fondamentale risiede nella natura stessa del disboscamento degli alimenti. Mentre l’intelligenza artificiale è in grado di distinguere tra categorie ampie (banana e mela), vacilla nei dettagli (ripieno all’interno dei ravioli, tipo di salsa). Anche una volta corretti, gli utenti dedicano più tempo al fact-checking degli errori dell’IA rispetto a quanto farebbero inserendo manualmente i dati. Ciò annulla la comodità prevista.
Ancora più importante, la dipendenza dall’intelligenza artificiale distrae dalla questione fondamentale: il cambiamento alimentare sostenibile. L’intelligenza artificiale può suggerire aggiustamenti, ma non può imporre cambiamenti comportamentali. La registrazione degli alimenti è più efficace come strumento temporaneo per creare consapevolezza, non come dipendenza permanente. L’obiettivo non è raggiungere obiettivi arbitrari, ma comprendere i modelli alimentari personali e promuovere un consumo consapevole.
Il modello di business delle app sanitarie incentiva l’impegno perpetuo. Invece di consentire agli utenti di autoregolamentarsi, questi strumenti incoraggiano la dipendenza implicando che il successo richiede un monitoraggio costante. La vera intuizione che l’intelligenza artificiale potrebbe fornire non è il conteggio delle calorie, ma un feedback onesto, sia che si tratti di celebrare un pasto nutriente o di riconoscere un modello di alimentazione stressante.
Attualmente, le funzionalità nutrizionali dell’IA sono più frustranti che utili. Invece di semplificare il processo, creano un nuovo livello di fastidio, richiedendo agli utenti di correggere errori senza senso. Fino a quando l’intelligenza artificiale non sarà in grado di identificare in modo affidabile il cibo senza una supervisione costante, l’approccio migliore rimane fidarsi del proprio giudizio e, occasionalmente, concedersi un sacchetto di Cool Ranch Doritos.
