Kunstmatige intelligentie blijft ondermaats presteren op gebieden waar de menselijke intuïtie uitblinkt, zoals blijkt uit de worsteling met een ogenschijnlijk eenvoudige taak: het nauwkeurig identificeren van voedsel. Ondanks de vooruitgang op het gebied van beeldherkenning, berekenen AI-aangedreven voedingsapps consequent de maaltijden verkeerd, waardoor hun belofte van moeiteloze macro-tracking wordt ondermijnd.
Deze week testte Victoria Song van The Verge de nieuwe AI-voedingsfunctie van Ladder, in de hoop op een gestroomlijnde manier om haar pre-workout ontbijt met Kodiak-eiwitwafels, pindakaas, honing en ijskoffie vast te leggen. In plaats daarvan verhoogde de AI het aantal calorieën met meer dan 100% en identificeerde de ingrediënten verkeerd, wat erop wijst dat ze aanzienlijk meer voedsel consumeerde dan ze deed. Dit is geen geïsoleerd incident. Apps als Oura, January en MyFitnessPal vertonen allemaal vergelijkbare onnauwkeurigheden, waarbij ze vaak ingrediënten verkeerd inschatten, porties verkeerd inschatten of etnische gerechten niet herkennen.
Het fundamentele probleem ligt in de aard van de voedselregistratie zelf. Hoewel AI onderscheid kan maken tussen brede categorieën (banaan versus appel), hapert het met specifieke details (vulling in ravioli, soort saus). Zelfs als ze worden gecorrigeerd, besteden gebruikers meer tijd aan het controleren van AI-fouten dan aan het handmatig invoeren van gegevens. Dit doet het beoogde gemak teniet.
Belangrijker nog is dat de afhankelijkheid van AI de aandacht afleidt van het kernprobleem: duurzame veranderingen in het voedingspatroon. AI kan aanpassingen voorstellen, maar geen gedragsveranderingen afdwingen. Voedselregistratie is het meest effectief als tijdelijk instrument om bewustzijn te vergroten, en niet als levenslange afhankelijkheid. Het doel is niet het behalen van willekeurige doelen, maar het begrijpen van persoonlijke eetpatronen en het bevorderen van bewuste consumptie.
Het bedrijfsmodel van gezondheidsapps stimuleert voortdurende betrokkenheid. In plaats van gebruikers in staat te stellen zichzelf te reguleren, bevorderen deze tools de afhankelijkheid door te impliceren dat succes voortdurend moet worden gevolgd. Het echte inzicht dat AI kan bieden is niet het tellen van calorieën, maar eerlijke feedback – of het nu gaat om het vieren van een voedzame maaltijd of het erkennen van een patroon van stress-eten.
Momenteel zijn de voedingsfuncties van AI eerder frustrerend dan nuttig. In plaats van het proces te vereenvoudigen, creëren ze een nieuwe laag van ergernis, waardoor gebruikers onzinnige fouten moeten corrigeren. Totdat AI voedsel betrouwbaar kan identificeren zonder voortdurend toezicht, blijft de beste aanpak vertrouwen op je eigen oordeel en af en toe genieten van een zak Cool Ranch Doritos.
