A inteligência artificial continua a ter um desempenho inferior em áreas onde a intuição humana se destaca, como demonstrado pelas suas dificuldades com uma tarefa aparentemente simples: identificar com precisão os alimentos. Apesar dos avanços no reconhecimento de imagens, os aplicativos de nutrição baseados em IA calculam mal as refeições de forma consistente, minando sua promessa de rastreamento macro fácil.
Esta semana, Victoria Song do The Verge testou o novo recurso de nutrição de IA do Ladder, esperando uma maneira simplificada de registrar seu café da manhã pré-treino com waffles de proteína Kodiak, manteiga de amendoim, mel e café gelado. Em vez disso, a IA inflou a contagem de calorias em mais de 100% e identificou incorretamente os ingredientes, sugerindo que ela consumia significativamente mais comida do que consumia. Este não é um incidente isolado. Aplicativos como Oura, January e MyFitnessPal apresentam imprecisões semelhantes, muitas vezes confundindo ingredientes, avaliando mal as porções ou não reconhecendo pratos étnicos.
O problema fundamental reside na própria natureza da exploração de alimentos. Embora a IA consiga distinguir entre categorias amplas (banana x maçã), ela vacila em detalhes (recheio dentro do ravióli, tipo de molho). Mesmo quando corrigidos, os usuários gastam mais tempo verificando erros de IA do que inserindo dados manualmente. Isso anula a conveniência pretendida.
Mais importante ainda, a dependência da IA desvia a atenção da questão central: uma mudança alimentar sustentável. A IA pode sugerir ajustes, mas não pode impor mudanças comportamentais. O registo de alimentos é mais eficaz como uma ferramenta temporária para a sensibilização e não como uma dependência para toda a vida. O objetivo não é atingir metas arbitrárias, mas compreender os padrões alimentares pessoais e promover o consumo consciente.
O modelo de negócios dos aplicativos de saúde incentiva o envolvimento perpétuo. Em vez de capacitar os utilizadores para se auto-regularem, estas ferramentas encorajam a dependência, implicando que o sucesso requer um acompanhamento constante. O verdadeiro insight que a IA pode fornecer não é a contagem de calorias, mas sim um feedback honesto – seja celebrando uma refeição nutritiva ou reconhecendo um padrão de alimentação estressante.
Atualmente, os recursos de nutrição de IA são mais frustrantes do que úteis. Em vez de simplificar o processo, eles criam uma nova camada de aborrecimento, exigindo que os usuários corrijam erros absurdos. Até que a IA possa identificar alimentos de forma confiável sem supervisão constante, a melhor abordagem continua sendo confiar em seu próprio julgamento e, ocasionalmente, deliciar-se com um saco de Cool Ranch Doritos.
