Fotoğraftan kalori neden yüzde 40 düşük sayar, çip çözümü

Kaloro'yu yapmadan önce fotoğraftan kalori uygulamalarının bir yıldızlı yorumlarını okudum. En sık şikâyet aynıydı: "Az saydı." Rakip değil, fizik hatası.

Model neyi göremez

Tabaktaki yemeği görür. Görmediği üç şey: tavaya konan yağ, sonunda eklenen tereyağı ya da zeytinyağı, tabağın gerçek çapı. Ev yemeğinde bu üçü öğünün yüzde 20 ile 50'si arasıdır. Menemenin fotoğrafı iki yumurta gösterir; tereyağını göstermez. Model 200 der, gerçek 390'dır.

Daha iyi bir model bunu çözmez, çünkü bilgi fotoğrafta yok. Bir modeli "ortalama yağ varsay" diye eğitirsen ortalama yanlış olursun.

Çözüm: varsayımı görünür yap

Kaloro her sonuçta ne varsaydığını yazıyor: "1 tabak, yaklaşık 400 g, normal yağ." Altında iki çip:

• Pişirme: az yağlı, normal, bol yağlı
• Porsiyon: az, normal, bol

Kullanıcı dokundukça sayı güncelleniyor. Bu, doğruluk sorununu bir arayüz sorununa çeviriyor: model ortalama tahmin ediyor, kullanıcı iki dokunuşla gerçeğe çekiyor. Varsayımı görünen tahmin düzeltilebilir; çıplak bir sayı yalnızca yanlış olabilir.

Nasıl ölçtük

Doğruluk kapısı: 15-20 gerçek öğün fotoğrafı, bilinen tarifler, referans tablosu. Türkçe yemek tanımada yerelleştirilmiş sistem istemi 19 puan fark yarattı; mercimek "red lentil soup" olmaktan çıktı. Kodda f_scan_fix sayacı var: kullanıcı çipi gerçekten kullanıyor mu? Kullanmıyorsa hikâye anlattığımız bir şeydir, ürün değil.

Uygulamada nerede durur

Model çağrısı bir Cloudflare Worker üzerinden Gemini'ye gidiyor; fotoğraf aynı istekte siliniyor, hiçbir yere yazılmıyor. Bu, gizlilik politikasını da tek paragrafa indirdi. Sınırlar da koda gömülü: 1.200/1.500 kcal tabanı, haftada 0,75 kg tavanı, sağlıklı BMI altı hedef yok.

Ders: yapay zeka ürününde "daha iyi model" nadiren cevaptır. Modelin bilmediği şeyi kullanıcıya kolayca sordurmak cevaptır.