這是 Optimizer，一份由 Verge 的高級評論員 Victoria Song 每週五發送的通訊，專注於剖析和討論最新的手機、智能手錶、應用程式及其他宣稱能改變生活的科技產品。Optimizer 會在美國東部時間上午十點準時送達訂閱者的郵箱。想要訂閱 Optimizer 的讀者可以在這裡選擇加入。
人工智能再次未能實現其一些承諾。在我最後一次長跑之前，照例享用了我的預備早餐。兩片黑巧克力 Kodiak 蛋白質鬆餅、一湯匙花生醬，還有一點蜂蜜。旁邊是一杯冰咖啡，加入了少許豆漿。
我寫了一份名為 Optimizer 的通訊。很自然地，我也嘗試過計算宏觀營養素，即追蹤每日攝取的蛋白質、脂肪和碳水化合物，以幫助我的訓練。當然，我經過了五個訓練階段，發現這餐早餐為我的身體提供了約 355 卡路里、16 克蛋白質、28 克碳水化合物和 17 克脂肪，讓我在早晨跑步時感覺良好，而不會在辦公桌上打瞌睡。煩人的地方在於每次都需重新輸入相同的信息至各種訓練或飲食記錄應用程式中。
據說，人工智能將改變這一切。最近，我選擇的力量訓練應用程式 Ladder 引入了人工智能驅動的營養功能，承諾讓計算宏觀變得簡單。所有我需要做的就是拍張照片，然後人工智能會處理其餘的。因此，當 Ladder 的人工智能告訴我，我精心製作的早餐是 780 卡路里、20 克蛋白質、92 克碳水化合物和 39 克脂肪時，心情可想而知。當我特別編輯以包括確切的品牌和數量時，結果卻又是一個同樣錯誤的數字。
這就是為什麼我不再計算卡路里或宏觀營養素的原因。無可否認，飲食記錄是令人厭煩的。傳統上，這些記錄應用程式允許用戶搜索從冷凍晚餐到生鮮食材的選項。有些甚至允許掃描條碼。如果只吃預包裝食品或全食物，這樣的操作還算簡單。但當涉及到在餐廳用餐時，或者諷刺的是在家做飯時，這一過程就開始出現問題。提供卡路里計算的餐廳通常不會提供宏觀細分，而即使你可以從在線食譜中導入食材，對於經驗豐富的家庭廚師在周中即興烹飪或臨時替換食材時，這也幫不了忙。
為了獲得最「準確」和高效的記錄，需測量每一點所食用的食物，避免外出就餐，基本上每天都吃相同的東西。這樣的做法很快就讓人感到厭倦。
因為研究一再顯示，保持飲食日誌或使用數字健康追蹤工具與減重或維持體重、增肌的成功有關。因此，我們開始看到健康和健身應用程式轉向人工智能，以減輕這一過程的繁瑣。選擇無窮無盡。
當 Oura 推出 Oura Advisor 聊天機器人時，也增加了撰寫描述或拍攝餐點照片的功能。一旦完成，系統會提供宏觀的細分、是否為高度加工的食品以及該餐點可能對整體健康的影響。如果使用 Dexcom 持續血糖監測儀，還可將該數據導入 Oura 應用程式，並用於比較特定餐點對血糖的影響。
同樣，January 應用程式允許用戶拍攝餐點照片，並根據人口統計數據生成該餐點對血糖水平影響的估算。MyFitnessPal 也新增了 ScanMeal 功能，讓用戶拍照以獲取卡路里和宏觀估算。TikTok 上經常出現一款遊戲化的食物追蹤應用程式，與一隻人工智能浣熊寵物互動。用戶拍照以「餵食」這隻浣熊，人工智能則分析和記錄餐點。此外，Ladder 的人工智能功能還允許用戶口述或書寫餐點的文字描述。
這些方法雖然不同，但其核心理念基本相同：拍張照片，讓人工智能處理其餘的。不幸的是，人工智能在根據照片識別食物方面的表現平平。Oura Advisor 經常將我的抹茶蛋白奶昔誤認為綠色奶昔。January 能夠識別我正在吃雞肉，但卻將燒烤醬誤認為照燒醬，並未注意到菜餚中有蘑菇。當 Ladder 的人工智能錯誤計算我的早餐時，它估算我吃了兩塊七英寸的鬆餅，而實際上是四英寸的蛋白質鬆餅，花生醬用量也被誤估為兩湯匙，而非一湯匙，還有糖漿的估算是兩茶匙，實際上只是四分之一茶匙的蜂蜜，咖啡中還加入了奶油和糖（我從不在咖啡中加糖，謝謝）。
這些人工智能功能無法識別我做的健康替換。例如，白米飯我經常會用一杯毛豆和藜麥混合進糙米中，以獲得更加營養的碳水化合物。Oura 的人工智能卻將我的混合物歸類為馬鈴薯泥和白米。民族食品的識別也充滿挑戰。Ladder 的人工智能將我的 dal makhani 咖哩與香米和豌豆記錄為雞肉湯。有時人工智能能正確識別 tteokbokki — 韓式辣醬米餅；但也有時會錯誤記錄為番茄醬意粉。
並不是說無法編輯這些人工智能生成的條目，可以的。但這反而違背了簡化繁瑣流程的初衷。這樣一來，節省下來的時間都用於編輯和核實人工智能的錯誤。經過思考，或許簡化飲食記錄並不是要解決的正確問題。
