Sta\u010d\u00ed vyfotit j\u00eddlo a za p\u00e1r sekund m\u00e1\u0161 p\u0159ed sebou kalorie, makronutrienty i \u201eanal\u00fdzu\u201c.<\/p>\n\n\n\n
Zn\u00ed to jednodu\u0161e. A hlavn\u011b p\u0159esn\u011b.<\/p>\n\n\n\n
Jen\u017ee tady je probl\u00e9m: AI ve skute\u010dnosti kalorie nepo\u010d\u00edt\u00e1. Odhaduje je.<\/p>\n\n\n\n
Nevych\u00e1z\u00ed z p\u0159esn\u00e9ho mno\u017estv\u00ed surovin, nezn\u00e1 zp\u016fsob p\u0159\u00edpravy a nevid\u00ed v\u0161echno, co v j\u00eddle re\u00e1ln\u011b je. Pracuje s t\u00edm, co \u201evid\u00ed\u201c \u2013 a je\u0161t\u011b v\u00edc s t\u00edm, co si na z\u00e1klad\u011b dat mysl\u00ed, \u017ee tam pravd\u011bpodobn\u011b je.<\/p>\n\n\n\n
A pr\u00e1v\u011b tady vznik\u00e1 rozd\u00edl mezi t\u00edm, co vypad\u00e1 p\u0159esn\u011b, a t\u00edm, co p\u0159esn\u00e9 opravdu je.<\/p>\n\n\n\n
C\u00edlem tohoto \u010dl\u00e1nku nen\u00ed AI kritizovat.
C\u00edlem je uk\u00e1zat jej\u00ed limity.<\/p>\n\n\n\n
Proto\u017ee pokud je zn\u00e1\u0161, dok\u00e1\u017ee\u0161 ji pou\u017e\u00edvat jako n\u00e1stroj. Pokud ne, velmi snadno se z n\u00ed stane zdroj zkreslen\u00fdch rozhodnut\u00ed.<\/p>\n\n\n\n
Tady je 10 nej\u010dast\u011bj\u0161\u00edch probl\u00e9m\u016f, kter\u00e9 dnes ovliv\u0148uj\u00ed p\u0159esnost AI ve v\u00fd\u017eiv\u011b.<\/p>\n\n\n\n
<\/p>\n\n\n\n
<\/p>\n\n\n\n
Jedn\u00edm ze z\u00e1kladn\u00edch technick\u00fdch probl\u00e9m\u016f AI p\u0159i hodnocen\u00ed j\u00eddla z fotografie je to, \u017ee obraz zpracov\u00e1v\u00e1 pouze jako dvojrozm\u011brn\u00fd sign\u00e1l<\/strong>. Nevid\u00ed skute\u010dnou hloubku ani objem porce tak, jak je vn\u00edm\u00e1 \u010dlov\u011bk v prostoru.<\/p>\n\n\n\n <\/p>\n\n\n\n Bez technologi\u00ed pro odhad hloubky, nap\u0159\u00edklad LiDARu, nedok\u00e1\u017ee spolehliv\u011b ur\u010dit, zda je j\u00eddlo na tal\u00ed\u0159i rozlo\u017een\u00e9 naplocho, nebo navrstven\u00e9 do v\u00fd\u0161ky. Pr\u00e1v\u011b proto m\u00e1 tendenci systematicky podhodnocovat mno\u017estv\u00ed j\u00eddla a tento probl\u00e9m se zhor\u0161uje s rostouc\u00ed velikost\u00ed porce.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Data to potvrzuj\u00ed pom\u011brn\u011b jasn\u011b:<\/p>\n\n\n\n <\/p>\n\n\n\n D\u016fle\u017eit\u00e9 je, \u017ee probl\u00e9m se net\u00fdk\u00e1 jen samotn\u00e9 hmotnosti. Pokud AI \u0161patn\u011b odhadne objem, chybn\u011b vypo\u010d\u00edt\u00e1 i kalorie a \u017eiviny.<\/strong> Chyba tedy nevznik\u00e1 a\u017e p\u0159i v\u00fdpo\u010dtu, ale u\u017e na \u00fapln\u00e9m za\u010d\u00e1tku. U mal\u00fdch porc\u00ed m\u016f\u017ee b\u00fdt shoda s realitou relativn\u011b dobr\u00e1, ale u st\u0159edn\u00edch a velk\u00fdch porc\u00ed p\u0159esnost statisticky v\u00fdznamn\u011b selh\u00e1v\u00e1 (p < 0,001, co\u017e znamen\u00e1, \u017ee je extr\u00e9mn\u011b nepravd\u011bpodobn\u00e9, aby byl tento v\u00fdsledek n\u00e1hodn\u00fd).<\/p>\n\n\n\n V praxi to znamen\u00e1, \u017ee tyto n\u00e1stroje by se nem\u011bly pou\u017e\u00edvat jako p\u0159esn\u00e1 \u201edigit\u00e1ln\u00ed v\u00e1ha\u201c. Mohou poslou\u017eit jako orienta\u010dn\u00ed odhad, ale maj\u00ed tendenci realitu podhodnocovat. U u\u017eivatel\u016f, kte\u0159\u00ed pot\u0159ebuj\u00ed p\u0159esn\u011bj\u0161\u00ed p\u0159\u00edjem energie a \u017eivin, nap\u0159\u00edklad p\u0159i klinick\u00fdch diet\u00e1ch nebo ve v\u00fdkonnostn\u00edm sportu, je toto omezen\u00ed z\u00e1sadn\u00ed.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Jedn\u00edm z nejv\u011bt\u0161\u00edch limit\u016f AI p\u0159i anal\u00fdze j\u00eddla z fotografie je neschopnost pracovat s neviditeln\u00fdmi slo\u017ekami. Model vyhodnocuje pouze to, co vid\u00ed na povrchu, ale ignoruje ingredience, kter\u00e9 jsou nas\u00e1kl\u00e9 v j\u00eddle nebo skryt\u00e9 v jeho struktu\u0159e, jako nap\u0159\u00edklad oleje, m\u00e1slo nebo dresinky. Tento probl\u00e9m se ozna\u010duje jako \u201eslepota v\u016f\u010di neviditeln\u00fdm slo\u017ek\u00e1m\u201c.<\/strong><\/p>\n\n\n\n Z nutri\u010dn\u00edho hlediska jde o z\u00e1sadn\u00ed probl\u00e9m. Tuk je nejkoncentrovan\u011bj\u0161\u00ed zdroj energie a i mal\u00e9 mno\u017estv\u00ed m\u016f\u017ee v\u00fdrazn\u011b ovlivnit celkov\u00fd kalorick\u00fd p\u0159\u00edjem. Pokud ho AI nezachyt\u00ed, v\u00fdsledn\u00fd v\u00fdpo\u010det je systematicky podhodnocen\u00fd.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n V\u00fdsledky studi\u00ed to jasn\u011b ukazuj\u00ed:<\/p>\n\n\n\n <\/p>\n\n\n\n Probl\u00e9m nen\u00ed v tom, \u017ee by model d\u011blal n\u00e1hodn\u00e9 chyby. Tuk jednodu\u0161e \u201enevid\u00ed\u201c. Pokud je olej nas\u00e1kl\u00fd v j\u00eddle nebo prom\u00edchan\u00fd v om\u00e1\u010dce, model z fotografie nem\u00e1 \u017e\u00e1dnou informaci, \u017ee tam v\u016fbec je.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Zaj\u00edmav\u00e9 je, \u017ee p\u0159esnost se v\u00fdrazn\u011b zlep\u0161uje, pokud se k fotografii p\u0159id\u00e1 textov\u00fd popis. Ve chv\u00edli, kdy v\u00fdzkumn\u00edci doplnili informaci nap\u0159\u00edklad o \u201e2 l\u017e\u00edc\u00edch oleje\u201c, p\u0159esnost energetick\u00e9ho odhadu (R\u00b2) vzrostla z 0,59 na 0,94. To ukazuje, \u017ee probl\u00e9m nen\u00ed ve v\u00fdpo\u010dtu samotn\u00e9m, ale v chyb\u011bj\u00edc\u00edch vstupn\u00edch datech.<\/strong><\/p>\n\n\n\n (R\u00b2 \u2013 m\u00edra p\u0159esnosti modelu \u2013 vzrostla z 0,59 na 0,94, co\u017e znamen\u00e1 v\u00fdrazn\u00e9 zlep\u0161en\u00ed shody s realitou)<\/p>\n\n\n\n V praxi to znamen\u00e1, \u017ee odhad zalo\u017een\u00fd pouze na fotografii je pro p\u0159esn\u011bj\u0161\u00ed sledov\u00e1n\u00ed stravy nedostate\u010dn\u00fd. Bez informac\u00ed o zp\u016fsobu p\u0159\u00edpravy a pou\u017eit\u00fdch tuc\u00edch m\u016f\u017ee b\u00fdt re\u00e1ln\u00fd p\u0159\u00edjem vy\u0161\u0161\u00ed o stovky kalori\u00ed denn\u011b. Proto je d\u016fle\u017eit\u00e9 nevn\u00edmat tyto n\u00e1stroje jako kompletn\u00ed \u0159e\u0161en\u00ed, ale jako orienta\u010dn\u00ed dopln\u011bk,<\/strong> kter\u00fd vy\u017eaduje manu\u00e1ln\u00ed dopln\u011bn\u00ed kl\u00ed\u010dov\u00fdch informac\u00ed.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Modely um\u011bl\u00e9 inteligence v oblasti v\u00fd\u017eivy trp\u00ed fenom\u00e9nem ozna\u010dovan\u00fdm jako \u201enutri\u010dn\u00ed halucinace\u201c. Na rozd\u00edl od specializovan\u00e9ho nutri\u010dn\u00edho softwaru neprov\u00e1d\u011bj\u00ed p\u0159esn\u00e9 v\u00fdpo\u010dty z chemick\u00fdch datab\u00e1z\u00ed, ale generuj\u00ed odpov\u011bdi na z\u00e1klad\u011b statistick\u00e9 pravd\u011bpodobnosti slov a vzorc\u016f, kter\u00e9 se nau\u010dily z text\u016f.<\/strong><\/p>\n\n\n\n To znamen\u00e1, \u017ee AI nepracuje se skute\u010dn\u00fdmi nutri\u010dn\u00edmi hodnotami v re\u00e1ln\u00e9m \u010dase, ale vytv\u00e1\u0159\u00ed odpov\u011b\u010f, kter\u00e1 \u201ezn\u00ed spr\u00e1vn\u011b\u201c. Chyb\u00ed j\u00ed re\u00e1ln\u00e9 pochopen\u00ed vztah\u016f mezi \u017eivinami, a proto m\u016f\u017ee kombinovat informace nespr\u00e1vn\u011b, i kdy\u017e v\u00fdsledek p\u016fsob\u00ed p\u0159esv\u011bd\u010div\u011b.<\/p>\n\n\n\n V\u00fdsledky v\u00fdzkum\u016f ukazuj\u00ed, \u017ee tyto chyby nejsou ojedin\u011bl\u00e9, ale opakovateln\u00e9.<\/strong><\/p>\n\n\n\n P\u0159i nespr\u00e1vn\u00e9 identifikaci potravin doch\u00e1z\u00ed k extr\u00e9mn\u00edm odchylk\u00e1m:<\/p>\n\n\n\n Ani pokro\u010dilej\u0161\u00ed modely nejsou v\u00fdjimkou. ChatGPT-4 vyk\u00e1zal statisticky v\u00fdznamnou nep\u0159esnost u 10 ze 16 sledovan\u00fdch \u017eivin a z\u00e1rove\u0148 m\u011bl tendenci systematicky podhodnocovat a\u017e 11 z nich. U 13 nutrient\u016f, v\u010detn\u011b drasl\u00edku, vl\u00e1kniny nebo vitam\u00ednu D, byla odchylka od reality vy\u0161\u0161\u00ed ne\u017e 10 %.<\/strong><\/p>\n\n\n\n Probl\u00e9mem nen\u00ed jen samotn\u00e1 chyba, ale i zp\u016fsob, jak\u00fdm je prezentov\u00e1na.<\/p>\n\n\n\n AI poskytuje v\u00fdstupy v plynul\u00e9, autoritativn\u00ed form\u011b, \u010dasto dopln\u011bn\u00e9 tabulkami nebo \u010d\u00edsly, kter\u00e9 p\u016fsob\u00ed odborn\u011b. Pro b\u011b\u017en\u00e9ho u\u017eivatele je prakticky nemo\u017en\u00e9 rozli\u0161it, zda jde o p\u0159esn\u00fd v\u00fdpo\u010det, nebo o \u201epravd\u011bpodobn\u00fd odhad\u201c.<\/strong><\/p>\n\n\n\n V praxi to znamen\u00e1, \u017ee AI by nem\u011bla b\u00fdt vn\u00edm\u00e1na jako spolehliv\u00fd v\u00fdpo\u010dtov\u00fd n\u00e1stroj, ale sp\u00ed\u0161e jako pomocn\u00fd textov\u00fd n\u00e1stroj.<\/strong><\/p>\n\n\n\n V oblastech, kde z\u00e1le\u017e\u00ed na p\u0159esnosti, zejm\u00e9na u zdravotn\u00edch stav\u016f nebo klinick\u00fdch diet, je lidsk\u00fd dohled nezbytn\u00fd. Nespr\u00e1vn\u011b interpretovan\u00e9 nebo \u201ehalucinovan\u00e9\u201c \u00fadaje mohou v takov\u00fdch p\u0159\u00edpadech p\u0159edstavovat re\u00e1ln\u00e9 riziko pro zdrav\u00ed.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n V klinick\u00e9 v\u00fd\u017eiv\u011b p\u0159est\u00e1v\u00e1 b\u00fdt nep\u0159esnost um\u011bl\u00e9 inteligence jen statistickou odchylkou a st\u00e1v\u00e1 se re\u00e1ln\u00fdm rizikem. Generativn\u00ed modely nedok\u00e1\u017eou aplikovat medic\u00ednsk\u00e1 doporu\u010den\u00ed s pot\u0159ebnou p\u0159esnost\u00ed ani zohlednit individu\u00e1ln\u00ed limity pacient\u016f, u kter\u00fdch rozhoduj\u00ed konkr\u00e9tn\u00ed mno\u017estv\u00ed \u017eivin.<\/strong><\/p>\n\n\n\n U chronick\u00fdch onemocn\u011bn\u00ed, jako jsou onemocn\u011bn\u00ed ledvin, diabetes nebo kardiovaskul\u00e1rn\u00ed diagn\u00f3zy, mohou i relativn\u011b mal\u00e9 odchylky v\u00e9st ke zhor\u0161en\u00ed zdravotn\u00edho stavu. V takov\u00fdch p\u0159\u00edpadech nen\u00ed probl\u00e9m v tom, \u017ee AI nen\u00ed dokonal\u00e1, ale v tom, \u017ee jej\u00ed chyba m\u00e1 re\u00e1ln\u00fd dopad.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n V\u00fdsledky v\u00fdzkum\u016f ukazuj\u00ed, \u017ee tyto odchylky mohou b\u00fdt v\u00fdrazn\u00e9 i u kritick\u00fdch parametr\u016f:<\/p>\n\n\n\n <\/p>\n\n\n\n Tyto chyby nejsou jen teoretick\u00e9. Pro pacienta, kter\u00fd mus\u00ed sledovat konkr\u00e9tn\u00ed miner\u00e1ly nebo makronutrienty, m\u016f\u017ee b\u00fdt u\u017e p\u0159ibli\u017en\u011b 30% odchylka zdravotn\u011b rizikov\u00e1.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Zaj\u00edmav\u00e9 je tak\u00e9 to, jak se interpretuj\u00ed \u201edobr\u00e9\u201c v\u00fdsledky. V jednom z hodnocen\u00ed spadalo 97 % odhad\u016f energie od ChatGPT do rozmez\u00ed \u00b140 % oproti referen\u010dn\u00edm \u00fadaj\u016fm USDA. Na prvn\u00ed pohled to p\u016fsob\u00ed jako vysok\u00e1 \u00fasp\u011b\u0161nost. V praxi v\u0161ak 40% odchylka znamen\u00e1, \u017ee j\u00eddlo odhadnut\u00e9 na 500 kcal m\u016f\u017ee m\u00edt re\u00e1ln\u011b 300 a\u017e 700 kcal, co\u017e je rozd\u00edl, kter\u00fd z\u00e1sadn\u011b ovliv\u0148uje jak\u00fdkoli dietn\u00ed re\u017eim.<\/strong><\/p>\n\n\n\n Probl\u00e9mem nen\u00ed jen nep\u0159esnost, ale i kontext doporu\u010den\u00ed. AI m\u016f\u017ee generovat n\u00e1vrhy, kter\u00e9 nejsou v souladu s konkr\u00e9tn\u00ed diagn\u00f3zou, nap\u0159\u00edklad:<\/p>\n\n\n\n <\/p>\n\n\n\n V takov\u00fdch p\u0159\u00edpadech model nevykazuje schopnost klinick\u00e9ho \u00fasudku, ale pouze generuje pravd\u011bpodobnou odpov\u011b\u010f bez zohledn\u011bn\u00ed rizika.<\/strong><\/p>\n\n\n\n V praxi to znamen\u00e1, \u017ee AI by nem\u011bla b\u00fdt pou\u017e\u00edv\u00e1na pro samostatn\u00e9 \u0159\u00edzen\u00ed stravy u zdravotn\u00edch diagn\u00f3z. M\u016f\u017ee slou\u017eit jako dopl\u0148kov\u00fd n\u00e1stroj, ale fin\u00e1ln\u00ed rozhodnut\u00ed mus\u00ed z\u016fstat pod kontrolou odborn\u00edka. <\/strong>Bez tohoto dohledu se z pomocn\u00edka st\u00e1v\u00e1 n\u00e1stroj, kter\u00fd m\u016f\u017ee poskytovat nep\u0159esn\u00e1 a v n\u011bkter\u00fdch p\u0159\u00edpadech i nevhodn\u00e1 doporu\u010den\u00ed.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Sou\u010dasn\u00e9 nutri\u010dn\u00ed aplikace a AI modely vykazuj\u00ed v\u00fdrazn\u00fd probl\u00e9m, kter\u00fd se ozna\u010duje jako \u201ekulturn\u00ed slepota\u201c. V\u011bt\u0161ina syst\u00e9m\u016f je tr\u00e9novan\u00e1 prim\u00e1rn\u011b na z\u00e1padn\u00edch datab\u00e1z\u00edch, zejm\u00e9na americk\u00e9 USDA, kde jsou j\u00eddla \u010dasto reprezentov\u00e1na jako jasn\u011b odd\u011blen\u00e9 komponenty na tal\u00ed\u0159i.<\/p>\n\n\n\n Tento p\u0159\u00edstup v\u0161ak nefunguje u komplexn\u00edch, m\u00edchan\u00fdch nebo vrstven\u00fdch j\u00eddel, kter\u00e1 jsou b\u011b\u017en\u00e1 v asijsk\u00e9, st\u0159edomo\u0159sk\u00e9 nebo bl\u00edzkov\u00fdchodn\u00ed kuchyni. U takov\u00fdch j\u00eddel AI \u010dasto nedok\u00e1\u017ee identifikovat jednotliv\u00e9 slo\u017eky ani jejich pom\u011bry, co\u017e vede k v\u00fdrazn\u011b zkreslen\u00fdm v\u00fdpo\u010dt\u016fm.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n V\u00fdsledky rozs\u00e1hl\u00e9ho testov\u00e1n\u00ed (Li et al., 2024) ukazuj\u00ed, \u017ee nejde o ojedin\u011bl\u00fd probl\u00e9m, ale o systematickou odchylku:<\/p>\n\n\n\n <\/p>\n\n\n\n U konkr\u00e9tn\u00edch j\u00eddel jsou rozd\u00edly je\u0161t\u011b v\u00fdrazn\u011bj\u0161\u00ed. Nap\u0159\u00edklad u n\u00e1poje Pearl Milk Tea AI podhodnotila energetick\u00fd obsah a\u017e o 76 %. U j\u00eddel jako Pho nebo stir-fry syst\u00e9my \u010dasto nedok\u00e1zaly spr\u00e1vn\u011b identifikovat jednotliv\u00e9 ingredience, co\u017e vedlo k v\u00fdrazn\u011b nep\u0159esn\u00fdm v\u00fdsledk\u016fm.<\/strong><\/p>\n\n\n\n Odchylky se neobjevuj\u00ed jen u celkov\u00e9 energie, ale i ve slo\u017een\u00ed makronutrient\u016f:<\/p>\n\n\n\n Tyto rozd\u00edly ukazuj\u00ed, \u017ee modely nepracuj\u00ed s univerz\u00e1ln\u00edm ch\u00e1p\u00e1n\u00edm j\u00eddla, ale s daty, kter\u00e1 odr\u00e1\u017eej\u00ed konkr\u00e9tn\u00ed kulturn\u00ed kontext. Pokud se tento kontext neshoduje se stravovac\u00edmi n\u00e1vyky u\u017eivatele, v\u00fdsledky mohou b\u00fdt v\u00fdrazn\u011b zkreslen\u00e9.<\/p>\n\n\n\n V praxi to znamen\u00e1, \u017ee u\u017eivatel dost\u00e1v\u00e1 data, kter\u00e1 mohou p\u016fsobit p\u0159esn\u011b, ale ve skute\u010dnosti neodpov\u00eddaj\u00ed jeho re\u00e1ln\u00e9mu j\u00eddlu. Tento probl\u00e9m je obzvl\u00e1\u0161\u0165 v\u00fdrazn\u00fd u m\u00edchan\u00fdch j\u00eddel, kde AI nedok\u00e1\u017ee rozli\u0161it jednotliv\u00e9 komponenty ani jejich mno\u017estv\u00ed.<\/strong><\/p>\n\n\n\n Proto se nedoporu\u010duje spol\u00e9hat se na AI p\u0159i anal\u00fdze komplexn\u00edch nebo n\u00e1rodn\u00edch j\u00eddel bez manu\u00e1ln\u00ed kontroly. P\u0159esn\u011bj\u0161\u00edm p\u0159\u00edstupem je vyhled\u00e1n\u00ed konkr\u00e9tn\u00edch potravin v datab\u00e1zi nebo zad\u00e1n\u00ed j\u00eddla po jednotliv\u00fdch ingredienc\u00edch. Vizu\u00e1ln\u00ed rozpozn\u00e1v\u00e1n\u00ed v takov\u00fdch p\u0159\u00edpadech selh\u00e1v\u00e1 p\u0159edev\u0161\u00edm kv\u016fli nedostatku rozmanit\u00fdch tr\u00e9novac\u00edch dat.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Na prvn\u00ed pohled AI d\u011bl\u00e1 v\u011bci spr\u00e1vn\u011b. Um\u00ed sestavit j\u00eddeln\u00ed\u010dek, kter\u00fd obsahuje \u201ezdrav\u00e9\u201c potraviny \u2013 zeleninu, jogurt, ryby, celozrnn\u00e9 produkty. Probl\u00e9m je, \u017ee v\u00fd\u017eiva nen\u00ed jen o tom, co j\u00edte, ale hlavn\u011b o tom, v jak\u00e9m pom\u011bru to j\u00edte.<\/strong><\/p>\n\n\n\n A pr\u00e1v\u011b tady se ukazuje z\u00e1sadn\u00ed omezen\u00ed.<\/p>\n\n\n\n Modely um\u011bl\u00e9 inteligence nepracuj\u00ed s re\u00e1ln\u00fdm pochopen\u00edm fyziologie ani s biochemick\u00fdmi vztahy mezi \u017eivinami. Neoptimalizuj\u00ed j\u00eddeln\u00ed\u010dek tak, jak by to d\u011blal odborn\u00edk. Generuj\u00ed ho na z\u00e1klad\u011b pravd\u011bpodobnosti \u2013 tedy co se spolu \u010dasto vyskytuje, ne co spolu d\u00e1v\u00e1 nutri\u010dn\u00ed smysl.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n V\u00fdsledek je, \u017ee j\u00eddeln\u00ed\u010dek m\u016f\u017ee vypadat \u201e\u010dist\u011b\u201c, ale uvnit\u0159 nefunguje.<\/strong><\/p>\n\n\n\n Potvrzuj\u00ed to i data. Ve studii (Kaya Ka\u00e7ar et al., 2025), kde AI generovala 30 reduk\u010dn\u00edch j\u00eddeln\u00ed\u010dk\u016f (1400\u20131800 kcal), dos\u00e1hly modely celkov\u011b slu\u0161n\u00e9ho sk\u00f3re kvality (kolem 71 bod\u016f DQI-I). M\u011bly dostate\u010dnou pestrost a obsahovaly v\u0161echny hlavn\u00ed skupiny potravin. Av\u0161ak:<\/p>\n\n\n\n Kdy\u017e se v\u0161ak hodnotila nutri\u010dn\u00ed rovnov\u00e1ha, tedy pom\u011br makronutrient\u016f a mastn\u00fdch kyselin, v\u00fdsledky prakticky selhaly:<\/strong><\/p>\n\n\n\n Jin\u00fdmi slovy: AI um\u00ed vybrat \u201edobr\u00e9 potraviny\u201c, ale neum\u00ed je spr\u00e1vn\u011b poskl\u00e1dat.<\/p>\n\n\n\n <\/p>\n\n\n\n Nejv\u011bt\u0161\u00ed probl\u00e9m je v pom\u011brech, a to zejm\u00e9na mezi:<\/p>\n\n\n\n <\/p>\n\n\n\n Tohle nejsou detaily. Jsou to z\u00e1klady fungov\u00e1n\u00ed organismu a ovliv\u0148uj\u00ed z\u00e1n\u011btliv\u00e9 procesy, kardiovaskul\u00e1rn\u00ed zdrav\u00ed, hormon\u00e1ln\u00ed rovnov\u00e1hu i celkov\u00fd metabolismus.<\/strong><\/p>\n\n\n\n P\u0159i \u0161patn\u00e9m nastaven\u00ed pom\u011br\u016f m\u016f\u017ee b\u00fdt j\u00eddeln\u00ed\u010dek \u201ezdrav\u00fd na pap\u00ed\u0159e\u201c, ale dlouhodob\u011b \u0161kodliv\u00fd v realit\u011b.<\/p>\n\n\n\n Zaj\u00edmav\u00e9 je i to, jak tyto j\u00eddeln\u00ed\u010dky vypadaj\u00ed v praxi. Maj\u00ed tendenci opakovat ur\u010dit\u00e9 vzorce:<\/p>\n\n\n\n To nazna\u010duje, \u017ee modely nepracuj\u00ed s re\u00e1lnou nutri\u010dn\u00ed logikou, ale s \u201ebezpe\u010dn\u00fdmi \u0161ablonami\u201c, kter\u00e9 vypadaj\u00ed zdrav\u011b, ale nejsou optimalizovan\u00e9.<\/p>\n\n\n\n Hlavn\u00ed probl\u00e9m je, \u017ee AI nedok\u00e1\u017ee pracovat s komplexitou. Vytvo\u0159it vyv\u00e1\u017een\u00fd j\u00eddeln\u00ed\u010dek znamen\u00e1 z\u00e1rove\u0148 optimalizovat energii, makronutrienty, mikronutrienty i kvalitu tuk\u016f a to je kombinace, kterou dne\u0161n\u00ed modely nezvl\u00e1daj\u00ed.<\/strong><\/p>\n\n\n\n Nejv\u011bt\u0161\u00ed riziko je iluze odbornosti. U\u017eivatel vid\u00ed hezky sestaven\u00fd pl\u00e1n pln\u00fd zdrav\u00fdch j\u00eddel a automaticky p\u0159edpokl\u00e1d\u00e1, \u017ee je spr\u00e1vn\u00fd. Ve skute\u010dnosti v\u0161ak m\u016f\u017ee j\u00edt jen o n\u00e1hodnou kombinaci potravin bez hlub\u0161\u00ed nutri\u010dn\u00ed logiky.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Proto plat\u00ed jednoduch\u00e9 pravidlo: AI m\u016f\u017ee b\u00fdt dobr\u00fd pomocn\u00edk pro inspiraci, ale ne spolehliv\u00fd n\u00e1stroj pro sestaven\u00ed j\u00eddeln\u00ed\u010dku. Zejm\u00e9na u reduk\u010dn\u00edch diet nebo zdravotn\u00edch omezen\u00ed z\u016fst\u00e1v\u00e1 odborn\u00fd dohled kl\u00ed\u010dov\u00fd.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Na prvn\u00ed pohled se m\u016f\u017ee zd\u00e1t, \u017ee AI d\u011bl\u00e1 chyby n\u00e1hodn\u011b. Ve skute\u010dnosti v\u0161ak jde o opakovateln\u00fd vzorec: \u010d\u00edm v\u011bt\u0161\u00ed porce j\u00eddla, t\u00edm v\u011bt\u0161\u00ed chyba.<\/p>\n\n\n\n Modely maj\u00ed tendenci \u201enormalizovat\u201c to, co vid\u00ed. M\u00edsto p\u0159esn\u00e9ho odhadu objemu se p\u0159ibli\u017euj\u00ed pr\u016fm\u011brn\u00e9 p\u0159edstav\u011b dan\u00e9ho j\u00eddla. U mal\u00fdch porc\u00ed to je\u0161t\u011b funguje, u v\u011bt\u0161\u00edch se chyba v\u00fdrazn\u011b zvy\u0161uje.<\/p>\n\n\n\n V\u00fdsledkem je systematick\u00e9 podhodnocov\u00e1n\u00ed.<\/p>\n\n\n\n Data to potvrzuj\u00ed \u2013 p\u0159i odhadu hmotnosti dosahovaly modely jako ChatGPT a Claude pr\u016fm\u011brn\u00e9 chyby kolem 36 %, zat\u00edmco Gemini a\u017e 64\u2013109 %. Kl\u00ed\u010dov\u00e9 v\u0161ak je, \u017ee chyba roste spolu s velikost\u00ed porce.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n U mal\u00fdch j\u00eddel byla p\u0159esnost relativn\u011b dobr\u00e1, u st\u0159edn\u00edch a velk\u00fdch se v\u00fdrazn\u011b zhor\u0161ovala.<\/p>\n\n\n\n Konkr\u00e9tn\u00ed m\u011b\u0159en\u00ed:<\/strong><\/p>\n\n\n\n Jin\u00fdmi slovy: \u010d\u00edm v\u011bt\u0161\u00ed porce, t\u00edm v\u00edce kalori\u00ed \u201ezmiz\u00ed\u201c.<\/p>\n\n\n\n Pr\u016fm\u011brn\u00e1 odchylka byla p\u0159ibli\u017en\u011b 27,8 %, p\u0159i\u010dem\u017e AI podhodnotila hmotnost j\u00eddla v 76,3 % p\u0159\u00edpad\u016f.<\/p>\n\n\n\n P\u0159\u00edklad z praxe: Tento trend je konzistentn\u00ed:<\/p>\n\n\n\n Tohle nen\u00ed chyba konkr\u00e9tn\u00edho modelu, ale vlastnost syst\u00e9mu.<\/p>\n\n\n\n Probl\u00e9m je, \u017ee u\u017eivatel o t\u00e9to chyb\u011b nev\u00ed. Vid\u00ed \u010d\u00edslo, kter\u00e9 p\u016fsob\u00ed p\u0159esn\u011b, a v\u011b\u0159\u00ed mu. Pokud v\u0161ak AI u v\u011bt\u0161\u00edch j\u00eddel pravideln\u011b \u201eub\u00edr\u00e1\u201c stovky kalori\u00ed, re\u00e1ln\u00fd p\u0159\u00edjem je v\u00fdrazn\u011b vy\u0161\u0161\u00ed, ne\u017e ukazuj\u00ed data.<\/p>\n\n\n\n To vede k typick\u00e9 frustraci: AI dnes nen\u00ed p\u0159esn\u00fd m\u011b\u0159ic\u00ed n\u00e1stroj, ale odhad. A tento odhad m\u00e1 jasn\u00fd sm\u011br \u2013 podhodnocovat, zejm\u00e9na u v\u011bt\u0161\u00edch porc\u00ed.<\/p>\n\n\n\n Pokud jde jen o orientaci, m\u016f\u017ee to sta\u010dit. Pokud jde o p\u0159esnost, nap\u0159\u00edklad p\u0159i hubnut\u00ed, je to riziko.<\/p>\n\n\n\n Proto plat\u00ed jednoduch\u00e9 pravidlo: kdy\u017e z\u00e1le\u017e\u00ed na p\u0159esnosti, v\u00e1ha m\u00e1 p\u0159ednost p\u0159ed kamerou.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n U potravinov\u00fdch alergi\u00ed neexistuje prostor pro \u201ep\u0159ibli\u017en\u011b\u201c. Bu\u010f je j\u00eddlo bezpe\u010dn\u00e9, nebo nen\u00ed. A pr\u00e1v\u011b v tomto bod\u011b se ukazuje jedno z nejnebezpe\u010dn\u011bj\u0161\u00edch omezen\u00ed AI.<\/strong><\/p>\n\n\n\n Modely um\u011bl\u00e9 inteligence nepracuj\u00ed s medic\u00ednsk\u00fdm pochopen\u00edm rizika. Nedok\u00e1\u017eou vyhodnotit, \u017ee ur\u010dit\u00e1 chyba m\u016f\u017ee m\u00edt re\u00e1ln\u00fd zdravotn\u00ed dopad. Generuj\u00ed odpov\u011bdi na z\u00e1klad\u011b pravd\u011bpodobnosti – tedy co \u201ezn\u00ed spr\u00e1vn\u011b\u201c – ne na z\u00e1klad\u011b bezpe\u010dnosti.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n To znamen\u00e1, \u017ee i kdy\u017e AI dostane jasnou informaci o alergii, nedok\u00e1\u017ee ji spolehliv\u011b dodr\u017eet.<\/strong><\/p>\n\n\n\n V\u00fdsledky testov\u00e1n\u00ed to potvrzuj\u00ed velmi konkr\u00e9tn\u011b. P\u0159i generov\u00e1n\u00ed 56 j\u00eddeln\u00ed\u010dk\u016f pro osobu s potravinov\u00fdmi alergiemi selhal ChatGPT v 7 % p\u0159\u00edpad\u016f.<\/strong> V praxi to znamen\u00e1, \u017ee ve 4 j\u00eddlech se objevil alergen, kter\u00fd tam nem\u011bl b\u00fdt.<\/p>\n\n\n\n Konkr\u00e9tn\u00ed p\u0159\u00edklad: do bezorechov\u00e9 diety model bez zav\u00e1h\u00e1n\u00ed za\u0159adil mandlov\u00e9 ml\u00e9ko.<\/p>\n\n\n\n To nen\u00ed drobn\u00e1 nep\u0159esnost. To je potenci\u00e1ln\u00ed zdravotn\u00ed riziko.<\/p>\n\n\n\n Je\u0161t\u011b problemati\u010dt\u011bj\u0161\u00ed je, \u017ee AI si svou chybu neuv\u011bdomuje. Neupozorn\u00ed na ni, neozna\u010d\u00ed ji jako nejistou a u\u017eivatel dostane odpov\u011b\u010f v p\u0159esv\u011bd\u010div\u00e9m, autoritativn\u00edm t\u00f3nu.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Podobn\u00fd probl\u00e9m se uk\u00e1zal i u energeticky nebezpe\u010dn\u00fdch diet. Kdy\u017e m\u011bla AI z\u00e1m\u011brn\u011b vytvo\u0159it extr\u00e9mn\u011b n\u00edzkokalorick\u00fd pl\u00e1n, nevygenerovala \u017e\u00e1dn\u00e9 varov\u00e1n\u00ed. Naopak takov\u00fd pl\u00e1n podala jako validn\u00ed \u0159e\u0161en\u00ed, i kdy\u017e by v praxi mohl v\u00e9st ke zdravotn\u00edm komplikac\u00edm.<\/p>\n\n\n\n D\u016fle\u017eit\u00e9 je pochopit, \u017ee AI n\u011bkdy dok\u00e1\u017ee odpov\u011bd\u011bt spr\u00e1vn\u011b. V n\u011bkter\u00fdch p\u0159\u00edpadech vytvo\u0159ila j\u00eddeln\u00ed\u010dky, kter\u00e9 odpov\u00eddaly doporu\u010den\u00edm (nap\u0159. u diabetu nebo dial\u00fdzy). Probl\u00e9m je v konzistenci.<\/p>\n\n\n\n P\u0159i opakov\u00e1n\u00ed stejn\u00e9ho po\u017eadavku toti\u017e model dok\u00e1zal vygenerovat zcela odli\u0161n\u00e9, a n\u011bkdy i nespr\u00e1vn\u00e9 v\u00fdsledky.<\/p>\n\n\n\n To znamen\u00e1, \u017ee nejde o spolehliv\u00fd syst\u00e9m, ale o n\u00e1stroj s vysokou variabilitou.<\/p>\n\n\n\n Hlavn\u00ed probl\u00e9m je absence odpov\u011bdnosti. Pokud AI ud\u011bl\u00e1 chybu, neexistuje mechanismus, kter\u00fd by ji zastavil nebo ozna\u010dil jako nebezpe\u010dnou. A z\u00e1rove\u0148 nen\u00ed jasn\u00e9, kdo za takovou chybu nese re\u00e1lnou odpov\u011bdnost.<\/p>\n\n\n\n Pro u\u017eivatele to vytv\u00e1\u0159\u00ed fale\u0161n\u00fd pocit bezpe\u010d\u00ed. Odpov\u011b\u010f vypad\u00e1 odborn\u011b, je napsan\u00e1 plynule, \u010dasto obsahuje i \u201elogick\u00e9\u201c vysv\u011btlen\u00ed. Bez odborn\u00fdch znalost\u00ed je v\u0161ak prakticky nemo\u017en\u00e9 odhalit, \u017ee jde o chybu.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n U alergi\u00ed je to kritick\u00e9.<\/strong><\/p>\n\n\n\n I mal\u00e1 chyba m\u016f\u017ee m\u00edt v\u00e1\u017en\u00e9 n\u00e1sledky \u2013 od akutn\u00ed reakce a\u017e po anafylaktick\u00fd \u0161ok. Stejn\u011b rizikov\u00e9 jsou i dlouhodob\u00e9 d\u016fsledky, nap\u0159\u00edklad p\u0159i \u0161patn\u011b nastaven\u00fdch elimina\u010dn\u00edch diet\u00e1ch, kter\u00e9 mohou v\u00e9st k nutri\u010dn\u00edm deficit\u016fm.<\/p>\n\n\n\n Proto zde plat\u00ed velmi jednoduch\u00e9 pravidlo: Zejm\u00e9na u alergi\u00ed by m\u011bl b\u00fdt v\u017edy p\u0159\u00edtomen odborn\u00fd dohled. V opa\u010dn\u00e9m p\u0159\u00edpad\u011b se z u\u017eite\u010dn\u00e9ho n\u00e1stroje st\u00e1v\u00e1 riziko, kter\u00e9 nen\u00ed na prvn\u00ed pohled viditeln\u00e9.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n AI dok\u00e1\u017ee rozpoznat, co je na tal\u00ed\u0159i. Nedok\u00e1\u017ee v\u0161ak pochopit, co v tom j\u00eddle skute\u010dn\u011b je.<\/p>\n\n\n\n P\u0159i anal\u00fdze funguje v\u00fdhradn\u011b na z\u00e1klad\u011b vizu\u00e1ln\u00edho vstupu. V\u0161echno, co nen\u00ed viditeln\u00e9 na povrchu, pro ni prakticky neexistuje. To je z\u00e1sadn\u00ed probl\u00e9m zejm\u00e9na u zpracovan\u00fdch potravin.<\/strong><\/p>\n\n\n\n Um\u011bl\u00e1 inteligence nedok\u00e1\u017ee identifikovat fortifikaci (p\u0159idan\u00e9 vitaminy a miner\u00e1ly) ani rozli\u0161it rozd\u00edly mezi jednotliv\u00fdmi zna\u010dkami, pokud nem\u00e1 k dispozici p\u0159esn\u00fd n\u00e1zev produktu nebo obal.<\/p>\n\n\n\n Pro \u010dlov\u011bka je rozd\u00edl mezi dv\u011bma cere\u00e1liemi z\u00e1sadn\u00ed. Jedny mohou b\u00fdt obohacen\u00e9 o \u017eelezo a vitaminy, druh\u00e9 ne. Pro AI jsou to v\u0161ak jen \u201evlo\u010dky\u201c.<\/p>\n\n\n\n Model proto pracuje s pr\u016fm\u011brn\u00fdmi hodnotami z datab\u00e1z\u00ed, ne s konkr\u00e9tn\u00edmi daty. V\u00fdsledek tak m\u016f\u017ee p\u016fsobit p\u0159esn\u011b, ale jde jen o odhad \u201etypick\u00e9 verze\u201c potraviny.<\/p>\n\n\n\n Tento limit p\u0159izn\u00e1vaj\u00ed i samotn\u00e9 modely. ChatGPT-4 nap\u0159\u00edklad uvedl, \u017ee nedok\u00e1\u017ee ur\u010dit, zda jsou cornflakes obohacen\u00e9 o vitaminy a miner\u00e1ly, p\u0159esto\u017ee to z\u00e1sadn\u011b ovliv\u0148uje jejich nutri\u010dn\u00ed profil.<\/p>\n\n\n\n Data to potvrzuj\u00ed i \u010d\u00edseln\u011b. V anal\u00fdze 114 j\u00eddel byla pr\u016fm\u011brn\u00e1 odchylka p\u0159ibli\u017en\u011b 26,9 %. U v\u011bt\u0161iny \u017eivin p\u0159es\u00e1hla chyba 10 % a v 11 ze 16 p\u0159\u00edpad\u016f AI hodnoty systematicky podhodnocovala.<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n To znamen\u00e1, \u017ee i kdy\u017e energie a z\u00e1kladn\u00ed makra mohou p\u016fsobit relativn\u011b p\u0159esn\u011b, mikronutrienty jsou \u010dasto mimo realitu.<\/p>\n\n\n\n Nejv\u011bt\u0161\u00ed probl\u00e9m vznik\u00e1 p\u0159i sledov\u00e1n\u00ed mikro\u017eivin. \u010clov\u011bk s an\u00e9mi\u00ed m\u016f\u017ee m\u00edt pocit, \u017ee p\u0159ij\u00edm\u00e1 dostatek \u017eeleza, i kdy\u017e ho m\u00e1 ve skute\u010dnosti m\u00e9n\u011b. Stejn\u011b tak u sod\u00edku, cukru nebo jin\u00fdch kritick\u00fdch l\u00e1tek m\u016f\u017ee AI systematicky zkreslovat realitu \u2013 a u\u017eivatel to nem\u00e1 jak odhalit.<\/p>\n\n\n\n Proto plat\u00ed jednoduch\u00e9 pravidlo: \u010d\u00edm v\u00edce zpracovan\u00e9 j\u00eddlo, t\u00edm m\u00e9n\u011b se d\u00e1 spol\u00e9hat na AI anal\u00fdzu z fotografie.<\/p>\n\n\n\n Pokud z\u00e1le\u017e\u00ed na p\u0159esnosti, je nezbytn\u00e9 pracovat s konkr\u00e9tn\u00edmi daty:<\/strong><\/p>\n\n\n\n <\/p>\n\n\n\n Bez toho AI v\u017edy pracuje jen s pr\u016fm\u011brem. A pr\u016fm\u011br v tomto p\u0159\u00edpad\u011b \u010dasto znamen\u00e1 odchylku, kter\u00e1 m\u016f\u017ee b\u00fdt z nutri\u010dn\u00edho hlediska z\u00e1sadn\u00ed.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Na rozd\u00edl od kalkula\u010dky nebo laboratorn\u00ed v\u00e1hy AI nefunguje jako p\u0159esn\u00fd, opakovateln\u00fd n\u00e1stroj. Je to pravd\u011bpodobnostn\u00ed syst\u00e9m. To znamen\u00e1, \u017ee stejn\u00fd vstup nemus\u00ed v\u00e9st ke stejn\u00e9mu v\u00fdsledku.<\/p>\n\n\n\n V praxi to vypad\u00e1 jednodu\u0161e: ta sam\u00e1 fotka j\u00eddla m\u016f\u017ee vr\u00e1tit r\u016fzn\u00e9 hodnoty \u2013 bez toho, aby se na n\u00ed cokoliv zm\u011bnilo.<\/strong><\/p>\n\n\n\n D\u016fvodem je tzv. stochastick\u00e1 n\u00e1hodnost. Model negeneruje odpov\u011b\u010f v\u00fdpo\u010dtem podle pevn\u00e9ho vzorce, ale \u201evyb\u00edr\u00e1\u201c nejpravd\u011bpodobn\u011bj\u0161\u00ed v\u00fdsledek na z\u00e1klad\u011b nau\u010den\u00fdch dat. A tento v\u00fdb\u011br se m\u016f\u017ee m\u00edrn\u011b li\u0161it p\u0159i ka\u017ed\u00e9m pou\u017eit\u00ed.<\/strong><\/p>\n\n\n\n V\u00fdsledkem je, \u017ee AI nen\u00ed pln\u011b konzistentn\u00ed.<\/p>\n\n\n\n Jednoduch\u00fd p\u0159\u00edklad: Podobn\u00fd probl\u00e9m se uk\u00e1zal i p\u0159i testov\u00e1n\u00ed diet. P\u0159i opakov\u00e1n\u00ed stejn\u00e9ho po\u017eadavku na stejn\u00fd zdravotn\u00ed profil (nap\u0159. diabetik) modely generovaly odli\u0161n\u00e1, n\u011bkdy i nekonzistentn\u00ed doporu\u010den\u00ed. To znamen\u00e1, \u017ee AI nevytv\u00e1\u0159\u00ed stabiln\u00ed referen\u010dn\u00ed bod.<\/p>\n\n\n\n A pr\u00e1v\u011b to je z\u00e1sadn\u00ed probl\u00e9m p\u0159i sledov\u00e1n\u00ed progresu. Pokud se \u010d\u00edsla m\u011bn\u00ed ne kv\u016fli re\u00e1ln\u00e9mu chov\u00e1n\u00ed, ale kv\u016fli variabilit\u011b n\u00e1stroje, u\u017eivatel ztr\u00e1c\u00ed schopnost vyhodnotit, co funguje.<\/strong><\/p>\n\n\n\n Jin\u00fdmi slovy: <\/p>\n\n\n\n Z pohledu v\u011bdy je to je\u0161t\u011b v\u011bt\u0161\u00ed probl\u00e9m. Spolehliv\u00fd n\u00e1stroj mus\u00ed b\u00fdt reprodukovateln\u00fd \u2013 stejn\u00fd vstup m\u00e1 v\u00e9st ke stejn\u00e9mu v\u00fdsledku. U AI to dnes neplat\u00ed.<\/strong><\/p>\n\n\n\n I proto odborn\u00edci navrhuj\u00ed, aby se p\u0159i pr\u00e1ci s AI nepracovalo s jedn\u00edm \u010d\u00edslem, ale s rozsahem v\u00fdsledk\u016f. M\u00edsto jedn\u00e9 hodnoty by se m\u011blo prov\u00e1d\u011bt v\u00edce v\u00fdpo\u010dt\u016f a sledovat pr\u016fm\u011br nebo interval spolehlivosti.<\/p>\n\n\n\n To v\u0161ak v\u00fdrazn\u011b komplikuje b\u011b\u017en\u00e9 pou\u017e\u00edv\u00e1n\u00ed.<\/p>\n\n\n\n Hlavn\u00ed riziko je op\u011bt skryt\u00e9. V\u00fdstup p\u016fsob\u00ed p\u0159esn\u011b, konkr\u00e9tn\u011b a definitivn\u011b. U\u017eivatel nem\u00e1 d\u016fvod pochybovat. Ve skute\u010dnosti v\u0161ak jde o \u201enejlep\u0161\u00ed aktu\u00e1ln\u00ed odhad\u201c, ne o stabiln\u00ed v\u00fdsledek.<\/p>\n\n\n\n Proto plat\u00ed jednoduch\u00e9 pravidlo: A dokud se neza\u010dne op\u00edrat o deterministick\u00e9 v\u00fdpo\u010dty m\u00edsto generativn\u00edch odpov\u011bd\u00ed, jej\u00ed p\u0159esnost bude v\u017edy z\u00e1viset na moment\u00e1ln\u00edm \u201ev\u00fdb\u011bru\u201c modelu \u2013 ne na objektivn\u00ed realit\u011b.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n AI ve v\u00fd\u017eiv\u011b m\u00e1 obrovsk\u00fd potenci\u00e1l. Um\u00ed zrychlit proces, zjednodu\u0161it zapisov\u00e1n\u00ed a d\u00e1t z\u00e1kladn\u00ed p\u0159ehled. A pr\u00e1v\u011b detaily ve v\u00fd\u017eiv\u011b rozhoduj\u00ed nejv\u00edc.<\/p>\n\n\n\n Probl\u00e9m nen\u00ed v tom, \u017ee AI d\u011bl\u00e1 chyby. V\u00fdstupy vypadaj\u00ed p\u0159esn\u011b, p\u016fsob\u00ed odborn\u011b a d\u00e1vaj\u00ed smysl. Pokud to zjednodu\u0161\u00edme na jednu my\u0161lenku: Pokud v\u00e1m jde jen o orientaci, je to fajn n\u00e1stroj. A pr\u00e1v\u011b tam m\u00e1 st\u00e1le sv\u00e9 m\u00edsto \u010dlov\u011bk, data a pochopen\u00ed kontextu.<\/p>\n\n\n\n <\/p>\n\n\n\n <\/p>\n\n\n\n Zdroje<\/strong>:<\/p>\n\n\n\n https:\/\/www.cambridge.org\/core\/journals\/british-journal-of-nutrition\/article\/validity-and-accuracy-of-artificial-intelligencebased-dietary-intake-assessment-methods-a-systematic-review\/6829E54E37F38BB07D09A97D5982C73D AI ti uk\u00e1\u017ee \u010d\u00edsla, kter\u00e1 vypadaj\u00ed p\u0159esn\u011b. Probl\u00e9m je, \u017ee \u010dasto p\u0159esn\u00e1 nejsou. Tento \u010dl\u00e1nek rozeb\u00edr\u00e1 10 nej\u010dast\u011bj\u0161\u00edch chyb, kv\u016fli kter\u00fdm AI ve v\u00fd\u017eiv\u011b zkresluje realitu, od \u0161patn\u00e9ho odhadu porc\u00ed a\u017e po ignorov\u00e1n\u00ed tuk\u016f nebo alergen\u016f. Pokud chce\u0161 d\u011blat lep\u0161\u00ed rozhodnut\u00ed, tohle pot\u0159ebuje\u0161 v\u011bd\u011bt.<\/p>\n","protected":false},"author":1,"featured_media":497,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[17],"tags":[196,433,72,157,113,372],"class_list":["post-500","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-strava-a-vyziva-cs","tag-chytre-stravovani","tag-hubnuti","tag-nutrelino-cs","tag-nutricni-fakta","tag-obezita-cs","tag-zdrave-stravovani"],"_links":{"self":[{"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/posts\/500","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/comments?post=500"}],"version-history":[{"count":2,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/posts\/500\/revisions"}],"predecessor-version":[{"id":502,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/posts\/500\/revisions\/502"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/media\/497"}],"wp:attachment":[{"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/media?parent=500"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/categories?post=500"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nutrelino.com\/blog\/wp-json\/wp\/v2\/tags?post=500"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n
2. Slepota v\u016f\u010di tuku: Neviditeln\u00e9 kalorie v om\u00e1\u010dk\u00e1ch a olej\u00edch<\/strong><\/h2>\n\n\n\n
\n
3. Nutri\u010dn\u00ed halucinace: Pravd\u011bpodobnost slov m\u00edsto tabulek<\/strong><\/h2>\n\n\n\n
\n
4. Klinick\u00e9 riziko: Kdy\u017e nep\u0159esnost ohro\u017euje zdrav\u00ed<\/strong><\/h2>\n\n\n\n
\n
\n
\n
5. Kulturn\u00ed slepota: Algoritmy tr\u00e9novan\u00e9 na \u201ez\u00e1padn\u00edm\u201c tal\u00ed\u0159i<\/strong><\/h2>\n\n\n\n
\n
\n
6. Nutri\u010dn\u00ed (ne)vyv\u00e1\u017eenost: Zdrav\u00e1 j\u00eddla v nezdrav\u00e9m pom\u011bru<\/strong><\/h2>\n\n\n\n
\n
\n
\n
7. Paradox velk\u00fdch porc\u00ed: \u010c\u00edm v\u00edc j\u00edte, t\u00edm v\u00edc AI klame<\/strong><\/h2>\n\n\n\n
\n
\u010do\u010dkov\u00e9 kari \u2013 AI odhad 255 g vs. re\u00e1ln\u00fdch 480 g. T\u00e9m\u011b\u0159 polovina j\u00eddla a tedy i kalori\u00ed jednodu\u0161e \u201ezmizela\u201c.<\/strong><\/p>\n\n\n\n\n
\u201ej\u00edm m\u00e9n\u011b, v\u0161echno si zapisuji, ale nehubnu.\u201c<\/strong><\/p>\n\n\n\n8. Alergick\u00e1 past: Kdy\u017e chyba nen\u00ed jen chyba<\/strong><\/h2>\n\n\n\n
AI m\u016f\u017ee pomoci s orientac\u00ed, ale nesm\u00ed \u0159\u00eddit stravu u zdravotn\u00edch omezen\u00ed.<\/strong><\/p>\n\n\n\n9. Slepota v\u016f\u010di fortifikaci a zna\u010dk\u00e1m<\/strong><\/h2>\n\n\n\n
\n
10. Stochastick\u00e1 n\u00e1hodnost: Jin\u00e1 odpov\u011b\u010f na stejnou fotku<\/strong><\/h2>\n\n\n\n
jeden den v\u00e1m AI odhadne ob\u011bd na 500 kcal, druh\u00fd den \u2013 p\u0159i t\u00e9 sam\u00e9 fotce \u2013 na 600 kcal. Ne proto, \u017ee by se zm\u011bnilo j\u00eddlo, ale proto, \u017ee se zm\u011bnil samotn\u00fd v\u00fdstup modelu.<\/strong><\/p>\n\n\n\n
nev\u00edte, jestli se m\u011bn\u00ed va\u0161e t\u011blo, nebo jen odpov\u011b\u010f algoritmu.<\/strong><\/p>\n\n\n\n
AI dnes nen\u00ed m\u011b\u0159ic\u00ed n\u00e1stroj, ale odhadov\u00fd n\u00e1stroj.<\/strong><\/p>\n\n\n\n
Ale dnes je\u0161t\u011b nen\u00ed p\u0159esn\u00fd n\u00e1stroj. Je to odhadov\u00fd n\u00e1stroj.<\/p>\n\n\n\n
Ned\u00e1 se na ni ale spolehnout tam, kde rozhoduj\u00ed detaily.<\/p>\n\n\n\n
Probl\u00e9m je, \u017ee ty chyby nevid\u00edte.<\/p>\n\n\n\n
A proto jim lid\u00e9 v\u011b\u0159\u00ed v\u00edc, ne\u017e by m\u011bli.<\/p>\n\n\n\n
\ud83d\udc49 AI dnes um\u00ed pomoct. Ale nem\u011bla by rozhodovat.<\/p>\n\n\n\n
Pokud v\u00e1m jde o p\u0159esnost \u2013 a\u0165 u\u017e p\u0159i hubnut\u00ed, v\u00fdkonu nebo zdrav\u00ed \u2013 pot\u0159ebujete v\u00edc ne\u017e odhad.<\/p>\n\n\n\n
https:\/\/pmc.ncbi.nlm.nih.gov\/articles\/PMC11243505\/
https:\/\/pmc.ncbi.nlm.nih.gov\/articles\/PMC11206595\/
https:\/\/pubmed.ncbi.nlm.nih.gov\/38194819\/
https:\/\/pubmed.ncbi.nlm.nih.gov\/38060823\/
https:\/\/www.sciencedirect.com\/science\/article\/pii\/S088915752501659X
https:\/\/pubmed.ncbi.nlm.nih.gov\/39125452\/
https:\/\/pubmed.ncbi.nlm.nih.gov\/41081011\/
https:\/\/pmc.ncbi.nlm.nih.gov\/articles\/PMC12367769\/
https:\/\/pmc.ncbi.nlm.nih.gov\/articles\/PMC11199627\/
https:\/\/www.mdpi.com\/2072-6643\/16\/15\/2573
https:\/\/www.mdpi.com\/2072-6643\/17\/4\/607
https:\/\/www.mdpi.com\/2072-6643\/17\/2\/206
https:\/\/www.researchgate.net\/publication\/395491050_Performance_evaluation_of_Three_Large_Language_Models_for_Nutritional_Content_Estimation_from_Food_Images
https:\/\/www.researchgate.net\/publication\/399109330_Image-based_nutritional_assessment_evaluating_the_performance_of_ChatGPT-4o_on_simple_and_complex_meals
https:\/\/scholarworks.merrimack.edu\/cgi\/viewcontent.cgi?article=1195&context=health_facpubs<\/p>\n","protected":false},"excerpt":{"rendered":"