Noua aplicație vocală poate ajuta la controlul greutății

Un chiriaș cheie al pierderii în greutate este să numeri fiecare calorie consumată. În timp ce sarcina sună ușor, documentarea tuturor caloriilor devine o sarcină dificilă atunci când luați masa la un restaurant, gustați în mișcare sau chiar când vă așezați pentru o masă acasă.

Tehnica necesită consistență și precizie, iar atunci când eșuează, se întâmplă de obicei pentru că oamenii nu au timp sau mijloace pentru a găsi și înregistra toate informațiile de care au nevoie.

Acum, cercetătorii de la Massachusetts Institute of Technology (MIT) au dezvoltat o aplicație care permite oamenilor să se conecteze la mâncarea și băuturile pe care le-au consumat folosind un sistem controlat de vorbire.

Conceptul a apărut în urmă cu câțiva ani, când o echipă de nutriționiști de la Universitatea Tufts i-a abordat pe cercetătorii MIT cu ideea unei aplicații în limbă vorbită care să faciliteze înregistrarea meselor.

Săptămâna aceasta, la Conferința internațională de acustică, vorbire și procesare a semnalului de la Shanghai, cercetătorii MIT își prezintă prototipul pe web al unui sistem de înregistrare a nutriției controlat de vorbire.

Cu acesta, utilizatorul descrie verbal conținutul unei mese, iar sistemul analizează descrierea și preia automat datele nutriționale pertinente dintr-o bază de date online menținută de Departamentul Agriculturii din SUA (USDA).

Datele sunt afișate împreună cu imagini ale alimentelor corespunzătoare și ale meniurilor derulante care permit utilizatorului să își rafineze descrierile - selectând, de exemplu, cantități precise de alimente. Dar aceste rafinamente pot fi făcute și verbal.

Un utilizator care începe prin a spune: „La micul dejun, am avut un castron cu fulgi de ovăz, banane și un pahar de suc de portocale” poate face modificarea „Am avut o jumătate de banană”, iar sistemul va actualiza datele pe care le afișează despre banane lăsând restul neschimbat.

„Ceea ce au experimentat [nutriționiștii Tufts] este că aplicațiile care erau acolo pentru a ajuta oamenii să încerce să înregistreze mesele aveau tendința de a fi puțin obositoare și, prin urmare, oamenii nu țineau pasul cu ele”, spune James Glass, cercetător principal .

„Așadar, ei căutau modalități care să fie precise și ușor de introdus informații”.

Primul autor al noii lucrări este Mandy Korpusik, student absolvent al MIT în inginerie electrică și informatică. I se alătură Glass, care este consilierul ei pentru teză; colegul ei absolvent Michael Price; și de Calvin Huang, cercetător universitar din grupul Glass.

În lucrare, cercetătorii raportează rezultatele experimentelor cu un sistem de recunoaștere a vorbirii pe care l-au dezvoltat special pentru a trata terminologia legată de alimente.

Cu toate acestea, acesta nu a fost obiectivul principal al muncii lor, deoarece demonstrația online a sistemului lor de înregistrare a meselor utilizează în schimb aplicația gratuită de recunoaștere a vorbirii Google.

Cercetările lor s-au concentrat pe alte două probleme. Una este identificarea rolului funcțional al cuvintelor: sistemul trebuie să recunoască faptul că, dacă utilizatorul înregistrează sintagma „castron de fulgi de ovăz”, informațiile nutriționale despre fulgi de ovăz sunt pertinente, dar dacă expresia este „cookie de fulgi de ovăz”, nu este.

Cealaltă problemă este reconcilierea frazării utilizatorului cu intrările din baza de date USDA. De exemplu, datele USDA despre fulgi de ovăz sunt înregistrate la rubrica „ovăz”; cuvântul „fulgi de ovăz” nu apare nicăieri în intrare.

Pentru a aborda prima problemă, cercetătorii au folosit învățarea automată.

Prin intermediul platformei de crowdsourcing Amazon Mechanical Turk, au recrutat muncitori care pur și simplu au descris ce au mâncat la mesele recente. Apoi au etichetat cuvintele pertinente din descriere ca nume de alimente, cantități, nume de mărci sau modificatori ai denumirilor alimentelor.

În „castron cu fulgi de ovăz”, „castron” este o cantitate, iar „fulgi de ovăz” este un aliment, dar în „cookie cu fulgi de ovăz”, ovăzul este un modificator.

Odată ce au avut aproximativ 10.000 de descrieri de mese etichetate, cercetătorii au folosit algoritmi de învățare automată pentru a găsi modele în relațiile sintactice dintre cuvinte care să le identifice rolurile funcționale.

Cercetătorii au folosit apoi o bază de date open-source numită Freebase pentru a traduce între descrierile utilizatorilor și etichetele din baza de date USDA. Baza de date în sine are intrări pe mai mult de 8.000 de produse alimentare obișnuite, dintre care multe includ sinonime.

Acolo unde lipseau sinonimele, au recrutat din nou muncitori mecanici turci pentru a le furniza.

Versiunea sistemului prezentată la conferință este destinată în principal să demonstreze viabilitatea abordării sale în procesarea limbajului natural. Sistemul raportează numărul de calorii, dar nu le totalizează încă automat.

Cu toate acestea, o versiune care funcționează este în lucru, iar când este completă, cercetătorii Tufts intenționează să efectueze un studiu al utilizatorilor pentru a determina dacă într-adevăr facilitează înregistrarea nutrițională.

Sursa: MIT