Jedlo s vajíčkami, zeleninou a chlebom použité ako fotografia k testu odhadu kalórií pomocou AI
Jedna fotografia môže ukázať druh jedla, nie však spoľahlivo všetky suroviny a ich množstvo.

V skratke

Americkí výskumníci otestovali fotografické AI funkcie štyroch aplikácií — MyFitnessPal, Lose It!, Cal AI a Appediet — na 102 jedlách pripravených v kontrolovanej metabolickej kuchyni. Skutočné množstvo surovín poznali s presnosťou na 0,1 gramu.

Všetky štyri aplikácie energetickú hodnotu v priemere podhodnotili. Pri jednom jedle im „zmizlo“ 252 až 345 kcal, približne tretina priemernej energie testovaných jedál. Najväčším problémom bol tuk.

Verdikt: tvrdenie, že foto-AI môže výrazne podhodnotiť kalórie, je podložené. Štúdia však nezistila priemernú chybu 1 500 kcal pri troch jedlách.

Vedci presne vedeli, čo bolo na tanieri

Pri bežnom testovaní kalorickej aplikácie vzniká zásadný problém: ako zistíme, kto sa mýli? Používateľ si myslí, že mal 150 gramov mäsa, aplikácia odhadne 120 gramov, ale nikto už nemusí poznať skutočnosť.

V tomto experimente boli jedlá pripravené v metabolickej kuchyni amerického National Institutes of Health (NIH). Každá ingrediencia bola odvážená približne na 0,1 gramu. Vedci tak mali veľmi presný referenčný údaj o energii, sacharidoch, tukoch a bielkovinách. Až potom jedlá fotografovali a fotografie predložili aplikáciám.

Výskumný tím vyhodnotil 102 jedál. Priemerné testované jedlo malo 918 kcal, pričom jednotlivé jedlá obsahovali 592 až 1 211 kcal. V priemere v nich bolo 60 gramov sacharidov, 61 gramov tuku a 36 gramov bielkovín.

Koľko kalórií aplikáciám „zmizlo“?

Aplikácia Priemerné podhodnotenie jedného jedla
MyFitnessPal −327 kcal
Lose It! −333 kcal
Cal AI −345 kcal
Appediet −252 kcal

Všetky rozdiely boli štatisticky významné. Pri jedle s približne 900 kcal tak aplikácia mohla oznámiť napríklad 600 až 650 kcal. Na orientačný prehľad o stravovaní to môže byť užitočné. Ak sa však človek podľa tohto čísla snaží presne riadiť energetický príjem, rozdiel už môže byť podstatný.

Čo znamená údaj 1 500 kcal pri troch jedlách

Vo verejnej diskusii sa objavilo tvrdenie, že pri troch jedlách denne sa AI môže pomýliť až približne o 1 500 kcal. Tu treba oddeliť priemer od možného extrému.

Štúdia neuvádza 1 500 kcal ako priemernú chybu troch denných jedál. Ak priemernú chybu na jedno jedlo jednoducho vynásobíme tromi, dostaneme:

  • Appediet: 756 kcal denne,
  • MyFitnessPal: 981 kcal denne,
  • Lose It!: 999 kcal denne,
  • Cal AI: 1 035 kcal denne.

Pri troch podobných jedlách by teda priemerná kumulatívna odchýlka vychádzala približne na 750 až 1 000 kcal za deň. To je veľký rozdiel, no stále to nie je 1 500 kcal.

Jednotlivé chyby však boli oveľa väčšie než priemery. Štatistické hranice zhody pri jednotlivých aplikáciách siahali približne až k −672 až −884 kcal na jedno jedlo. Ak by sa počas jedného dňa stretlo viac veľkých chýb, kumulatívna odchýlka 1 500 kcal je možná. Nie je však správne tvrdiť, že bola priemerným výsledkom experimentu.

Presná formulácia preto znie: priemerná chyba bola 252 až 345 kcal na jedno jedlo, pričom pri konkrétnych jedlách mohli byť odchýlky podstatne väčšie.

Najväčší problém predstavoval tuk

Všetky štyri aplikácie podhodnocovali tuk približne o 30 gramov na jedno jedlo. Keďže gram tuku poskytuje asi 9 kcal, ide približne o 270 kcal — a tým sa vysvetľuje veľká časť celkovej chyby.

Predstavme si dva takmer rovnaké taniere zeleniny. Jeden je pripravený bez oleja, na druhom je 30 gramov olivového oleja. Na fotografii môžu vyzerať podobne, energetický rozdiel je však približne 270 kcal.

Z fotografie sa ťažko určuje najmä:

  • olej a maslo použité pri príprave,
  • tuk ukrytý v mäse, omáčke alebo dressingu,
  • smotana, majonéza a syr v zloženom jedle,
  • orechy a semienka vmiešané do pokrmu,
  • množstvo tuku absorbovaného počas varenia.

Človek, ktorý jedlo pripravoval, vie, že do panvice nalial dve lyžice oleja. Fotoaparát to vedieť nemusí.

Jedna fotografia je iba dvojrozmerný obraz

Ďalším problémom je objem. Z jednej fotografie je pre človeka aj počítač ťažké presne určiť, koľko jedla sa na tanieri nachádza.

Kopček ryže môže zhora vyzerať ako kruh s priemerom desať centimetrov. Fotografia však nemusí spoľahlivo ukázať, či je vysoký dva alebo šesť centimetrov. Rozdiel v množstve môže byť dvojnásobný či trojnásobný.

Odhad ovplyvňuje uhol a vzdialenosť fotografie, veľkosť taniera, perspektíva, hĺbka jedla, prekrytie potravín aj chýbajúci predmet známej veľkosti. Odborné prehľady preto označujú odhad porcie za jednu z najťažších častí obrazového hodnotenia stravy.

AI môže správne rozpoznať lososa, zemiaky a zeleninu. To však ešte neznamená, že vie odlíšiť 120 od 220 gramov lososa.

Rozpoznať jedlo a odmerať jedlo nie je to isté

Moderné modely počítačového videnia dokážu dobre identifikovať objekty. Na fotografii môžu správne pomenovať kuracie prsia, ryžu, avokádo či paradajku. Na výpočet energie však treba vedieť:

  1. čo presne potravina je,
  2. ako bola pripravená,
  3. aké ingrediencie obsahuje,
  4. koľko jej je,
  5. aký nutričný profil jej priradiť.

Chyba v ktoromkoľvek kroku sa prenesie do výsledku. Pri zložených jedlách sa môže viac chýb spojiť.

Jablko je relatívne jednoduché: AI vidí jeho tvar a približnú veľkosť. Pri lasagniach však z fotografie nemožno spoľahlivo zistiť množstvo cestovín, druh a množstvo mäsa, syr, olej, omáčku, počet vrstiev ani hmotnosť porcie. Dva podobné kúsky môžu mať veľmi rozdielnu energetickú hodnotu.

To nie je chyba matematiky. Je to nedostatok vstupných údajov.

Keto jedlá boli ešte väčší problém

Po úvodnom teste výskumníci analyzovali aj viac než 200 ďalších jedál, aby zistili, čo presnosť aplikácií ovplyvňuje. Predbežné výsledky naznačili výraznejšie problémy pri nízkosacharidových ketogénnych jedlách.

Je to logické: keto jedlá často obsahujú viac tuku a práve tuk aplikácie podhodnocovali najvýraznejšie. Priemerná presnosť aplikácie preto nemusí hovoriť veľa o jej presnosti pri konkrétnom type stravovania.

Odhady sacharidov boli konzistentnejšie. Potraviny ako chlieb, ryža, cestoviny či zemiaky bývajú na fotografii viditeľné; olej absorbovaný v jedle viditeľný byť nemusí.

Znamená to, že AI nemá pri sledovaní stravy význam?

Nie. Taký záver by bol rovnako nepresný ako slepá dôvera v zobrazené číslo.

Fotografické zapisovanie jedál má veľkú výhodu: je jednoduché. Dokonalá metóda, ktorú človek po troch dňoch prestane používať, môže byť v praxi menej užitočná než orientačná metóda, pri ktorej vydrží celé mesiace.

Fotografia môže dobre slúžiť na dokumentovanie jedál, sledovanie návykov a zmien v čase, orientačný pohľad na zloženie stravy alebo pripomenutie jedla pri neskoršom zápise. Problém vzniká vtedy, keď orientačný odhad interpretujeme ako laboratórne meranie.

Ako používať AI rozumnejšie

1. Berte výsledok ako odhad

Číslo 713 kcal neznamená, že jedlo malo presne 713 kcal. Presnejší mentálny model je: „AI odhaduje, že jedlo môže mať približne takúto energetickú hodnotu.“

2. Kaloricky bohaté ingrediencie dopĺňajte manuálne

Týka sa to najmä oleja, masla, orechov, semienok, syrov, dressingov, majonézy, smotany a orechových masiel. Malé množstvo môže výrazne zmeniť energiu bez nápadnej zmeny vzhľadu.

3. Ak potrebujete presnosť, váha stále vyhráva

Pri zdravotnom alebo športovom dôvode na presné sledovanie príjmu fotografia zatiaľ nenahrádza váženie. Presnejšie je zadať hmotnosť, konkrétne ingrediencie a recept.

4. Sledujte trend, nie jedno číslo

Pre zdravie a dlhovekosť býva dôležitejší dlhodobý vzorec než presnosť jedného obeda na desať kilokalórií. Ak denník odhalí málo zeleniny, veľa sladených nápojov alebo opakované večerné prejedanie, môže byť užitočný aj napriek nepresnému kalorickému odhadu.

Čo výskum dokázal — a čo nie

Nie je správne povedať, že vedci dokázali, že „umelá inteligencia nevie počítať kalórie“. Testovali konkrétne fotografické funkcie štyroch komerčných aplikácií v konkrétnom čase. Modely sa rýchlo menia a výsledky nemožno automaticky preniesť na každý budúci systém.

Experiment však presvedčivo ukázal základný problém: jedna fotografia nemusí obsahovať dosť informácií na presné určenie zloženia a hmotnosti jedla. Je to informačné obmedzenie, nie iba otázka výkonu algoritmu.

Výsledky boli predstavené v júli 2026 na konferencii NUTRITION 2026 a publikované ako konferenčný abstrakt v suplementovom vydaní časopisu Current Developments in Nutrition. Nejde ešte o rozsiahly plný vedecký článok po kompletnom štandardnom recenznom procese. Výsledky treba brať vážne, nie však ako posledné slovo.

Verdikt Dlhovekosť.online

Tvrdenie, že súčasné fotografické AI funkcie môžu výrazne podhodnotiť energiu jedla, je podložené novým americkým výskumom. Štyri aplikácie podhodnotili priemerné jedlo o 252 až 345 kcal, približne o tretinu jeho energetickej hodnoty.

Pri troch podobných jedlách by priemerná kumulatívna odchýlka vychádzala približne na 750 až 1 000 kcal denne. Tvrdenie, že štúdia namerala priemernú chybu 1 500 kcal pri troch jedlách, nie je presné. Taká vysoká chyba je pri extrémnych individuálnych odchýlkach možná, ale nebola priemerným výsledkom.

Rozdiel medzi „môže sa stať“ a „v priemere sa stalo“ je pri interpretácii výskumu zásadný.

Zdroje a limity

Redakčná poznámka: Článok vychádza zo zdrojov dostupných k 31. augustu 2026. Hlavná práca bola v čase publikovania dostupná vo forme konferenčného abstraktu. Po vydaní plnej recenzovanej štúdie údaje skontrolujeme a článok podľa potreby aktualizujeme.