Yapay Zekâ ile Tarif Analizi: Doğruluk, Tuzaklar ve İş Akışı

Danışanın WhatsApp'tan gönderdiği bir tarif, bir yemek blogundan kopyalanmış malzeme listesi ya da İngilizce bir kitaptan fotoğraflanmış sayfa: hepsinin besin değerini çıkarmak, klasik yöntemle satır satır veritabanı araması demektir. Yapay zekâ ile tarif analizi bu işin en zahmetli kısmını, yani serbest metni yapılandırılmış malzeme listesine çevirmeyi hızlandırır. Ancak hesabın doğruluğu hâlâ besin eşleştirmesine, ölçü dönüşümüne ve pişirme kayıplarına bağlıdır.

Yapay zekâ ile tarif analizinde modelin en güçlü olduğu adım, serbest metni malzeme, miktar ve birim olarak ayrıştırmak ve çevirmektir. Besin değerleri ise modelin tahmininden değil, bir besin kompozisyon veritabanından gelmelidir. Diyetisyen eşleşmeleri, gramajları ve pişmiş ağırlığı kontrol etmeden sonuç klinik kullanıma hazır sayılmaz.

Yapay zekâ tarif analizinde tam olarak ne yapar?

Bir tarifin besin değerini hesaplamak aslında beş ayrı işten oluşur. Yapay zekânın her adımdaki katkısı farklıdır ve hataların çoğu, bu adımların birbirine karıştırılmasından doğar.

1. Ayrıştırma: "2 su bardağı kırmızı mercimek, 1 orta boy soğan, bir tutam kimyon" gibi bir metinden malzeme adı, miktar ve birimin ayrı ayrı çıkarılması.
2. Çeviri ve normalleştirme: "1 cup rolled oats" veya "200 g Quark" gibi ifadelerin Türkçe karşılığa ve standart birime dönüştürülmesi.
3. Besin eşleştirme: Her malzemenin veritabanındaki doğru kayıtla eşlenmesi (çiğ mi haşlanmış mı, tam yağlı mı yarım yağlı mı).
4. Ölçü dönüşümü: Ev ölçülerinin gram karşılığına çevrilmesi.
5. Hesaplama ve porsiyonlama: Toplam besin değerinin pişmiş ağırlığa ve porsiyon sayısına bölünmesi.

Büyük dil modelleri ilk iki adımda gerçekten iyidir: dağınık, yazım hatalı, çok dilli metni düzgün bir listeye dönüştürmek tam olarak dil işidir. Üçüncü ve dördüncü adımda model yardımcı olabilir ama karar verici olmamalıdır. Beşinci adım ise bir aritmetik işlemdir ve değerleri bir veritabanından alan deterministik bir hesaplamaya bırakılmalıdır. Modelin kendi "bildiği" kalori değerlerini yazması, en sık görülen ve en zor fark edilen hatadır.

Hatalar nerede ortaya çıkıyor?

Pratikte karşılaşılan hataları kaynaklarına göre gruplamak, kontrolü sistematik hale getirir:

FAO/INFOODS'un besin eşleştirme kılavuzu, eşleştirmede besinin adının yanında durumunun (çiğ, pişmiş), işleme biçiminin ve bölümünün de dikkate alınmasını önerir. Yapay zekâ bu bilgiyi metinden çıkarabilir, ancak metin eksikse varsayımda bulunur; varsayımı görünür kılmak ve onaylamak diyetisyenin işidir. Eşleştirme mantığını daha ayrıntılı ele alan standart tarifler ve yemek analizi yazısı, karışım yemeklerin hesaplanmasındaki genel kuralları anlatıyor.

Ev ölçüleri ve birim dönüşümü

Türk mutfağında tarifler nadiren gramla yazılır. "Bir çay bardağı zeytinyağı", "iki yemek kaşığı salça", "yumurta büyüklüğünde köfte" gibi ifadeler yapay zekâ tarafından kolayca ayrıştırılır; ama gram karşılığı besine göre değişir. Bir su bardağı süt ile bir su bardağı pirinç aynı hacmi kaplar, fakat ağırlıkları ve dolayısıyla besin değerleri farklıdır. Bu nedenle ölçü dönüşümü, besin kaydına bağlı yoğunluk ya da standart ağırlık bilgisiyle yapılmalıdır.

TÜBER ve Halk Sağlığı Genel Müdürlüğü (HSGM) kaynaklarındaki Türk ev ölçüleri bu konuda iyi bir başlangıçtır. Ölçülerin gram karşılıklarını besin gruplarına göre porsiyon ve ölçü birimleri rehberinde bulabilirsiniz. Yabancı tariflerde ise "cup", "tablespoon" ve "ounce" dönüşümlerine dikkat edin: ABD ölçüleri ile metrik ölçüler aynı değildir ve bir "cup" un, bir "cup" sudan belirgin biçimde hafiftir.

Pişirme kayıpları ve verim: çalışılmış örnek

Tarif analizinde en sık atlanan adım, pişmiş ağırlığın hesaba katılmamasıdır. Çorba, pilav veya haşlama gibi yemeklerde su buharlaşır; kızartmada ise besin yağ çeker. Toplam besin değeri aynı kalsa bile, 100 gram başına değer pişmiş ağırlığa göre değişir.

Dört kişilik bir mercimek çorbasını ele alalım (değerler örnek amaçlı ve yaklaşıktır):

Çorba pişip koyulaştıktan sonra tartıldığında 1.200 g geliyor. Buna göre:

• Verim faktörü = pişmiş ağırlık ÷ çiğ ağırlık = 1.200 ÷ 1.600 = 0,75
• 100 g çorbanın enerjisi = 990 ÷ 1.200 × 100 = yaklaşık 82,5 kcal
• 300 g'lık bir kase = yaklaşık 248 kcal

Aynı hesap çiğ ağırlık üzerinden yapılsaydı 100 g için 61,9 kcal, bir kase için yaklaşık 186 kcal bulunacaktı; yani enerji yaklaşık %25 düşük tahmin edilecekti. Yapay zekâ tarifteki "4 kişilik" ifadesini okuyup toplamı dörde bölebilir, ama danışanın gerçekte kaç gram yediğini bilemez. Pişmiş ağırlığı tartmak veya güvenilir bir verim faktörü kullanmak bu yüzden önemlidir.

Isıya duyarlı vitaminler (C vitamini, folat, tiamin) için ayrıca besin öğesi tutma (retansiyon) faktörleri devreye girer. USDA'nın besin tutma faktörleri tablosu bu hesaplamanın yaygın referansıdır; uygulamasını pişirme kayıpları ve retansiyon faktörleri yazısında ayrıntılı bulabilirsiniz.

Doğrulama için pratik kontrol listesi

Yapay zekâ destekli bir analizi raporlamadan önce birkaç dakikalık kontrol, hataların büyük kısmını yakalar:

• Malzeme sayısı orijinal tarifle aynı mı? Yağ, tuz, sos ve süsleme malzemeleri atlanmış mı?
• Her malzemenin durumu (çiğ, kuru, konserve, pişmiş) tarifle uyumlu mu?
• Ev ölçüleri besine özgü gram karşılığıyla mı çevrilmiş?
• Enerji makul bir aralıkta mı? Örneğin bir kase çorbanın 900 kcal çıkması bir eşleştirme hatasına işaret eder.
• Protein, yağ ve karbonhidratın enerjiye katkısı (4–9–4 kcal/g) toplam enerjiyle tutarlı mı?
• Porsiyon, danışanın gerçekten tükettiği miktara göre mi tanımlanmış?
• Çeviri yapılan tariflerde yöreye özgü malzeme doğru karşılıkla mı eşlenmiş (ör. "Quark" için lor veya süzme peynir seçimi)?

Bu kontrol mantığı, yapay zekâ çıktılarının genel doğrulama ilkeleriyle aynıdır. Yapay zekânın diyetisyen iş akışındaki diğer kullanım alanlarını yapay zekâ diyetisyenlikte nasıl kullanılır yazısı bütüncül bir çerçevede ele alıyor.

Standart tarifler ne zaman daha iyi bir seçim?

Her tarifi sıfırdan analiz etmek gerekmez. Danışan "kuru fasulye yedim" dediğinde, kendi tarifini bilmiyorsa standart bir tarif çoğu zaman ev yapımı bir tahminden daha tutarlı sonuç verir. Sağlık Bakanlığı HSGM'nin 2020 standart yemek tarifleri, toplu beslenme ve klinik uygulama için bu amaçla kullanılabilecek bir kaynaktır; nasıl kullanılacağını HSGM standart yemek tarifleri yazısında bulabilirsiniz.

Genel bir kural olarak:

• Standart tarif: Danışan yemeği tarif edemiyorsa, toplu beslenme menüsünde, hızlı besin tüketim kaydı değerlendirmesinde.
• Yapay zekâ ile içe aktarılan özel tarif: Danışanın kendi tarifi belirgin biçimde farklıysa (ör. çok daha az yağ), yabancı bir tarif uyarlanıyorsa, tarif menüde düzenli yer alacaksa.

EVA.Insight'ta yapay zekâ ile tarif analizi nasıl yapılır?

EVA.Insight'ta iki yol var. Birincisi, HSGM 2020 standart tariflerinden TürKomp'a eşlenmiş 433 Türk yemeği ve USDA FNDDS tarifleri arasından seçim yapmaktır. İkincisi "AI ile İçe Aktar" özelliğidir: herhangi bir dilde yapıştırdığınız tarif metni ayrıştırılır ve Türkçeye çevrilir; malzemeler 13 kaynaklı besin veritabanındaki kayıtlarla eşlenir. Siz eşleşmeleri ve gramajları kontrol edip düzeltirsiniz; çay bardağı, yemek kaşığı, kepçe gibi 35 ev ölçüsü birimi grama çevrilir. Kaydedilen tarif menü planlarına ve raporlara eklenebilir, öğün bazında glisemik indeks ve glisemik yük de hesaplanır. Yapay zekâ çağrıları Amazon Bedrock üzerinde Claude ile yapılır ve danışan kimliği gönderilmez. Adım adım kullanımı tarif besin değeri hesaplama rehberinde, genel özellik listesini özellikler sayfasında bulabilirsiniz.

Özet

• Yapay zekâ tarif analizinde en çok ayrıştırma ve çeviri adımında zaman kazandırır.
• Besin değerleri modelin tahmininden değil, besin kompozisyon veritabanından gelmelidir.
• En sık hatalar: belirsiz ölçü, yanlış besin durumu (çiğ/pişmiş), atlanan yağ ve pişmiş ağırlığın göz ardı edilmesi.
• Pişmiş ağırlık kullanılmadığında 100 g başına enerji %25 ve üzeri sapabilir.
• Son kontrol ve klinik yorum her zaman diyetisyendedir.