AI 能从照片数出热量吗？
TL;DR
照片估算热量的工作方式是：识别食物，然后推断分量。识别是强的那一半；分量推断是弱的那一半，因为一张平面图片几乎不携带关于深度的信息，也不携带关于某样东西是用多少油炒出来的信息。请把输出当作一个有依据的估算，需要你复核和修正——这正是 GO AI Calorie 在记录之前先把结果给你看的原因。作为一件看趋势的仪器，它是真的有用；作为一次测量，它不是。
你拍下一盘菜时，实际发生了什么
两件独立的工作，成功率差别很大：
- 识别。模型判断自己在看什么——烤鸡胸、茉莉香米饭、一份加了酱汁的青蔬沙拉。现代视觉模型很擅长这个。这一半很少出丑。
- 估量。然后它估算有多少。这是从视觉线索——盘子大小、看上去的体积、常见的分量惯例——做出的推断，而这确实很难，因为照片里根本不含这些信息。
关于拍照记录，所有值得知道的事情，都从这个不对称里推出来。
让它失灵的四件事
- 看不见的油脂。最大的单一误差来源。两块看起来一模一样的鸡胸，可能因为下锅时放了多少油或黄油而相差很多。照片里没有任何东西能透露它。
- 深度。照片是平的。一浅碗米饭和一深碗米饭从上面看几乎一模一样，而那个差别是实实在在的食物。
- 混合菜式。炖菜、咖喱、砂锅、三明治——模型只能估算它看得见的东西，而这些菜式的要点恰恰是内容都在里面。
- 包装食品。拍一张包装袋去猜里面是什么，是用错了工具。扫条码：那条路返回的是厂商自己的数字，而不是一次推断。
它真正擅长的地方
盘子上成分可见的天然食物——烤好的蛋白质、一份主食、蔬菜。熟悉的餐厅套路。任何分量属于可辨认的惯例而不是靠猜的场合。而最重要的是相对比较：今天是不是比昨天吃得多、你的午餐是不是普遍偏高、蛋白质是不是在你以为的位置。趋势能扛住一个一致的误差；绝对值扛不住。
怎么拍能得到更好的答案
- 大约 45 度角拍，不要正上方俯拍。深度就可见了，分量估算随之改善。
- 给它一个尺度参照。画面里有一把叉子、一只标准盘子、一个普通马克杯，就能锚定尺寸。把食物贴着素净台面近距离裁切，等于抹掉了所有线索。
- 吃之前拍。一盘吃了一半的菜，等于要求模型去还原已经不见的部分。
- 能分开就把各部分分开。盘子上三样能区分的东西，比一堆混在一起估得更准。
- 把藏起来的说出来。「用了两汤匙橄榄油炒的」「叶子下面有羊乳酪」——一句文字，正好补上照片显示不了的那件事。
- 包装食品一律扫条码。
和其他方法的坦白对比
| 方法 | 准确度 | 你会一直做下去吗？ |
|---|---|---|
| 每样配料都称重 | 最高 | 很少有人，而且坚持不久 |
| 扫包装食品的条码 | 高 | 会——它很快 |
| 照片估算 | 中等，经复核后提升 | 会——它是阻力最小的选项 |
| 手动在食物数据库里搜 | 中等——条目质量参差 | 有时候；比较烦 |
| 用眼睛估 | 低，而且系统性偏低 | 会，但它什么也教不了你 |
有用的提问方式不是「AI 够不够准」，而是「和什么相比够不够准」。手动记录同样是估算，餐厅菜单同样是估算，包装标签本身也带着法定容差。照片记录只是加入了一片近似值的战场——它的优势在于，它是人们真的能坚持下来的那一个。
我们会怎么用它
拍照，扫一眼结果，把你确知不对的那一处改掉（通常是烹饪油脂或分量），记录。包装的一律扫条码。然后彻底忽略单独的某一天，去读那两周——这和 热量缺口讲清楚 里的建议一样，理由也一样。
常见问题
从照片数热量准吗？
对趋势有用，不能当测量。识别强；分量是从不含证据的图片里推断的。记录前复核并修正。
什么会让它失灵？
看不见的烹饪油脂、平面照片显示不出的深度、藏起内容的混合菜式，以及包装食品——扫条码。
怎么拍更好？
45 度而非俯拍，画面里放个熟悉物件做参照，吃前拍，分开各部分，藏起来的加一句说明。
比称重更好吗？
称重更准；拍照更可能被坚持。你能坚持的方法胜过你会放弃的精确方法。