Neue Sprach-App kann zur Gewichtskontrolle beitragen

Ein Hauptmieter des Gewichtsverlusts ist es, jede verbrauchte Kalorie zu zählen. Während die Aufgabe einfach klingt, wird das Dokumentieren aller Kalorien zu einer schwierigen Aufgabe, wenn Sie in einem Restaurant speisen, unterwegs eine Kleinigkeit essen oder sich sogar zu Hause zum Essen hinsetzen.

Die Technik erfordert Konsistenz und Genauigkeit. Wenn sie fehlschlägt, liegt dies normalerweise daran, dass die Benutzer nicht über die Zeit oder die Mittel verfügen, um alle benötigten Informationen zu finden und aufzuzeichnen.

Jetzt haben Forscher vom Massachusetts Institute of Technology (MIT) eine App entwickelt, mit der sich die von ihnen konsumierten Speisen und Getränke mithilfe eines sprachgesteuerten Systems anmelden können.

Das Konzept tauchte vor einigen Jahren auf, als sich ein Team von Ernährungswissenschaftlern der Tufts University mit der Idee einer Anwendung in gesprochener Sprache an MIT-Forscher wandte, die die Protokollierung von Mahlzeiten vereinfachen würde.

Diese Woche präsentieren die MIT-Forscher auf der Internationalen Konferenz für Akustik, Sprache und Signalverarbeitung in Shanghai ihren webbasierten Prototyp eines sprachgesteuerten Ernährungsprotokollierungssystems.

Damit beschreibt der Benutzer mündlich den Inhalt einer Mahlzeit, und das System analysiert die Beschreibung und ruft die relevanten Nährwertdaten automatisch aus einer Online-Datenbank ab, die vom US-Landwirtschaftsministerium (USDA) verwaltet wird.

Die Daten werden zusammen mit Bildern der entsprechenden Lebensmittel und Pulldown-Menüs angezeigt, mit denen der Benutzer seine Beschreibungen verfeinern kann, indem er beispielsweise genaue Lebensmittelmengen auswählt. Diese Verfeinerungen können aber auch mündlich vorgenommen werden.

Ein Benutzer, der zunächst sagt: „Zum Frühstück hatte ich eine Schüssel Haferflocken, Bananen und ein Glas Orangensaft“, kann dann die Änderung „Ich hatte eine halbe Banane“ vornehmen und das System aktualisiert die angezeigten Daten über Bananen, während der Rest unverändert bleibt.

"Was [die Tufts-Ernährungswissenschaftler] erlebt haben, ist, dass die Apps, die es gab, um Menschen beim Versuch zu helfen, Mahlzeiten zu protokollieren, etwas mühsam waren, und deshalb haben die Leute nicht mit ihnen Schritt gehalten", sagt James Glass, ein leitender Forscher .

"Also suchten sie nach Wegen, die genau und einfach waren, Informationen einzugeben."

Die erste Autorin des neuen Papiers ist Mandy Korpusik, eine MIT-Doktorandin in Elektrotechnik und Informatik. Zu ihr gesellt sich Glass, der ihr Berater für Abschlussarbeiten ist. ihr Kommilitone Michael Price; und von Calvin Huang, einem Bachelor-Forscher in Glass 'Gruppe.

In der Arbeit berichten die Forscher über die Ergebnisse von Experimenten mit einem Spracherkennungssystem, das sie speziell für den Umgang mit lebensmittelbezogenen Begriffen entwickelt haben.

Dies war jedoch nicht das Hauptaugenmerk ihrer Arbeit, da die Online-Demo ihres Protokollierungssystems für Mahlzeiten stattdessen die kostenlose Spracherkennungs-App von Google verwendet.

Ihre Forschung konzentrierte sich auf zwei andere Probleme. Eine davon ist die Identifizierung der funktionalen Rolle von Wörtern: Das System muss erkennen, dass, wenn der Benutzer den Ausdruck "Schüssel Haferflocken" aufzeichnet, Nährwertinformationen zu Haferflocken relevant sind, der Ausdruck "Haferflocken-Keks" jedoch nicht.

Das andere Problem besteht darin, die Phrasierung des Benutzers mit den Einträgen in der USDA-Datenbank abzustimmen. Beispielsweise werden die USDA-Daten zu Haferflocken unter der Überschrift „Hafer“ erfasst. Das Wort „Haferflocken“ taucht nirgends im Eintrag auf.

Um das erste Problem anzugehen, verwendeten die Forscher maschinelles Lernen.

Über die Crowdsourcing-Plattform von Amazon Mechanical Turk rekrutierten sie Mitarbeiter, die einfach beschrieben, was sie bei den letzten Mahlzeiten gegessen hatten. Anschließend haben sie die entsprechenden Wörter in der Beschreibung als Namen von Lebensmitteln, Mengen, Markennamen oder Modifikatoren der Lebensmittelnamen bezeichnet.

In "Schüssel Haferflocken" ist "Schüssel" eine Menge und "Haferflocken" ist ein Lebensmittel, aber in "Haferkeks" ist Haferflocken ein Modifikator.

Sobald sie ungefähr 10.000 beschriftete Essensbeschreibungen hatten, verwendeten die Forscher Algorithmen für maschinelles Lernen, um Muster in den syntaktischen Beziehungen zwischen Wörtern zu finden, die ihre funktionalen Rollen identifizieren würden.

Die Forscher verwendeten dann eine Open-Source-Datenbank namens Freebase, um zwischen den Beschreibungen der Benutzer und den Bezeichnungen in der USDA-Datenbank zu übersetzen. Die Datenbank selbst enthält Einträge zu mehr als 8.000 gängigen Lebensmitteln, von denen viele Synonyme enthalten.

Wo Synonyme fehlten, rekrutierten sie erneut Mechanical Turk-Arbeiter, um sie zu versorgen.

Die auf der Konferenz vorgestellte Version des Systems soll in erster Linie die Realisierbarkeit seines Ansatzes für die Verarbeitung natürlicher Sprache demonstrieren. Das System meldet Kalorienzählungen, summiert sie jedoch noch nicht automatisch.

Eine Version, die dies tut, ist jedoch in Arbeit. Wenn sie fertig ist, planen die Tufts-Forscher, eine Benutzerstudie durchzuführen, um festzustellen, ob dies tatsächlich die Protokollierung der Ernährung erleichtert.

Quelle: MIT