ایران پرسمان - ایسنا / گروهی از پژوهشگران آمریکایی، پتانسیل استفاده از هوش مصنوعی را برای ساده‌سازی تحقیقات درباره خطر چاقی در کودکان نشان داده‌اند و معتقدند که شمارش لقمه‌ها با هوش مصنوعی ممکن است روزی به جلوگیری از چاقی کودکان کمک کند.
پژوهشگران «دانشگاه ایالتی پنسیلوانیا»(Penn State) می‌گویند هر چه کودک در طول وعده غذایی یا میان وعده سریع‌تر لقمه بگیرد، خطر ابتلا به چاقی در او بیشتر است، اما تحقیقات درباره این ارتباط اغلب به پژوهش‌های کوچک در محیط‌های آزمایشگاهی محدود می‌شوند؛ زیرا شمارش تعداد لقمه‌های کودک دشوار است و برای این کار باید کسی فیلم‌های غذا خوردن کودک را تماشا کند و هر لقمه را به صورت دستی ثبت کند.
بازار ![]()
به نقل از وب‌سایت رسمی دانشگاه ایالتی پنسیلوانیا، برای این که شمارش تعداد لقمه‌ها برای پژوهش‌های بزرگتر و محیط‌های گوناگون امکان‌پذیر شود، پژوهشگران یک مدل هوش مصنوعی را ابداع کردند که تعداد لقمه‌ها را اندازه‌گیری می‌کند.
«کاتلین کلر»(Kathleen Keller)، استاد دانشگاه ایالتی پنسیلوانیا و از پژوهشگران این پروژه گفت: وقتی سریع غذا می‌خوریم، به دستگاه گوارش خود فرصت نمی‌دهیم تا کالری‌ها را حس کند. هر چه سریع‌تر غذا بخورید، غذا سریع‌تر از معده شما عبور می‌کند و بدن نمی‌تواند به موقع هورمون‌ها را آزاد کند تا به شما اطلاع دهد که سیر شده‌اید. ممکن است بعداً احساس کنید که پرخوری کرده‌اید، اما وقتی این رفتار تکرار می‌شود، افرادی که سریع‌تر غذا می‌خورند، بیشتر در معرض خطر ابتلا به چاقی قرار می‌گیرند.
پژوهش پیشین گروه کلر نشان داد که سرعت بیشتر لقمه گرفتن به‌ویژه وقتی با اندازه بزرگتر لقمه همراه باشد، با میزان چاقی بالاتر در کودکان مرتبط است. همچنین، پژوهش‌های دیگر نشان داده‌اند که اندازه بزرگتر لقمه ممکن است یک عامل خطر برای خفگی باشد.
برای برطرف کردن این مشکل، «یاشاسوینی بهات»(Yashaswini Bhat)، دانشجوی مقطع دکتری دانشگاه ایالتی پنسیلوانیا و پژوهشگر ارشد این پروژه تصمیم گرفت اولین هوش مصنوعی شمارش‌کننده لقمه را برای استفاده در مطالعات رفتارهای غذایی کودکان ابداع کند.
بهات با «تیموتی بریک»(Timothy Brick)، دانشیار توسعه انسانی و مطالعات خانواده در دانشگاه ایالتی پنسیلوانیا همکاری کرد تا سیستمی بسازد که بتواند چهره کودکان را در یک ویدئو با حضور چندین نفر شناسایی کند و سپس هنگام غذا خوردن کودک، لقمه‌ها را تشخیص دهد.
به گفته بهات، این سیستم هنوز برای استفاده گسترده آماده نیست. نتایج نشان داد که این مدل تقریباً 97 درصد و به اندازه یک انسان در شناسایی چهره کودک در ویدئو موفق بوده، اما در شناسایی هر لقمه حدود 70 درصد موفقیت داشته است.
اگرچه این مدل به توسعه بیشتری نیاز دارد، اما پژوهشگران گفتند که مدل هوش مصنوعی آنها نویدبخش کمک به پژوهشگران و در نهایت والدین و متخصصان سلامت است تا تشخیص دهند چه زمانی کودکان به کاهش یا تنظیم روش‌های غذا خوردن خود نیاز دارند.
این پژوهش در مجله «Frontiers in Nutrition» به چاپ رسید.