Une nouvelle application vocale peut aider à contrôler le poids
Un élément clé de la perte de poids est de compter chaque calorie consommée. Bien que la tâche semble facile, documenter toutes les calories devient une tâche difficile lorsque vous dînez au restaurant, grignotez sur le pouce ou même lorsque vous êtes assis pour un repas à la maison.
La technique nécessite cohérence et précision, et lorsqu'elle échoue, c'est généralement parce que les gens n'ont pas le temps ni les moyens de trouver et d'enregistrer toutes les informations dont ils ont besoin.
Maintenant, des chercheurs du Massachusetts Institute of Technology (MIT) ont développé une application qui permet aux gens de se connecter aux aliments et aux boissons qu'ils ont consommés à l'aide d'un système à commande vocale.
Le concept a fait surface il y a quelques années lorsqu'une équipe de nutritionnistes de l'Université Tufts a approché des chercheurs du MIT avec l'idée d'une application en langage parlé qui faciliterait l'enregistrement des repas.
Cette semaine, lors de la Conférence internationale sur l'acoustique, la parole et le traitement du signal à Shanghai, les chercheurs du MIT présentent leur prototype Web d'un système d'enregistrement nutritionnel à commande vocale.
Avec lui, l'utilisateur décrit verbalement le contenu d'un repas, et le système analyse la description et récupère automatiquement les données nutritionnelles pertinentes à partir d'une base de données en ligne maintenue par le département américain de l'agriculture (USDA).
Les données sont affichées avec des images des aliments correspondants et des menus déroulants qui permettent à l'utilisateur d'affiner leurs descriptions - en sélectionnant, par exemple, des quantités précises d'aliments. Mais ces améliorations peuvent également être apportées verbalement.
Un utilisateur qui commence par dire: «Pour le petit-déjeuner, j'ai pris un bol de flocons d'avoine, des bananes et un verre de jus d'orange» peut alors apporter la modification «J'ai eu une demi-banane» et le système mettra à jour les données qu'il affiche sur les bananes tout en laissant le reste inchangé.
«Ce que [les nutritionnistes de Tufts] ont constaté, c'est que les applications qui étaient là pour aider les gens à essayer de consigner les repas avaient tendance à être un peu fastidieuses, et par conséquent, les gens ne les suivaient pas», explique James Glass, chercheur principal .
«Ils cherchaient donc des moyens précis et faciles de saisir des informations.»
Le premier auteur du nouvel article est Mandy Korpusik, étudiante diplômée du MIT en génie électrique et informatique. Elle est accompagnée de Glass, qui est sa conseillère en thèse; son collègue étudiant diplômé Michael Price; et par Calvin Huang, chercheur de premier cycle dans le groupe Glass.
Dans l'article, les chercheurs rapportent les résultats d'expériences avec un système de reconnaissance vocale qu'ils ont développé spécifiquement pour gérer la terminologie liée à l'alimentation.
Cependant, ce n'était pas l'objectif principal de leur travail, car la démonstration en ligne de leur système d'enregistrement des repas utilise plutôt l'application gratuite de reconnaissance vocale de Google.
Leurs recherches se sont concentrées sur deux autres problèmes. La première consiste à identifier le rôle fonctionnel des mots: le système doit reconnaître que si l’utilisateur enregistre l’expression «bol de flocons d’avoine», les informations nutritionnelles sur les flocons d’avoine sont pertinentes, mais si l’expression est «biscuit à l’avoine», ce n’est pas le cas.
L’autre problème est de réconcilier le libellé de l’utilisateur avec les entrées de la base de données USDA. Par exemple, les données de l'USDA sur l'avoine sont enregistrées sous la rubrique «avoine»; le mot «gruau» n'apparaît nulle part dans l'entrée.
Pour résoudre le premier problème, les chercheurs ont utilisé l'apprentissage automatique.
Grâce à la plate-forme de crowdsourcing Amazon Mechanical Turk, ils ont recruté des travailleurs qui ont simplement décrit ce qu'ils avaient mangé lors de repas récents. Ils ont ensuite étiqueté les mots pertinents dans la description comme des noms d'aliments, des quantités, des noms de marque ou des modificateurs des noms d'aliments.
Dans «bol de flocons d'avoine», «bol» est une quantité et «gruau» est un aliment, mais dans «biscuit à l'avoine», le gruau est un modificateur.
Une fois qu'ils ont eu environ 10 000 descriptions de repas étiquetées, les chercheurs ont utilisé des algorithmes d'apprentissage automatique pour trouver des modèles dans les relations syntaxiques entre les mots qui permettraient d'identifier leurs rôles fonctionnels.
Les chercheurs ont ensuite utilisé une base de données open source appelée Freebase pour traduire les descriptions des utilisateurs et les étiquettes de la base de données USDA. La base de données elle-même contient des entrées sur plus de 8 000 produits alimentaires courants, dont beaucoup contiennent des synonymes.
Là où les synonymes faisaient défaut, ils ont de nouveau recruté des ouvriers de Mechanical Turk pour les fournir.
La version du système présentée à la conférence vise principalement à démontrer la viabilité de son approche du traitement du langage naturel. Le système rapporte le nombre de calories mais ne les totalise pas encore automatiquement.
Cependant, une version qui fonctionne est en cours d’élaboration et, une fois achevée, les chercheurs de Tufts prévoient de mener une étude sur les utilisateurs pour déterminer si cela facilite effectivement l’enregistrement nutritionnel.
Source: MIT
