Yapay Zekâ ile Kalori Hesaplama Ne Kadar Doğru?

DietX ekibi · Güncelleme: 4 Kasım 2026 · 7 dk okuma

Yapay zekâ ile kalori hesaplama ne kadar doğru? Kısmen doğru: yemeği tanımada iyi, porsiyonu tahmin etmede daha zayıf; yemeğe konan sıvı yağ gibi gizli malzemeleri ise göremiyor. Dayandığımız araştırmalar arasında piyasadaki kalori uygulamalarını karşılaştıran bağımsız bir test yok. Bu yüzden hangi uygulamanın en doğru sonucu verdiğini ya da güvenilir tek bir yüzdeyi kimse dürüstçe söyleyemez.

Bu bizim için de geçerli. Kaloriyi fotoğraftan tahmin eden DietX'i biz geliştiriyoruz ve onun için de elimizde bir doğruluk oranı yok. App Store sayfasında da tahminlerin değişebileceği yazıyor. Kanıtların ne gösterdiğini ve sizin neler yapabileceğinizi aşağıda bulabilirsiniz.

Yapay zekâ kalori sayaçlarının doğruluğu hakkında çalışmalar ne diyor?

Göz atmaya değer beş makale var. Hiçbiri piyasadaki uygulamaları karşılaştırmıyor, hiçbiri DietX'i test etmiyor. Yani indirebileceğiniz bir üründen çok teknolojinin kendisi hakkında bilgi veriyorlar.

Yiyeceği tanıma bu işin güçlü tarafı. 2024 derlemesine göre porsiyon tahmininde ilerleme var, ama ChatGPT çalışmasının takıldığı yer de burasıydı; 2025 doğrulaması da doğruluğun porsiyona bağlı olduğunu belirtiyor. ChatGPT çalışmasındaki düşük tahmin eğilimi, kilo vermeye çalışan biri için en istenmeyen sapma. Her uygulamada aynı eğilim olduğunu söyleyemeyiz, çünkü bu kaynakların hiçbiri uygulamaları birbiriyle karşılaştırmıyor.

Yapay zekâ ile kayıt için genel bir hata yüzdesi vermiyoruz. Tek bir modelin ve tek bir yemek setinin sonucu, telefonunuzdaki uygulama için geçerli olmaz.

Kalori hesaplama uygulamaları diğer yöntemlere göre ne kadar doğru?

Kesin olmayan tek yöntem yapay zekâ değil. Neyle kıyasladığınızı bilmek işe yarar.

• Yemeği tartmak. 2025 doğrulaması yapay zekâyı tartılmış yemek kayıtlarıyla karşılaştırdı. Mutfak terazisi, evde çoğu insanın elindeki en güvenilir araç, ama en çok emek isteyen de o.
• Besin etiketleri. ABD kurallarına göre kalori, etikette yazandan yüzde 20'den fazla yüksekse ürün yanlış etiketlenmiş sayılır. Yani etiket hatalı olsa bile yasal sınırlar içinde kalabilir.
• Restoran menüleri. 269 restoran yemeğinde belirtilen kaloriler genel olarak doğruydu, porsiyon başına ortalama fark 10 kcal'di. Ancak yemeklerin %19'unda porsiyon başına belirtilenden en az 100 kcal fazla vardı.
• Kendi hafızanız. 10 yetişkinle yapılan küçük bir çalışmada, kendini diyete dirençli olarak tanımlayan katılımcılar yediklerini %47 eksik bildirdi. Bu özel bir grup, o yüzden herkes için geçerli saymayın. Yine de insanın kendi beyanının ne kadar sapabileceğini gösteriyor.

Bunların hiçbiri yapay zekâyı temize çıkarmıyor. Fotoğraf tahmini, zaten yaklaşık olan besin verisinin üstüne bir de porsiyon tahmini ekler ve 2020 derlemesi daha az zahmetli yöntemlerin daha az doğru olduğunu buldu. Fotoğraf çekmek kolaydır, ama bu kolaylığın bedeli hassasiyettir. Bir sayının gerçekten doğru olması gerekiyorsa yemeği tartın.

Uygulama sitelerindeki doğruluk yüzdeleri ne ifade ediyor?

Bazı kalori uygulamaları reklamlarında doğruluk yüzdesi kullanır. Bu rakamlar üreticilerin kendi verileri; kullandığımız kaynakların hiçbiri onları bağımsız olarak doğrulamıyor. Böyle bir rakama güvenmeden önce şunları sorun:

• Testi kim yaptı ve nasıl yapıldığını okuyabiliyor musunuz?
• Neyle karşılaştırıldı? Tartılmış yemekle karşılaştırma anlamlıdır, başka bir uygulamanın verdiği sayıyla karşılaştırma çok daha az anlam taşır.
• Yüzde neyi ölçüyor? Yemeğin adını doğru koymak ile kaloriyi doğru bulmak aynı şey değil.
• Hangi yemekler kullanıldı? Beyaz tabaktaki tek bir yiyeceği tahmin etmek, güveçten çok daha kolaydır.

DietX için bu soruları yanıtlayamıyoruz, çünkü elimizde bir kıyas yok. Bu yüzden rakam vermiyoruz.

Hatalar en çok nerede sorun olur?

Hatalar üst üste biner. USDA değerleriyle bir örnek: tahmin tavuğu ve brokoliyi doğru bulsun, pilavı 50 g eksik okusun ve yemeğe konan yağı kaçırsın. Bu hesabı kendimiz yaptık, işin içinde hiçbir uygulama yok.

Bu tahmin 185 kcal, yani yaklaşık %28 düşük. Günde böyle iki öğün, yaklaşık 370 kcal'lik yemeğin kayda geçmemesi anlamına gelir. Bu da ılımlı bir kalori açığını siz fark etmeden ortadan kaldırabilir.

Hatalar en çok şu durumlarda zarar verir:

• Büyük porsiyonlar. ChatGPT çalışmasında zayıf nokta buydu.
• Kalorisi yüksek yiyecekler. Bademde 50 g yanılırsanız sonuç yaklaşık 299 kcal sapar. Aynı hata haşlanmış brokolide yaklaşık 18 kcal tutar (USDA).
• Karışık yemekler. Güveç, körili yemek ve fırın yemeklerinde malzemeler görünmez, doğruluk ise yemeğin görünür olmasına bağlı.
• Tıbbi ihtiyaçlar. Bir sağlık sorununu beslenmeyle ya da ilaçla yönetiyorsanız kararlarınızı bir uygulama tahminine dayandırmayın. DietX'in sayfasında da tıbbi cihaz olmadığı açıkça yazıyor, yukarıdaki çalışmalar da uzmanların sürecin içinde kalmasını istiyor. Doktorunuzla ya da diyetisyeninizle konuşun.

Yapay zekâ kalori tahminleri nasıl daha doğru olur?

1. Net bir fotoğraf çekin. Yemek görünür ve iyi aydınlatılmış olsun. Fotoğraftan kalori hesaplama rehberimizde açılar ve ölçek anlatılıyor.
2. Sonucu düzeltin. Uygulama doğrulamasında kullanıcılar sonucu düzeltince sonuçlar iyileşti. Önce porsiyonlara bakın.
3. Gizli yağı kendiniz ekleyin. Bir yemek kaşığı zeytinyağı yaklaşık 13,5 g gelir, bu da yaklaşık 120 kcal eder.
4. Bir iki hafta kalorisi yüksek yiyecekleri tartın. Yağ, kuruyemiş, peynir, pirinç ve makarna iyi bir başlangıçtır. Her zamanki porsiyonunuzun gözle nasıl göründüğünü öğrenir, tahminin ne zaman saptığını fark edersiniz.
5. Paketli ürünlerde etiketi kullanın. Barkod ya da etiket, yiyeceğin ne olduğu konusundaki belirsizliği ortadan kaldırır, ama miktarı doğru girmek yine size düşer.
6. Uygulamanızı birkaç tartılmış öğünle sınayın. Bir öğünü tartın, kalorisini etiketlerden ya da USDA değerlerinden hesaplayın, sonra uygulamanın tahminiyle karşılaştırın. Birkaç öğün size bir yüzde vermez, ama uygulamanın sizin yediğiniz yemeklerde fazla mı az mı hesapladığını gösterebilir. Yapay zekâ kalori sayacı uygulamaları rehberimizde bir uygulamayı nasıl değerlendireceğinizi daha ayrıntılı anlatıyoruz.

Birçok hatanın yapay zekâyla ilgisi yok, o yüzden kalori takibinde sık yapılan hatalara da göz atın.

Kusursuz sayıdan çok düzenli takip neden önemli?

Bu sınırlar varken yapay zekâ tahmini işe yarar mı? Birçok insan için yarar, yeter ki kayıt tutmayı sürdürsünler ve kaydı gerçek sonuçlarla karşılaştırsınlar.

22 çalışmayı kapsayan bir derleme, kendini izlemeyle (yediklerinizi ve yaptıklarınızı kaydetmekle) kilo kaybı arasında tutarlı bir ilişki buldu, ancak yöntemlerdeki sınırlılıklar yüzünden kanıt düzeyi zayıf olarak değerlendirildi. 142 yetişkinle yapılan bir çalışmada daha sık kayıt tutanlar daha fazla kilo verdi: en az %10 kilo verenler günde 2,7 kez kayıt girdi, karşılaştırma grubunda bu sayı 1,7'ydi. Bunlar bir ilişkiyi gösteriyor, kayıt tutmanın kilo kaybına yol açtığını kanıtlamıyor. Sonuçlar kişiden kişiye de değişir.

Kusurlu bir kayıt yine de işe yarar, çünkü kilo eğiliminize bakarak onu sınayabilirsiniz. Kayıtlarınız koruma kalorisinin, yani kilonuzun sabit kaldığı düzeyin altında yediğinizi gösteriyorsa ve haftalık ortalama kilonuz birkaç haftadır değişmediyse, kayıtlarınız eksik olabilir ya da hedefiniz fazla yüksek olabilir. Önce neyin eksik olduğuna bakın. Tutarlı bir hatayı düzeltmek, rastgele bir hatayı düzeltmekten kolaydır. Düzenli kayıt bir sayıyı doğru yapmaz, ama bir haftayı ötekiyle karşılaştırmanızı sağlar.

Kayıtlar ne gösterirse göstersin, buna yediklerinizi sert biçimde kısarak tepki vermeyin. Hamileyseniz ya da bir sağlık sorununuz varsa hedeflerinizi bir uzmanla konuşun.

Yapay zekâ tahmini ne zaman yeterli, ne zaman değil?

Yapay zekâ tahmini genellikle ne yediğinizi öğrenmek ve birkaç haftalık kilo eğilimini izlemek için yeterlidir; yoğun günlerde de hiç kayıt tutmamaktan iyidir.

Tıbbi kararlar ya da kesin besin değeri gerektiren işler için yeterli değildir. ChatGPT çalışmasının zayıf bulduğu nokta da tam olarak bu.

DietX için de aynı sınırlar geçerli. Kalori, protein, karbonhidrat ve yağı tahmin eder, kaydetmeden önce her kalemi düzenleyebilirsiniz. Diğer uygulamalardan daha iyi olduğunu gösteren bir verimiz yok, o yüzden böyle bir iddiada bulunmuyoruz.

Sık sorulan sorular

Kaynaklar

1. DietX on the App Store
2. An evaluation of ChatGPT for nutrient content estimation from meal photographs (2025), Nutrients
3. Nutrient and food group prediction by image recognition in a smartphone app (2022), JMIR Form Res
4. Review of the validity and feasibility of image-assisted methods for dietary assessment (2020), Int J Obes
5. Advancements in using AI for dietary assessment based on food images (2024), J Med Internet Res
6. Customized multimodal GPT-4o and image-based dietary assessment against weighed food records (2025), Am J Clin Nutr
7. US Code of Federal Regulations: 21 CFR 101.9, nutrition labeling
8. Urban et al. (2011), JAMA: Accuracy of stated energy contents of restaurant foods
9. Lichtman et al. (1992), N Engl J Med: Self-reported and actual caloric intake and exercise
10. USDA FoodData Central (SR Legacy)
11. Burke et al. (2011), J Am Diet Assoc: Self-monitoring in weight loss, a systematic review
12. Harvey et al. (2019), Obesity: Log Often, Lose More

Genel bilgilendirme amaçlıdır, tıbbi tavsiye değildir. Beslenmenizi değiştirmeden önce, özellikle hamileyseniz, 18 yaşından küçükseniz veya bir sağlık sorununuz varsa doktorunuza ya da diyetisyeninize danışın. Yemek takibi sizi kaygılandırıyorsa veya geçmişte yeme bozukluğu yaşadıysanız kalori saymayın ve bir uzmandan destek alın.