Современные мультимодальные модели (VLM) застряли в «семантико-физическом разрыве», который делает их интеграцию в реальную медицину авантюрой с высоким риском. Пока лидеры рынка вроде GPT-4o или Gemini 1.5 Pro с почти человеческой точностью узнают блюда на тарелке, они фатально ошибаются в оценке их массы и состава. Исследование специалистов Северо-Восточного университета в Циньхуандао выявило «системную информационную асимметрию»: умение приклеить ярлык к картинке никак не коррелирует с пониманием того, как этот обед ударит по здоровью пользователя.

Разработанный авторами бенчмарк OmniFood-Bench уводит индустрию от примитивной классификации изображений к жесткому тестированию логики нутрициологии. Оценка идет по трем уровням:

Базовое восприятие (распознавание продуктов);

Количественные расчеты порций (оценка массы и калорийности);

Безопасность медицинских советов (соответствие клиническим протоколам).

Цифры фиксируют опасный тренд на галлюцинации. Модели с поразительной уверенностью выдают «безобидные» рекомендации диабетикам там, где еда гарантированно вызовет гипергликемический криз.

Исследователи отмечают: VLM может красноречиво расписать текстуру соуса, но напрочь проигнорировать скрытые риски. Это доказывает, что одних визуальных сигналов недостаточно для автономного медицинского контроля.

Для FoodTech-бизнеса это сигнал к пересмотру стратегий: ваши ИИ-агенты сейчас разбираются в фуд-фотографии лучше, чем в биохимии. Прежде чем внедрять эти решения в клиническую практику или потребительские сервисы, придется решить проблему выстраивания логических цепочек (Reasoning) — от плоских пикселей до физической массы и жестких медицинских протоколов. Пока же «ИИ-диетолог» остается лишь эффектным прототипом с огромным грузом юридической ответственности.

Главные выводы исследования:

Распознавание объекта не означает понимание его нутритивного профиля.

Оценка веса блюда по фото остается ахиллесовой пятой крупнейших мультимодальных моделей.

ИИ склонен давать опасные советы при хронических заболеваниях, игнорируя медицинские противопоказания.

Компьютерное зрениеИИ в здравоохраненииБезопасность ИИИИ-агентыOmniFood-Bench