🤖 AI

Statistically Supported LLM Ingredient and Recipe Data Collection in Computational Nutrition

Dit artikel introduceert een kwaliteitsgecontroleerde pijplijn die gebruikmaakt van statistische schatting, invariante controles en web-gebaseerde reparatie om onbetrouwbare LLM-outputs te transformeren naar precieze, consistente ingrediëntgegevens voor computationele voeding, waarbij de fouten in nutriëntenratio's aanzienlijk worden verminderd en onzekerheid wordt geoperationaliseerd.

Oorspronkelijke auteurs: James Izzard, Hassan Eshkiki, Fabio Caraffini

Gepubliceerd 2026-07-28

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: James Izzard, Hassan Eshkiki, Fabio Caraffini

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een gigantische, superintelligente keukenrobot probeert te bouwen die perfecte maaltijden kan plannen voor miljoenen mensen. Hiervoor heeft de robot een enorme bibliotheek aan feiten nodig over elk ingrediënt ter wereld: hoeveel eiwitten er in een specifieke soort appel zitten, of een bepaalde kaas halal is, of exact hoeveel suiker er in een sneetje brood zit. Dit vakgebied wordt computationele voeding genoemd, en het is alsof je probeert een recept voor de toekomst te schrijven, maar je kunt het recept niet schrijven als je niet weet wat de ingrediënten eigenlijk zijn.

Het probleem is dat de bestaande bibliotheken met voedingsfeiten rommelig zijn. Ze zitten vol gaten, spreken elkaar soms tegen en zijn geschreven voor mensen om te lezen, niet voor computers om berekeningen mee te maken. Hier komen Large Language Models (LLMs) om de hoek kijken. Zie deze als ongelooflijk goed geïnformeerde digitale chefs die bijna elk kookboek op het internet hebben gelezen. Ze weten veel, maar ze hebben een slechte gewoonte: soms verzinnen ze met veel zelfvertrouwen dingen. Als je een digitale chef vraagt: "Hoeveel vet zit hierin?" en hij raadt het fout, dan wordt dat foute getal in de hersenen van de robot gebakken, wat alle volgende maaltijdplannen verpest die hij maakt. De grote vraag die wetenschappers stellen is: kunnen we deze praatgrage, soms zelfverzekerde maar onjuiste digitale chefs gebruiken om een perfecte voedingsbibliotheek te bouwen zonder dat ze de wiskunde verpesten?

Dit artikel, geschreven door James Izzard en zijn team aan de Swansea University, zegt: "Ja, maar niet door ze slechts één keer iets te vragen." Ze stellen een slimme, meerstaps pijplijn voor die de AI behandelt als een student die getest, gecontroleerd en gecorrigeerd moet worden voordat hun antwoorden worden geaccepteerd. In plaats van een enkel antwoord te vertrouwen, vragen ze de AI dezelfde vraag vele malen. Als de AI elke keer een ander antwoord geeft, weet het systeem dat het wantrouwig moet zijn. Als de antwoorden allemaal hetzelfde zijn, voelt het systeem zich zekerder. Maar zelfs dan stoppen ze niet. Ze hebben een "fact-checker"-laag die naar de antwoorden kijkt en vraagt: "Klopt dit wel?" Bijvoorbeeld, als de AI zegt dat een voedselproduct 100 gram vet bevat maar 0 gram totaal vet, weet het systeem dat dit onmogelijk is en stuurt het de AI terug voor een nieuwe poging.

Het team testte deze methode op een kleine set van 30 ingrediënten en vergeleek hun hoogtechnologische pijplijn met een "naïeve" aanpak waarbij je de AI simpelweg één keer iets vraagt en het beste maar afwacht. De resultaten waren indrukwekkend. Voor de lastige getallen, zoals nutriëntenverhoudingen, zat de eenvoudige "vraag één keer"-methode er gemiddeld 31,9% naast. De nieuwe pijplijn, met al zijn controles en evenwichtsberekeningen, bracht die fout terug naar slechts 10,1%. Dat is een enorme verbetering; het verlaagde de foutmarge met bijna 22 procentpunten. De kosten? Ongeveer $1 per ingrediënt om de controles uit te voeren, wat volgens de auteurs een eerlijke prijs is om betrouwbare databases te bouwen die later voor duizenden recepten gebruikt kunnen worden.

De auteurs zijn echter voorzichtig met de bewering dat ze het probleem van perfecte voedingsdata hebben "opgelost". Ze ontdekten dat voor eenvoudige ja-of-nee-vragen (zoals "is dit alcoholvrij?") de AI al behoorlijk goed was, waardoor de fancy pijplijn niet veel extra waarde toevoegde. Ze merkten ook op dat voor zeer algemene zaken zoals water of eiwitten, één enkele vraag vaak voldoende was. De echte magie gebeurde bij de rommelige, moeilijk te vinden getallen. De auteurs suggereren dat hoewel hun methode de data veel betrouwbaarder maakt, het niet garandeert dat elk cijfer 100% waar is, vooral voor zeldzame ingrediënten waar zelfs menselijke experts het oneens kunnen zijn.

Het artikel keek ook naar hoeveel unieke ingrediënten je daadwerkelijk nodig hebt naarmate je meer recepten aan je database toevoegt. Gebruikmakend van een wiskundige regel genaamd Wet van Heaps (wat zoiets is als beseffen dat nadat je de woorden "zout", "peper" en "ui" hebt geleerd, elke nieuwe receptuur die je leest, minder nieuwe woorden aan je vocabulaire toevoegt), vonden ze dat de arbeid "front-loaded" is. De eerste 100 recepten introduceren een enorm aantal nieuwe ingrediënten, maar tegen de tijd dat je bij 5.000 recepten bent, hergebruik je voornamelijk de oude ingrediënten. Dit betekent dat het zware werk van het controleren van ingrediënten vroeg in het proces plaatsvindt, en dat de database gemakkelijker te onderhouden is naarmate deze groeit.

Uiteindelijk presenteren de auteurs een workflow die de AI verandert van een "black box" die willekeurige feiten uitspuugt naar een gecontroleerd data-engineering instrument. Ze behandelen de onzekerheid van de AI niet als een bug die genegeerd moet worden, maar als een signaal dat gemeten moet worden. Als de AI onzeker is, weet het systeem dat het dieper moet graven of menselijke hulp moet inschakelen. Het is een beetje als een team van detectives hebben: één verzamelt de aanwijzingen (de AI), een ander controleert of de aanwijzingen wel bij elkaar passen (de invariant-checker), en een derde gaat naar de bibliotheek om bewijs te zoeken (de webzoekopdracht) als de aanwijzingen niet kloppen. Het resultaat is een systeem dat niet alleen gokt; het verifieert, brengt evenwicht aan en bouwt een fundament van voedingsfeiten waar computers daadwerkelijk op kunnen vertrouwen.

Technisch Samenvatting: Statistisch Ondersteunde LLM-Dataverzameling van Ingrediënten en Recepten

1. Probleemstelling

Computationele voedingssystems vereisen precieze, gestructureerde en intern consistente ingrediëntsgegevens om effectief te kunnen functioneren. Bestaande voedingsmiddelendatabases zijn echter vaak incompleet, inconsistent tussen bronnen en gestructureerd voor menselijke navigatie in plaats van geautomatiseerde redenering. Hoewel Large Language Models (LLM's) een potentiële oplossing bieden voor het schalen van dataverzameling, vormen ze een kritieke betrouwbaarheidsuitdaging: outputs van een LLM in één enkele pass kunnen "stille fouten" introduceren (zelfverzekerd geponeerde maar incorrecte waarden) die downstream-berekeningen corrumperen.

Het simpelweg middelen van herhaalde LLM-outputs is onvoldoende, omdat fouten vanuit hetzelfde model gecorreleerd zijn door gedeelde parameters en trainingsdistributies, in plaats van onafhankelijk te zijn. Bovendien leidt het vragen aan een model om zichzelf te corrigeren vaak tot numeriek consistente maar feitelijk ongegronde records. Het kernproblek is hoe men een grootschalige, hoogwaardige ingrediëntdatabase kan construeren met behulp van LLM's, terwijl men de onzekerheid beheert, interne consistentie waarborgt en waarden fundeert in extern bewijs zonder het nut van generatieve modellen weg te gooien.

2. Methodologie

De auteurs stellen een kwaliteitsgecontroleerde LLM-pipeline voor die de karakterisering van ingrediënten behandelt als een data-engineeringtaak, gescheiden van nutritionele redenering. De pipeline integreert drie afzonderlijke lagen: statistische schatting, invariantcontrole en bewijs-gegronde reparatie.

2.1. Statistische Schatting via Herhaalde Sampling

In plaats van single-shot queries, behandelt de pipeline herhaalde LLM-queries als samples uit een door het model geïnduceerde antwoordverdeling. De aanpak varieert per datatype:

Numerieke Waarden (bijv. nutriëntratio's, kosten): De puntinschatting is de mediaan, en de zekerheid wordt gemeten met de Median Absolute Deviation (MAD). Een robuuste coëfficiënt van variatie ( $CV_{robust}$ ) wordt omgezet in een genormaliseerde betrouwbaarheidsscore ( $C_n$ ).
Booleaanse Waarden (bijv. nutriënt-flags): De puntinschatting is de meerderheidsstemming, waarbij de zekerheid wordt genormaliseerd tegen een baseline van 0,5 kans.
Multiple-Choice & Open Categorische Waarden (bijv. referentiehoeveelheidseenheden): De puntinschatting is de modus. Voor open categorische waarden (onbegrensde magnitude + vaste eenheid) is de zekerheid de ruwe modale proportie, aangezien toevallige overeenstemming in een onbegrensde ruimte zeer informatief is.
Optionele Integers (bijv. Glycemische Index): Een tweestaps-proces bepaalt eerst de toepasbaarheid (Booleaanse stem), en schat vervolgens de waarde (mediaan) indien van toepassing.

Een stopcriterium ( $C \geq \tau$ , waarbij $\tau=0,90$ ) bepaalt wanneer een veld als stabiel wordt beschouwd. Als een veld niet convergeert binnen een query-budget ( $n_{max}=20$ ), wordt het naar een fallback-mechanisme geleid.

2.2. Invariantcontrole en Reparatie

Zodra velden zijn ingeschat, handhaaft een invariantielaag domeinspecifieke logische restricties:

Boomstructuur-balancering (Tree Balancing): Nutriënt-hiërarchieën moeten voldoen aan sommatiebeperkingen (bijv. de som van de kind-nutriënten moet gelijk zijn aan de ouder). Kleine numerieke onbalansen worden opgelost via een lineaire programmering (LP) formulatie die de slechtste scenario percentage-afwijking minimaliseert terwijl "semantische nullen" (waarden die werkelijk afwezig zijn) behouden blijven.
Semantische Consistentie: Controles zorgen voor logische coherentie (bijv. een "alcoholvrij"-flag moet overeenkomen met een nul alcoholratio).
Reparatiestrategie: Als invarianten worden geschonden, vertrouwt het systeem niet uitsluitend op zelfcorrectie. In plaats daarvan triggert het een web-fetch fallback om verse externe bewijslast op te halen. Alleen als web-gegronde reparatie faalt, wordt het record geëscaleerd naar menselijke beoordeling.

2.3. Modellering van de Datacollectie-omvang

De auteurs passen de Wet van Heaps toe om de relatie te modelleren tussen het aantal recepten en het aantal unieke ingrediënten dat vereist is. Door data van 233 recepten te fitten, projecteren zij dat de groei van unieke ingrediënten sublineair is ( $\beta \approx 0,42$ ). Dit impliceert dat de dataverzameling "front-loaded" is: de ratio van unieke ingrediënten ten opzichte van recepten daalt significant naarmaling van de database groeit (van 1,74 bij 100 recepten naar 0,19 bij 5.000 recepten), wat suggereert dat de kosten voor het toevoegen van nieuwe recepten afnemen naarmate de ingrediëntdatabase volwassener wordt.

3. Belangrijkste Bijdragen

Een Gescheiden Pipeline: Het werk introduceert een methodologie die extractie (statistische sampling) scheidt van validatie (invariantcontrole en externe gronding), waardoor de valkuilen van zelfcorrectie-loops worden vermeden.
Robuust Statistisch Kader: Het past robuuste statistiek (MAD, mediaan, modus) aan op LLM-outputs, waarbij spreiding wordt behanden als een betrouwbaarheidsdrempel in plaats van een directe aggregatiestrategie.
Bewijs-Gegronde Reparatie: Het systeem geeft prioriteit aan extern web-bewijs boven model zelfcorrectie bij het oplossen van logische of numerieke tegenstrijdigheden.
Empirische Validatie: De pipeline wordt geëvalueerd tegen een gecureerde referentieset van 30 ingrediënten, waarbij het wordt vergeleken met zowel een naïeve one-shot baseline als een eenvoudige aggregatie van herhaalde samples.

4. Resultaten

Geëvalueerd op een referentieset van 30 ingrediënten (dekking van basisproducten, getransformeerde voedingsmiddelen en ongewone ingrediënten):

Nauwkeurigheid (Nutriëntratio's): De volledige pipeline bereikte een mediane Absolute Percentage Error (APE) van 10,1%. Dit is een significante verbetering ten opzichte van de mediaan-geaggregeerde baseline (31,9% APE) en de naïve one-shot baseline (38,0% APE), wat een reductie van 21,8 procentpunten betekent.
Nauwkeurigheid (Nutriënt-flags): De pipeline bereikte een 98,4% exacte match op nutriënt-flags, vergelijkbaar met de naïve baseline (95,9%), wat aangeeft dat flags al nabij de plafondprestatie van LLM's liggen.
Dekking: De pipeline bereikte 100% dekking voor nutriënt-flags en 62,7% voor nutriëntratio's (tegenover 45,0% voor de handmatige referentieset). Opvallend genoeg misten 42,1% van de ratio-paren van de pipeline een verdedigbare referentiewaarde in de handmatige set, wat de capaciteit van de pipeline benadrukt om data aan te boren waar handmatig onderzoek schaars is, hoewel deze beoordeling vereisen.
Kosten: De pipeline bracht ongeveer $1,00 per ingrediënt in rekening (mediaan $4m 50s runtime). Hoewel dit ongeveer 7x duurder is dan een naïeve one-shot aanpak ($0,14/ingrediënt), beargumenteren de auteurs dat deze kosten worden geamortiseerd over de gehele receptruimte vanwege het front-loaded karakter van de ingrediënt-dataverzameling.

5. Betekenis en Claims

Het artikel kadert LLM-ondersteunde databaseconstructie niet als een generatieve taak, maar als een gecontroleerde data-engineering workflow. De primaire betekenis ligt in het "operationeel" maken van onzekerheid in plaats van het negeren ervan.

Onzekerheidsbeheer: De auteurs beweren dat het behandelen van LLM-outputs als onzekere schattingen die gestage validatie vereisen (sampling, betrouwbaarheidsscoring, invariantcontrole) materieel hogere kwaliteit data oplevert dan naïeve verzameling.
Beperkingen van Consensus: De studie toont aan dat eenvoudige aggregatie van herhaalde LLM-samples (gemiddelde of mediaan) de nauwkeurigheid van de volledige pipeline niet reproduceert, wat suggereert dat consensus alleen niet kan overwinnen van gecorreleerde model-fouten zonder externe gronding.
Bescheiden Claims over Waarheid: De auteurs stellen expliciet dat de pipeline geen "autonome grondwaarheid" produceert. Hoge dekking en interne consistentie garanderen geen feitelijke juistheid, met name voor waarden buiten de door de referentie gedekte set. Het systeem is ontworpen om auditbare records te produceren waarbij onzekerheid en consistentie kunnen worden beoordeeld, waarbij menselijke beoordeling wordt gereserveerd voor gevallen waarin automatische reparatie faalt.

Concluderend biedt het werk een methodologisch kader voor het schalen van nutritionele dataverzameling met behulp van LLM's, waarbij de efficiëntie van generatieve modellen wordt gebalanceerd met de strengheid van statistische schatting en externe feitencontrole.