Büyük dil modeli entegre edilmiş, makro besin değerleri hesaplayan yapay zeka diyet planlama aracı

Günümüzde teknolojik gelişmeler, sağlık ve beslenme ihtiyaçlarını karşılamak için yapay zekâ ve büyük dil modellerinin (LLM) kullanımını olanaklı kılmaktadır. Bu çalışma, kişiselleştirilmiş beslenme önerileri sunmak amacıyla Llama 3.1-70B, GPT-3.5 ve GPT-4 gibi çeşitli LLM'leri analiz etmektedir. Uygulama, kullanıcıların demografik verilerine dayanarak makro besin gereksinimlerini hesaplamakta ve seçilen LLM ile entegre olarak özelleştirilmiş beslenme planları oluşturmaktadır. Flutter uygulaması ve LLM API entegrasyonundan oluşan sistem, kullanıcı verilerini işleyerek önceden belirtilmiş şablonlar doğrultusunda diyet planları sunmaktadır. Çalışma, farklı LLM'lerin performans ve maliyet karşılaştırmasını, etkili istem mühendisliği tekniklerinin araştırılmasını ve geliştirilen uygulamanın gerçek hayata uygulanabilirliğini değerlendirmektedir. Bu çalışma, yapay zekâ teknolojilerini beslenme programlarıyla entegre ederek kişiselleştirilmiş diyet planlamasını otomatikleştirmeyi ve bireysel sağlık sonuçlarını iyileştirmeyi hedeflemektedir.

Contemporary technological advancements have facilitated the implementation of artificial intelligence and large language models (LLMs) for addressing individual health and nutritional requirements. This research examines the application of various LLMs including Llama 3.1-70B, GPT-3.5, and GPT-4 for generating personalized dietary recommendations. The system calculates macro-nutrient requirements based on user-specific data and interfaces with selected LLMs to produce customized meal plans. The application architecture comprises a Flutter-based front-end and LLM API integration, processing user inputs and formatting responses according to predefined templates. This research, encompasses the comparative analysis of different LLMs regarding performance and cost-effectiveness, the development of macro-nutrient calculation algorithms, and the evaluation of prompt engineering techniques. Additionally, it assesses the application's practical viability in real-world nutritional contexts. By integrating AI technologies with nutritional programming, this research aims to automate personalized diet planning and enhance individual health outcomes through technological intervention.