Telle kalorier med bilde: hvor presise er KI-appene?

Ta bilde av tallerkenen i stedet for å søke opp hver matvare i en database: det er løftet fra MyFitnessPal (Meal Scan), Lose It! (Snap It), Cal AI, Foodvisor, SnapCalorie og Ember, appen som publiserer denne guiden. Bak knappen er prosessen nesten alltid den samme, i tre trinn. Modellen kjenner først igjen matvarene, anslår så hvor mye det er av hver ut fra bildet, og gjør til slutt grammene om til kalorier og makroer ved hjelp av en næringsstofftabell.

Det første trinnet har blitt svært pålitelig. I en irsk studie fra 2025 kjente ChatGPT igjen matvarene på 114 bilder av måltider med 93 % presisjon. Det andre trinnet er langt mer usikkert: et bilde er flatt, uten vekt og uten målebånd. Modellen må gjette tykkelsen på en biff, dybden i en bolle eller hvor mye olje de wokede grønnsakene har trukket til seg. Det tredje avhenger av hva som ble gjenkjent: ser appen kokt ris der det er stekt ris, starter regnestykket skjevt.

En høy gjenkjenningsrate sier altså ingenting om hvor riktige kaloriene er. En app kan navngi alt på tallerkenen perfekt og likevel bomme kraftig på porsjonen. Når du leser en «nøyaktighet» i prosent i en appbeskrivelse, spør deg selv om den måler hvor godt rettene gjenkjennes, eller hvor stort avviket i kalorier faktisk er. Det gjelder enhver bildefunksjon, enten den sitter i en egen kaloriapp eller i en generell KI-assistent.

Uavhengige studier er fortsatt sjeldne, men de har blitt flere siden bildemodeller ble allemannseie. Oppsettet ligner: måltider veid på grammet blir fotografert, kjørt gjennom en app eller en modell som ChatGPT, og anslaget sammenlignes med den faktiske verdien.

Det mest omtalte resultatet kommer fra forskere ved NIDDK, NIH-instituttet for diabetes og ernæring i USA. Studien ble lagt fram i juli 2026 på NUTRITION, årsmøtet til American Society for Nutrition, og lot fire apper analysere 102 måltider laget på et metabolsk kjøkken: MyFitnessPal, Lose It!, Cal AI og Appediet. Alle fire undervurderte kaloriene med rundt en tredjedel, i snitt 250 til 345 kcal per måltid, og fettet med rundt 30 g. Det er et konferansesammendrag som ennå ikke er fagfellevurdert, og resultatene er ikke oppgitt app for app.

To mekanismer går igjen fra studie til studie. Den første handler om porsjonsstørrelse. I den irske studien bedømte ChatGPT små tallerkener riktig, men undervurderte vekten på 76 % av bildene: en stor porsjon på 798 g i snitt ble anslått til 530 g, så en tredjedel av maten forsvant ut av regnestykket. Det svenske teamet som testet ChatGPT-4o, Claude og Gemini, så det samme mønsteret: jo større porsjon, desto lenger bak havnet anslaget. Modellene ser ut til å trekke hver tallerken mot en «standardporsjon», noe som favoriserer små spisere og straffer rause tallerkener.

Den andre mekanismen er fett, det mest energitette av makronæringsstoffene med 9 kcal per gram. En skje olje trukket inn i grønnsakene, en klatt smør smeltet over pastaen eller en saus rørt inn i retten er rett og slett usynlig. De 30 grammene fett som manglet i NIH-studien, utgjør alene rundt 270 kcal, mesteparten av den målte undervurderingen. Forskerne påpekte også at appene slet mer med ketogene måltider, som er svært fettrike.

Feilen i fettet går ikke alltid samme vei. På ganske magre japanske sykehusbrett overvurderte KI-modellene tvert imot fettet med over 20 %. Forfatterne kaller det «det usynlige næringsstoffet»: når modellen ikke ser fettet, bruker den et gjennomsnitt. Det treffer for en vanlig rett, langt dårligere for en svært fet eller svært lett en.

Noen måltider egner seg godt for bilde: en tallerken med adskilte, tydelige komponenter (en fiskefilet, ris, grønne bønner) får som regel et godt anslag. Problemene starter når informasjonen havner utenfor bildet. I ChatGPT-5-studien ga retter servert i boller de største feilene, fordi kameraet ikke ser dybde. En curry, en suppe, en bowl eller pasta med saus skjuler ingrediensene i lag.

Vinkelen betyr også noe. Fotografert på skrå ser en tallerken mindre ut bak enn foran, og perspektivet forvrenger volumanslaget. Dårlig lys eller et uskarpt bilde gjør selve gjenkjenningen vanskeligere. Framfor alt sier et bilde ingenting om hva som skjedde på kjøkkenet: en oljet stekepanne, smør i potetmosen, sukker i tomatsausen, smeltet ost under overflaten.

Drikke er ytterpunktet. Et glass med mørk væske kan være smaksatt kullsyrevann, cola eller iste; et oransje kan være juice eller brus. For KI-en er forskjellen ofte umulig å se, selv om den utgjør over 100 kcal per glass.

Før du avskriver bildet, bør du sammenligne det med det det erstatter. Når vi noterer måltidene selv, glemmer vi en kjeks, krymper en porsjon og runder ned. Referansemetoden for å måle dette heter dobbeltmerket vann: du drikker vann tilsatt stabile isotoper, og hvor raskt de skilles ut, viser det faktiske energiforbruket over én til to uker. Hos en person med stabil vekt er inntaket lik forbruket, så det man oppgir å spise, kan kontrolleres.

Resultatene er tydelige. I den amerikanske OPEN-studien med 484 voksne oppga menn 12 til 14 % for lite i et 24-timers kostintervju, og kvinner 16 til 20 %. Med et matvarefrekvensskjema økte avviket til 31 til 38 %. En studie publisert i New England Journal of Medicine i 1992 fulgte en liten gruppe mennesker som var overbevist om at de ikke gikk ned i vekt på en diett under 1 200 kcal: i snitt undervurderte de inntaket med 47 % og overvurderte den fysiske aktiviteten med 51 %.

Dette betyr ikke at folk lyver. Å anslå en porsjon på øyemål er vanskelig for alle, og små ekstra biter glemmes fort. Ofte er det forklaringen på et tilsynelatende mystisk vekttapsplatå. Manuell registrering der hver ingrediens veies, er fortsatt den mest nøyaktige metoden, men den er så tungvint at få holder ut lenge. De svenske forskerne påpeker at feilen til ChatGPT-4o og Claude lå i samme område som kostdagbøker fra idrettsutøvere kontrollert med dobbeltmerket vann, helt uten registreringsarbeidet.

Gode nyheter: for vektkontroll betyr jevnhet mer enn perfeksjon. Hvis appen din undervurderer måltidene dine med 15 % hver dag, på en noenlunde jevn måte, er dagstotalen feil, men trendene er fortsatt lesbare. Du ser hvilke dager du spiser mer, hvilke måltider som teller mest og om endringene dine virker.

Vekten blir da dommer. Et kaloriunderskudd viser seg over tid: hvis snittvekten din ikke har rikket seg etter tre eller fire uker mens appen viser underskudd, inneholder måltidene sannsynligvis flere kalorier enn anslått. I stedet for å kutte porsjonene enda mer, bør du først jakte på feilkildene beskrevet over: olje, sauser, drikke og store tallerkener.

Presisjon ned på grammet gir bare mening i spesielle tilfeller: medisinsk oppfølging, tett fulgt idrettsforberedelse eller en sykdom som krever kontroll av ett næringsstoff. Da erstatter ikke bildeanslaget verken kjøkkenvekten eller råd fra lege eller klinisk ernæringsfysiolog. For et trenings- eller vektmål er en enkel metode du holder hver dag, bedre enn en perfekt metode du gir opp etter ti dager.

På restaurant bør du gå ut fra at retten inneholder mer fett enn den ser ut til: profesjonelle kjøkken bruker smør, fløte og olje rikelig for smak og konsistens. Ta bilde av tallerkenen og legg til det du vet: «pommes frites», «smørsaus», «dressing ved siden av». Rådene våre for å spise sunt på restaurant hjelper deg også å velge retter som er lettere å anslå.

Hjemme har du en stor fordel: du kjenner oppskriften. Noter hvor mye olje som gikk i panna, og fordel den på porsjonene. For en familierett gir en beskrivelse som «en sjettedel av en lasagne laget med 400 g kjøttdeig og 200 g ost» langt mer treffsikre tall enn et bilde av den gratinerte overflaten. ChatGPT-5-studien viser det tydelig: feilen falt fra 30,5 % med bare bildet til 24,4 % når blant annet type og mengde fett ble oppgitt, og til 13,9 % med hele ingredienslisten.

For ferdigpakket mat er ikke bildet det beste verktøyet: næringsdeklarasjonen gir den nøyaktige verdien. Skann strekkoden når du kan, og spar bildet til sammensatte tallerkener.

Disse vanene tar noen sekunder og retter opp de fleste feilene studiene beskriver:

Apper som teller kalorier med bilde, er svært gode til å se hva som ligger på tallerkenen, og langt dårligere til å anslå hvor mye det er. Med bare bildet bør du regne med en gjennomsnittlig feil på rundt 25 til 35 %, oftest for lavt, og større for store porsjoner, retter med saus og fete måltider. Det er ikke verre enn menneskets hukommelse, som i snitt går glipp av 12 til 20 % av det vi spiser. Fotografer ovenfra, gi en målestokk, beskriv olje og sauser, rett opp mengdene og vei maten innimellom: slik blir et grovt anslag et pålitelig verktøy. Følg til slutt vektutviklingen over flere uker, for det er den som viser om tallene dine holder.