Cuando el algoritmo se convierte en el dietista: alucinaciones de modelos de lenguaje grande, entornos alimentarios algorítmicos y la erosión de la autonomía nutricional

Qué problema aborda

El artículo aborda las limitaciones de los modelos de lenguaje grande (LLMs) en el ámbito de la nutrición, cuestionando su capacidad para reemplazar a los dietistas registrados. A pesar de que estos modelos pueden responder preguntas dietéticas, su uso como sustitutos profesionales no ha sido suficientemente cuantificado y presenta varios problemas.

Qué hicieron los autores

Los autores realizaron una revisión conceptual y propusieron un marco teórico denominado ADRIFT (Reconfiguración Dietética Algorítmica a través de Mecanismos Informativos, de Enmarcado y Tecnológicos). Este marco tiene como objetivo examinar cómo los LLMs pueden influir en las decisiones dietéticas y cómo los entornos alimentarios algorítmicos pueden erosionar la autonomía nutricional.

Qué encontraron

Se identificaron errores informativos, consejos no respaldados y una personalización insuficiente en las respuestas de los LLMs. Además, se observó que las plataformas de redes sociales y de entrega de alimentos influyen en las elecciones dietéticas a través de señales alimentarias, respaldo social y diseño de opciones. El marco ADRIFT distingue tres ejes: errores informativos, enmarcado a través del diseño de contenido e interfaces, y personalización adaptativa. Aunque hay evidencia que apoya algunos mecanismos, la convergencia en un ciclo de retroalimentación que reduce la autonomía nutricional se considera hipotética.

Limitaciones

El artículo no proporciona detalles específicos sobre la metodología utilizada para la revisión o la validación del marco propuesto. Además, no se anticipa que los modelos de lenguaje reemplacen a los profesionales dietéticos, lo que sugiere que se necesita más investigación en este ámbito.

Lectura final

Este artículo resalta la importancia de evaluar críticamente el uso de modelos de lenguaje en el asesoramiento nutricional, ya que su implementación sin supervisión podría llevar a una disminución de la autonomía en las decisiones dietéticas. La investigación futura es esencial para entender mejor los efectos de estos algoritmos en la salud pública y la nutrición.