Как се учи Longev AI: правила, данни и проверка на прогнозата
Ядрото на Longev AI са обясними клинични правила върху личната базова линия на госта. Върху тях платформата събира двойки «въздействие → отговор» и открито измерва грешката на своята прогноза.
За кого е тази страница. За технически одит, лекари и инвеститори — за всеки, който пита: «това машинно обучение ли е или твърдо зададени правила?» Отговорът е честен и проверим през самия портал.
Ядрото са правила, и това е съзнателен избор. Всяка препоръка произлиза от дефиниран праг и може да се обясни с едно изречение; платените процедури се променят единствено от лекаря. В медицинския контур никой не разписва черна кутия.
Персонализацията е личната базова линия. Индикаторите се изчисляват не спрямо «норма за населението», а спрямо личната средна стойност на госта за престоя: пулс в покой 62 не означава нищо, докато не се знае, че цяла седмица е бил 54.
Два набора от данни. Дневник на решенията — «показателите на госта → какво е предприел лекарят»; дневник на резултатите — «процедурите и натоварването вчера → какво е отчел часовникът сутринта». И двата са анонимни по дизайн и се експортират като редове JSONL.
Прогноза под контрол. Платформата прогнозира утрешния пулс в покой, вариабилността, Body Battery и оценката на съня с три модела и показва средната грешка на всеки от тях — като таблица, а не като обещание.
Границата. Wellness & Lifestyle Intelligence е подкрепа за начина на живот, а не медицинско изделие; последната дума винаги е на лекаря. Обновено на 25.08.2026.
Правила, а не черна кутия — и защо
Longev AI е устроен като детерминиран алгоритъм: една и съща нощ при едни и същи прагове дава един и същ лист. Това не е ограничение, което платформата се притеснява да признае, а инженерно решение по три причини.
Първата е подписът на лекаря. Сутрешният лист се подписва и всеки негов ред трябва да отговаря на въпроса «защо»: «пулс в покой 68 спрямо вашата средна стойност 61 — предлагаме замяна на тежката процедура». Препоръка, която не може да бъде обяснена с число, алгоритъмът не отпечатва.
Втората е регулаторната рамка. Система, която сама променя медицински назначения по непрозрачен модел, се придвижва към категорията на медицинските изделия и високорисковите системи според Европейския регламент за изкуствения интелект (EU AI Act). Платформата съзнателно остава инструмент за подкрепа на начина на живот: предлага, обяснява и изчаква лекаря (правна рамка).
Третата е студеният старт. Обучаем модел без данни е по-лош от правила: той няма от какво да се учи в хотел, включил се вчера. Правилата работят още от първия гост, а платформата започва да трупа данни за бъдещите модели още от първата сутрин — по-подробно за това по-долу.
Лична базова линия вместо норма за населението
Почти всеки праг в алгоритъма сравнява госта със самия него. Базовата линия е средната стойност от собствения му престой: непълните дни на пристигане коректно не се включват в нея, а докато измерените дни са по-малко от два, флаговете за базова линия изобщо не се задействат — сравнение с една-единствена нощ би било хвърляне на монета, отпечатано като заключение. Лекарят може да увеличи тази защита до 5 дни.
Вариабилността на сърдечния ритъм (ВСР — колко неравномерни са паузите между ударите на сърцето) има втори източник на достоверност: личният диапазон на госта, който алгоритъмът Firstbeat в Garmin изучава за около три седмици. Ако часовникът, който познава госта по-дълго от нашата двудневна базова линия, покаже «под диапазона», компонентът за готовност не може да светне в зелено — заключението на часовника има предимство пред нашата аритметика, и то точно в една посока.
От същите стойности се изчислява и дневната готовност — едно число от 0 до 100, аналог на Readiness при пръстена Oura и Recovery при гривната WHOOP, но базирано на данни от Garmin и по правила, които лекарят на хотела управлява: Body Battery има тежест 30 точки, ВСР и сънят — по 25, пулсът в покой и вчерашното натоварване — по 10. Компонент без данни не се запълва с «обща средна стойност» — той отпада, теглата се преизчисляват, а ако данните са за по-малко от половината тежест, зоната коректно изобщо не се определя.
Сутрешен лист на лекаря: готовност 49 от 100 с разбивка по компоненти — всеки ред съдържа своето число, своята базова линия и своята причина×
Слоеве на алгоритъма
Слой
Какво прави
Къде е описано
Вход
25 показателя от часовника и кантара Garmin, въпросник, назначения от лекаря, дневник на храненето
Хотелската система за управление (PMS) може да свърже Garmin Health API и да получава пулс и сън. Но в нея липсват двете неща, които изграждат обучителната извадка: лекарските назначения и отбелязването на храненията. Затова платформата натрупва два набора от данни, които съществуват единствено там, където биометрията, назначенията и храненето са в един общ контур.
Дневник на решенията — «стойности на госта → какво е направил лекарят». Всяко действие в таблото се записва заедно с анонимна моментна снимка на госта в този час: възраст, пол, ден от престоя, нощни стойности, собствени средни нива, флагове. Още днес той работи като подсказка: лекарят вижда как са подхождали в хотела при сходни показатели.
Дневник на резултатите — «въздействие → реакция». Всяка измерена сутрин платформата записва автоматично двойка: процедурите и натоварването от предходния ден (включително вечеря след 20:00 ч. и чашите от питейния курс) редом с отчетеното от часовника сутринта — пулс в покой и ВСР спрямо личната база, сън, Body Battery, готовност, флагове.
Анонимност и изтриване. В записите няма нито име, нито дата на раждане; оттеглянето на съгласието за здравни данни премахва и двойките записи на госта — така наборът от данни става по-достоверен, а не по-беден. Експортирането е под формата на JSONL редове от административния панел.
Наблюдение, а не причинност. На база на натрупаните двойки таблото показва средни стойности «с фактор / без»: топлинни процедури предния ден, тежка процедура, натоварване с 50 % над базовата стойност, късна вечеря. Сравнение се извежда само при поне 5 двойки от всяка страна и е обозначено като наблюдение: състоянието в една отделна сутрин има твърде много причини, за да се обявява разликата в средните стойности за причинно-следствена връзка.
Проверка на прогнозата: грешка вместо обещания
Твърдението «платформата става по-точна» е нещо, което при одит с право може да бъде изискано като точна цифра. Затова в административния панел има проверка на прогнозата: на база цялата натрупана история платформата прогнозира със задна дата всяка сутрин — пулс в покой, ВСР, Body Battery и оценка на съня — и изчислява средната абсолютна грешка (MAE): с колко единици средно се разминава прогнозата.
Това се изчислява по метода walk-forward — «движение само напред»: прогнозата за сутринта се гради строго върху предходните дни, като дори коефициентът за натоварване се дообучава само върху двойки, случили се до този момент. Поглеждане в бъдещето и нагаждане на отговора тук е невъзможно по самата си структура.
Модел
Как прогнозира
Защо е в таблицата
«Като вчера»
утре ще бъде същата стойност като днес
наивна базова летва: модел, който не се справя по-добре от нея, няма право да се нарича модел
«Лична база»
средната стойност на госта за престоя — същата, която се извежда в сутрешния лист
показва реалната стойност на самата персонализация
«База + натоварване»
лична база с корекция за вчерашното претоварване; коефициентът се активира след 8 натрупани двойки
първият обучаем елемент — неговият принос се вижда отделно
Таблицата нарочно показва и неудобните факти: при кратка история наивното «като вчера» нерядко побеждава корекциите — и това е правилен резултат, а не грешка. Летвата за бъдещите модели е зададена в същата тази таблица: даден модел влиза в продукта едва когато устойчиво превъзхожда наивния модел върху данните на хотела, а не когато просто звучи впечатляващо.
Пътна карта
Сега. Правила над личната базова линия; дневниците с решения и резултати се попълват сами; грешката в прогнозата се измерва с натискане на бутон.
По-нататък. Прогностични модели върху дневника с резултати — когато се съберат достатъчно двойки, за да надминават стабилно базовата летва от таблицата по-горе. Дотогава — никакви «умни» думи на витрината.
Винаги. Автоматичното назначаване е само чернова, която лекарят подписва: така вече работи сутрешната бележка, така ще работи и подсказката за назначения от дневника с решения.
Въпроси и отговори
Това машинно обучение ли е или твърди правила? В основата са ясни правила над личната базова линия на госта. Обучаеми елементи вече съществуват — коефициентът на натоварване в прогнозата и търсенето на сходни случаи в дневника с решения, — а пълноценните модели ще стъпят върху дневника с резултати, като качеството им вече се мери чрез таблицата с грешки.
Защо не невронна мрежа? Защото назначенията се подписват от лекар, а обяснимостта е клинично изискване, не въпрос на вкус; регламентът EU AI Act следи непрозрачните здравни препоръки много по-строго от ясните правила; и защото моделите без данни са по-лоши от правилата, а платформата все още събира своите данни.
Какво пречи на обикновена PMS да повтори това? Garmin Health API предава биометрията, но не и назначенията на лекаря или записите за храненето. Двойката «въздействие → отговор» се формира само когато и трите потока са в един общ контур — и този набор от данни остава при хотела.
Къде може да се види всичко това? В таблото: «Настройки» → «Асистент» — картите на двата дневника, наблюденията по фактори, бутонът за проверка на прогнозата и експортът в JSONL (екранът на администратора).
Платформата твърди ли причинно-следствена връзка? Не. Средните стойности «с фактор / без» са обозначени като наблюдения; причинно-следствените изводи изискват обем и дизайн на проучването, с каквито отделен хотел не разполага — и честната страница го заявява открито.
