Πώς μαθαίνει το Longev AI: κανόνες, δεδομένα, έλεγχος πρόβλεψης
Ο πυρήνας του Longev AI βασίζεται σε εξηγήσιμους κλινικούς κανόνες πάνω στη γραμμή βάσης του επισκέπτη, συγκεντρώνει ζεύγη «επίδραση → απόκριση» και μετρά ανοιχτά το σφάλμα των προβλέψεών του.
Σε ποιους απευθύνεται. Σε τεχνικούς ελεγκτές, γιατρούς και επενδυτές — σε όσους ρωτούν: «πρόκειται για μηχανική μάθηση ή για αυστηρούς κανόνες;» Η απάντηση είναι ειλικρινής και επαληθεύσιμη μέσα από την ίδια την πύλη.
Ο πυρήνας είναι οι κανόνες, από επιλογή. Κάθε σύσταση προκύπτει από ένα συγκεκριμένο όριο και εξηγείται με μία πρόταση· οι επιπλέον θεραπείες αλλάζουν μόνο από τον γιατρό. Στο ιατρικό πλαίσιο κανείς δεν υπογράφει ένα μαύρο κουτί.
Εξατομίκευση βάσει ατομικής βάσης. Οι ενδείξεις δεν συγκρίνονται με τον «γενικό πληθυσμό», αλλά με τον μέσο όρο του ίδιου του επισκέπτη κατά τη διαμονή του: οι 62 παλμοί ηρεμίας δεν σημαίνουν τίποτα αν δεν γνωρίζουμε ότι όλη την εβδομάδα ήταν 54.
Δύο σύνολα δεδομένων. Το ημερολόγιο αποφάσεων — «μετρήσεις επισκέπτη → τι έκανε ο γιατρός»· το ημερολόγιο αποτελεσμάτων — «χθεσινές θεραπείες και καταπόνηση → τι κατέγραψε το ρολόι το πρωί». Και τα δύο είναι εξαρχής ανώνυμα και εξάγονται σε γραμμές JSONL.
Ελεγχόμενη πρόβλεψη. Η πλατφόρμα προβλέπει τους αυριανούς παλμούς ηρεμίας, το HRV, το Body Battery και τη βαθμολογία ύπνου με τρία μοντέλα, εμφανίζοντας το μέσο σφάλμα του καθενός σε πίνακα, όχι ως υπόσχεση.
Τα όρια. Wellness & Lifestyle Intelligence — υποστήριξη του τρόπου ζωής και όχι ιατροτεχνολογικό προϊόν· τον τελευταίο λόγο έχει πάντα ο γιατρός. Ενημερώθηκε στις 25.08.2026.
Κανόνες αντί για μαύρο κουτί — και γιατί
Το Longev AI λειτουργεί ως αιτιοκρατικός μηχανισμός: η ίδια νύχτα με τα ίδια όρια παράγει το ίδιο ακριβώς δελτίο. Αυτό δεν είναι περιορισμός που η πλατφόρμα διστάζει να παραδεχτεί, αλλά μια μηχανική επιλογή που βασίζεται σε τρεις λόγους.
Ο πρώτος λόγος είναι η υπογραφή του γιατρού. Το πρωινό δελτίο υπογράφεται και κάθε γραμμή του οφείλει να απαντά στο «γιατί»: «παλμοί ηρεμίας 68 έναντι του μέσου όρου σας 61 — προτείνουμε την αντικατάσταση της έντονης θεραπείας». Μια σύσταση που δεν μπορεί να εξηγηθεί με αριθμό δεν εκτυπώνεται ποτέ.
Ο δεύτερος είναι το ρυθμιστικό πλαίσιο. Ένα σύστημα που τροποποιεί ιατρικές οδηγίες βάσει ενός αδιαφανούς μοντέλου τείνει να θεωρηθεί ιατροτεχνολογικό προϊόν και σύστημα υψηλού κινδύνου σύμφωνα με τον ευρωπαϊκό κανονισμό για την τεχνητή νοημοσύνη (EU AI Act). Η πλατφόρμα παραμένει συνειδητά εργαλείο υποστήριξης του τρόπου ζωής: προτείνει, εξηγεί και περιμένει τον γιατρό (το νομικό πλαίσιο).
Ο τρίτος λόγος είναι η εκκίνηση χωρίς ιστορικό (cold start). Ένα εκπαιδεύσιμο μοντέλο χωρίς δεδομένα είναι κατώτερο των κανόνων, καθώς δεν έχει από πού να μάθει σε ένα ξενοδοχείο που μόλις συνδέθηκε. Οι κανόνες λειτουργούν από τον πρώτο κιόλας επισκέπτη, ενώ τα δεδομένα για τα μελλοντικά μοντέλα αρχίζουν να συγκεντρώνονται από το πρώτο πρωί — όπως εξηγείται παρακάτω.
Προσωπική γραμμή βάσης αντί για γενικό μέσο όρο
Σχεδόν κάθε όριο του μηχανισμού συγκρίνει τον επισκέπτη με τον ίδιο του τον εαυτό. Η γραμμή βάσης είναι ο μέσος όρος της διαμονής του: οι ελλιπείς ημέρες άφιξης εξαιρούνται και, μέχρι να καταγραφούν τουλάχιστον δύο ημέρες, οι ενδείξεις βάσης δεν ενεργοποιούνται καθόλου — η σύγκριση με μία μόνο νύχτα θα ισοδυναμούσε με τυχαία εικασία. Ο γιατρός μπορεί να αυξήσει αυτό το όριο ασφαλείας έως τις 5 ημέρες.
Η μεταβλητότητα καρδιακού ρυθμού (HRV — το πόσο ανομοιόμορφα είναι τα διαστήματα μεταξύ των καρδιακών παλμών) διαθέτει μια δεύτερη πηγή αξιοπιστίας: το ατομικό εύρος του επισκέπτη, το οποίο ο αλγόριθμος Firstbeat στο Garmin μαθαίνει σε περίπου τρεις εβδομάδες. Όταν το ρολόι, γνωρίζοντας τον επισκέπτη περισσότερο από τη διήμερη βάση μας, δείχνει «κάτω από το εύρος», ο δείκτης ετοιμότητας δεν μπορεί να βγει πράσινος — η εκτίμηση του ρολογιού υπερισχύει των υπολογισμών μας, προς μία συγκεκριμένη κατεύθυνση.
Από τα ίδια δεδομένα προκύπτει η ημερήσια ετοιμότητα — ένας αριθμός από το 0 έως το 100, αντίστοιχος του Readiness του Oura ή του Recovery του WHOOP, αλλά βασισμένος σε δεδομένα Garmin και σε κανόνες που ορίζει ο γιατρός του ξενοδοχείου: το Body Battery έχει βαρύτητα 30 μονάδων, το HRV και ο ύπνος από 25, ενώ οι παλμοί ηρεμίας και η χθεσινή καταπόνηση από 10. Ένας δείκτης χωρίς δεδομένα δεν συμπληρώνεται αυθαίρετα — παραλείπεται, τα βάρη αναπροσαρμόζονται, και αν λείπουν δεδομένα για πάνω από το μισό του συνολικού βάρους, δεν εξάγεται καμία εκτίμηση.
Το πρωινό δελτίο του γιατρού: ετοιμότητα 49 στα 100 με ανάλυση των επιμέρους δεικτών — κάθε γραμμή περιλαμβάνει την τιμή της, τη γραμμή βάσης και την αιτιολογία της×
Τα επίπεδα του μηχανισμού
Επίπεδο
Τι κάνει
Πού αναλύεται
Εισαγωγή δεδομένων
25 δείκτες από το ρολόι και τη ζυγαριά Garmin, ερωτηματολόγιο, οδηγίες γιατρού, ημερολόγιο διατροφής
Ένα σύστημα διαχείρισης ξενοδοχείου (PMS) μπορεί να συνδεθεί με το Garmin Health API και να λαμβάνει σφυγμό και ύπνο. Αυτό που του λείπει όμως είναι τα δύο στοιχεία από τα οποία αποτελείται ένα σύνολο εκπαίδευσης: οι ιατρικές οδηγίες και το ημερολόγιο διατροφής. Γι' αυτό η πλατφόρμα συγκεντρώνει δύο σύνολα δεδομένων, και τα δύο υπάρχουν μόνο εκεί όπου η βιομετρία, οι ιατρικές οδηγίες και η διατροφή συνυπάρχουν σε ένα ενιαίο κύκλωμα.
Το αρχείο καταγραφής αποφάσεων — «οι αριθμοί του επισκέπτη → τι έκανε ο γιατρός». Κάθε κλινική ενέργεια στον πίνακα ελέγχου αποθηκεύεται μαζί με ένα ανώνυμο στιγμιότυπο του επισκέπτη εκείνη τη στιγμή: ηλικία, φύλο, ημέρα διαμονής, οι νυχτερινοί αριθμοί, οι προσωπικοί μέσοι όροι, οι σημαίες. Λειτουργεί ήδη ως εργαλείο προτάσεων: ο γιατρός βλέπει πώς αντέδρασε το ξενοδοχείο σε παρόμοιους αριθμούς.
Το αρχείο καταγραφής εκβάσεων — «έκθεση → απόκριση». Κάθε καταγεγραμμένο πρωί, η πλατφόρμα καταγράφει αυτόματα ένα ζεύγος: τις θεραπείες και την καταπόνηση της προηγούμενης ημέρας (συμπεριλαμβανομένου ενός δείπνου μετά τις 20:00 και των δόσεων ποσιθεραπείας) δίπλα σε όσα κατέγραψε το ρολόι το πρωί — σφυγμός ηρεμίας και HRV σε σχέση με την προσωπική βάση, ύπνος, Body Battery, ετοιμότητα, σημαίες.
Ανωνυμία και διαγραφή. Οι γραμμές δεν περιέχουν ούτε όνομα ούτε ημερομηνία γέννησης· η ανάκληση της συγκατάθεσης για τα δεδομένα υγείας διαγράφει αυτόματα και τα ζεύγη του επισκέπτη — γεγονός που καθιστά το σύνολο δεδομένων πιο αξιόπιστο, όχι φτωχότερο. Η εξαγωγή γίνεται σε γραμμές JSONL από τον πίνακα διαχείρισης.
Παρατήρηση, όχι αιτιότητα. Με βάση τα συσσωρευμένα ζεύγη, ο πίνακας ελέγχου εμφανίζει μέσους όρους «με τον παράγοντα / χωρίς»: θερμικές θεραπείες την προηγούμενη ημέρα, απαιτητική θεραπεία, καρδιακή καταπόνηση κατά 50% πάνω από τη βάση, αργοπορημένο δείπνο. Η σύγκριση εμφανίζεται μόνο από 5 ζεύγη και πάνω σε κάθε πλευρά και φέρει την ένδειξη της απλής παρατήρησης: ένα μεμονωμένο πρωί έχει πάρα πολλές αιτίες για να θεωρηθεί η διαφορά των μέσων όρων αιτιώδης.
Έλεγχος πρόβλεψης: ένα σφάλμα αντί για υποσχέσεις
Η φράση «η πλατφόρμα γίνεται πιο ακριβής» είναι κάτι που ένας έλεγχος δικαιούται να δει με συγκεκριμένο αριθμό. Για τον σκοπό αυτό, ο πίνακας διαχείρισης διαθέτει έναν έλεγχο πρόβλεψης: σε όλο το συσσωρευμένο ιστορικό, η πλατφόρμα προβλέπει εκ των υστέρων κάθε πρωί — σφυγμό ηρεμίας, HRV, Body Battery και βαθμολογία ύπνου — και υπολογίζει το μέσο απόλυτο σφάλμα (MAE): πόσες μονάδες πέφτει έξω κατά μέσο όρο η πρόβλεψη.
Αυτό υπολογίζεται με τη μέθοδο walk-forward — «προχωρώντας μόνο προς τα εμπρός»: η πρόβλεψη για ένα πρωί βασίζεται αποκλειστικά στις ημέρες που προηγήθηκαν, και ακόμη και ο συντελεστής καταπόνησης εκπαιδεύεται μόνο σε ζεύγη που έχουν ήδη συμβεί μέχρι εκείνη τη στιγμή. Η εκ των υστέρων γνώση του μέλλοντος για προσαρμογή του αποτελέσματος είναι δομικά αδύνατη.
Μοντέλο
Πώς προβλέπει
Γιατί υπάρχει στον πίνακα
«Όπως χθες»
αύριο θα είναι ο ίδιος αριθμός με σήμερα
ο βασικός πήχης αναφοράς: ένα μοντέλο που δεν τον ξεπερνά δεν δικαιούται να ονομάζεται μοντέλο
«Προσωπική βάση»
ο μέσος όρος του επισκέπτη κατά τη διαμονή — ο ίδιος που εμφανίζεται στο πρωινό φύλλο
δείχνει την αξία της εξατομίκευσης από μόνη της
«Βάση + καταπόνηση»
η προσωπική βάση με διόρθωση για τη χθεσινή υπερφόρτωση· ο συντελεστής ενεργοποιείται μετά από 8 συσσωρευμένα ζεύγη
το πρώτο εκπαιδεύσιμο στοιχείο — και η συμβολή του φαίνεται ξεχωριστά
Ο πίνακας είναι σκόπιμα ικανός να δείχνει τα μη βολικά δεδομένα: σε ένα μικρό ιστορικό, το απλοϊκό «όπως χθες» συχνά κερδίζει τις διορθώσεις — και αυτό είναι ένα σωστό αποτέλεσμα, όχι δυσλειτουργία. Ο πήχης για τα μελλοντικά μοντέλα τίθεται από αυτόν ακριβώς τον πίνακα: ένα μοντέλο ενσωματώνεται στο προϊόν όταν ξεπερνά με συνέπεια το απλοϊκό μοντέλο στα δεδομένα του ξενοδοχείου, όχι επειδή ακούγεται εντυπωσιακό.
Οδικός χάρτης
Τώρα. Κανόνες πάνω από την προσωπική βάση αναφοράς· τα ημερολόγια αποφάσεων και αποτελεσμάτων συμπληρώνονται αυτόματα· το σφάλμα πρόβλεψης μετριέται με το πάτημα ενός κουμπιού.
Στη συνέχεια. Μοντέλα πρόβλεψης βάσει του ημερολογίου αποτελεσμάτων — μόλις συγκεντρωθούν αρκετά ζεύγη ώστε να ξεπερνούν σταθερά τον απλοϊκό πήχη του παραπάνω πίνακα. Μέχρι τότε, καμία «έξυπνη» διαφήμιση στη βιτρίνα.
Πάντα. Η αυτόματη συνταγογράφηση παραμένει μόνο προσχέδιο που υπογράφει ο γιατρός: έτσι λειτουργεί ήδη το πρωινό σημείωμα, έτσι θα λειτουργούν και οι προτάσεις θεραπειών από το ημερολόγιο αποφάσεων.
Συχνές ερωτήσεις
Πρόκειται για μηχανική μάθηση ή άκαμπτους κανόνες; Ο πυρήνας είναι εξηγήσιμοι κανόνες πάνω από την προσωπική βάση αναφοράς του επισκέπτη. Υπάρχουν ήδη στοιχεία εκπαίδευσης — ο συντελεστής επιβάρυνσης στην πρόβλεψη και η αναζήτηση παρόμοιων περιπτώσεων στο ημερολόγιο αποφάσεων — ενώ τα πλήρη μοντέλα θα βασιστούν στο ημερολόγιο αποτελεσμάτων, με την ποιότητά τους να μετριέται ήδη από τον πίνακα σφαλμάτων.
Γιατί όχι νευρωνικό δίκτυο; Επειδή το πλάνο υπογράφεται από γιατρό και η εξηγησιμότητα αποτελεί κλινική απαίτηση, όχι ζήτημα προτίμησης· επειδή ο κανονισμός EU AI Act αντιμετωπίζει τις αδιαφανείς ιατρικές συστάσεις πολύ πιο αυστηρά από τους κανόνες· και επειδή τα μοντέλα χωρίς δεδομένα είναι χειρότερα από τους κανόνες — και η πλατφόρμα εξακολουθεί να συλλέγει δεδομένα.
Τι εμποδίζει ένα συνηθισμένο PMS να κάνει το ίδιο; Το Garmin Health API παρέχει βιομετρικά δεδομένα, αλλά όχι τις ιατρικές οδηγίες ούτε την καταγραφή διατροφής. Το ζεύγος «παρέμβαση → απόκριση» συγκεντρώνεται μόνο εκεί όπου και οι τρεις ροές συνυπάρχουν σε ένα ενιαίο κύκλωμα — και αυτό το σύνολο δεδομένων παραμένει στο ξενοδοχείο.
Πού μπορεί κανείς να τα δει όλα αυτά; Στον πίνακα ελέγχου: «Ρυθμίσεις» → «Βοηθός» — οι κάρτες και των δύο ημερολογίων, οι παρατηρήσεις παραγόντων, το κουμπί ελέγχου πρόβλεψης και η εξαγωγή JSONL (οθόνη διαχειριστή).
Υποστηρίζει η πλατφόρμα αιτιώδη συνάφεια; Όχι. Οι μέσοι όροι «με τον παράγοντα / χωρίς» επισημαίνονται ως απλές παρατηρήσεις· τα αιτιώδη συμπεράσματα απαιτούν όγκο δεδομένων και σχεδιασμό μελέτης που ένα μεμονωμένο ξενοδοχείο δεν διαθέτει — και μια ειλικρινής σελίδα το αναφέρει ρητά.
Το Google Analytics μας δείχνει ποιες σελίδες διαβάζονται — μόνο με τη συγκατάθεσή σας. Η γλώσσα σας και αυτή η επιλογή παραμένουν ούτως ή άλλως στο πρόγραμμα περιήγησής σας.
