Kako uči Longev AI: pravila, podaci i provjera prognoze
Jezgra Longev AI-ja su objašnjiva klinička pravila temeljena na osobnoj bazi gosta. Povrh njih platforma prikuplja parove «djelovanje → odziv» i otvoreno mjeri pogrešku vlastite prognoze.
Kome je namijenjena ova stranica. Tehničkoj provjeri, liječnicima i investitorima — svima koji pitaju: «je li ovo strojno učenje ili fiksna pravila?» Odgovor je iskren i provjerljiv na samom portalu.
Jezgra su pravila, i to s razlogom. Svaka preporuka proizlazi iz imenovanog praga i može se objasniti u jednoj rečenici; plaćene procedure mijenja isključivo liječnik. U medicinskom krugu nitko ne potpisuje crnu kutiju.
Personalizacija je osobna baza. Zastavice se ne računaju prema «prosjeku populacije», već prema vlastitom prosjeku gosta tijekom boravka: puls u mirovanju od 62 ne znači ništa dok se ne zna da je cijeli tjedan bio 54.
Dva skupa podataka. Dnevnik odluka — «brojke gosta → što je liječnik učinio»; dnevnik ishoda — «jučerašnje procedure i opterećenje → što je sat zabilježio ujutro». Oba su anonimizirana u samom dizajnu i izvoze se u JSONL formatu.
Prognoza pod kontrolom. Platforma predviđa sutrašnji puls u mirovanju, varijabilnost, Body Battery i ocjenu sna pomoću tri modela te ispisuje prosječnu pogrešku svakog — u tablici, a ne kao obećanje.
Granica. Wellness & Lifestyle Intelligence — podrška stilu života, a ne medicinski proizvod; zadnja riječ uvijek pripada liječniku. Ažurirano 25.08.2026.
Pravila, a ne crna kutija — i zašto
Longev AI radi kao deterministički sustav: ista noć uz iste pragove daje potpuno isti list. To nije ograničenje koje platforma skriva, već inženjerska odluka iz tri razloga.
Prvi je potpis liječnika. Jutarnji list se potpisuje i svaki redak na njemu mora odgovoriti na pitanje «zašto»: «puls u mirovanju 68 u odnosu na vaš prosjek od 61 — predlažemo zamjenu zahtjevne procedure». Preporuku koja se ne može objasniti brojem sustav uopće ne ispisuje.
Drugi je regulatorni okvir. Sustav koji samostalno mijenja medicinske preporuke putem netransparentnog modela naginje prema medicinskom proizvodu i sustavima visokog rizika europske uredbe o umjetnoj inteligenciji (EU AI Act). Platforma svjesno ostaje podrška stilu života: predlaže, objašnjava i čeka liječnika (pravni okvir).
Treći je hladni start. Model koji uči bez podataka lošiji je od pravila: nema na čemu učiti u hotelu koji se uključio jučer. Pravila funkcioniraju od prvog gosta, a podatke za buduće modele platforma počinje prikupljati od prvog jutra — o tome u nastavku.
Osobna baza umjesto prosjeka populacije
Gotovo svaki prag u sustavu uspoređuje gosta sa samim sobom. Baza je prosjek njegova boravka: nepotpuni dani dolaska u nju pošteno ne ulaze, a dok nema barem dva izmjerena dana, zastavice osobne baze se uopće ne podižu — usporedba s jednom noći bila bi bacanje novčića ispisano kao nalaz. Liječnik tu zaštitu može podići na do 5 dana.
Kod varijabilnosti srčanog ritma (HRV — koliko su nejednake pauze između otkucaja srca) postoji i drugi izvor istine: vlastiti raspon gosta koji Firstbeatov algoritam unutar Garmina uči oko tri tjedna. Ako sat, koji gosta poznaje dulje od naše dvodnevne baze, kaže «ispod raspona», komponenta spremnosti ne može biti zelena — procjena sata nadjačava našu aritmetiku, i to u točno jednom smjeru.
Iz istih se brojki sastavlja spremnost za dan — jedan broj od 0 do 100, pandan metrikama Readiness prstena Oura i Recovery narukvice WHOOP, ali na Garmin podacima i po pravilima koja postavlja liječnik hotela: Body Battery nosi 30 bodova, HRV i san po 25, a puls u mirovanju i jučerašnje opterećenje po 10. Komponenta bez podataka ne zamjenjuje se općim prosjekom — ona ispada, težine se ponovno preračunavaju, a kada podaci pokrivaju manje od polovice težine, ocjena se uopće ne donosi.
Jutarnji list liječnika: spremnost 49 od 100 s raščlambom po stavkama — svaki redak nosi svoju brojku, svoju bazu i svoj razlog×
Slojevi sustava
Sloj
Što radi
Gdje je objašnjeno
Ulaz
25 pokazatelja sa sata i vage Garmin, upitnik, preporuke liječnika, dnevnik prehrane
Hotelski sustav upravljanja (PMS) može se povezati na Garmin Health API i primati puls i san. No nedostaju mu dvije stvari koje čine skup za treniranje: liječnički recepti i dnevnik prehrane. Zato platforma prikuplja dva skupa podataka, a oba postoje samo tamo gdje biometrija, preporuke i prehrana žive u istom krugu.
Dnevnik odluka — «brojke gosta → što je liječnik učinio». Svaka radnja na ploči bilježi se uz anonimni presjek stanja gosta u tom trenutku: dob, spol, dan boravka, noćne brojke, vlastiti prosjeci, zastavice. Već danas funkcionira kao prijedlog: liječnik vidi kako je hotel postupao pri sličnim brojkama.
Dnevnik ishoda — «utjecaj → odgovor». Svakog izmjerenog jutra platforma sama bilježi par: procedure i opterećenje prethodnog dana (uključujući večeru nakon 20:00 i čaše s pitke kure) uz ono što je sat zabilježio ujutro — puls u mirovanju i HRV u odnosu na vlastitu bazu, san, Body Battery, spremnost, zastavice.
Anonimnost i brisanje. U redovima nema ni imena ni datuma rođenja; povlačenje privole za zdravstvene podatke briše i parove tog gosta — skup podataka time je pošteniji, a ne siromašniji. Izvoz se vrši u JSONL redovima iz administratorske ploče.
Zapažanje, a ne uzročnost. Na temelju prikupljenih parova ploča prikazuje prosjeke «s čimbenikom / bez njega»: toplinske procedure dan ranije, zahtjevna procedura, opterećenje 50 % iznad baze, kasna večera. Usporedba se prikazuje tek od 5 parova sa svake strane i označena je kao zapažanje: jedno jutro ima previše uzroka da bi se razlika u prosjecima smatrala uzrokom.
Provjera prognoze: pogreška umjesto obećanja
Tvrdnju «platforma postaje točnija» revizija ima pravo zatražiti kao brojku. Zato u administratorskoj ploči postoji provjera prognoze: na temelju cjelokupne prikupljene povijesti platforma retroaktivno predviđa svako jutro — puls u mirovanju, HRV, Body Battery i ocjenu sna — te izračunava srednju apsolutnu pogrešku (MAE): za koliko jedinica prognoza u prosjeku promašuje.
Izračunava se metodom walk-forward — «idući samo prema naprijed»: prognoza za jutro gradi se strogo iz dana prije njega, a čak se i koeficijent opterećenja dodatno uči samo na parovima koji su se do tog trenutka već dogodili. Zaviriti u budućnost i namjestiti odgovor ovdje je konstrukcijski nemoguće.
Model
Kako predviđa
Zašto je u tablici
«Kao jučer»
sutra će biti ista brojka kao danas
naivni prag: model koji ga ne nadmaši nema se pravo zvati modelom
«Osobna baza»
prosjek gosta tijekom boravka — isti onaj koji ispisuje jutarnji list
pokazuje vrijednost same personalizacije
«Baza + opterećenje»
osobna baza s korekcijom za jučerašnje preopterećenje; koeficijent se uključuje nakon 8 prikupljenih parova
prvi element koji uči — a njegov je doprinos vidljiv zasebno
Tablica namjerno može prikazati ono neugodno: na maloj povijesti naivno «kao jučer» često pobjeđuje korekcije — i to je ispravan rezultat, a ne greška. Prag za buduće modele postavljen je upravo ovom tablicom: model ulazi u proizvod kada pouzdano nadmašuje naivni na podacima hotela, a ne kada dobro zvuči.
Razvojni plan
Sada. Pravila povrh osobne polazne vrijednosti; dnevnici odluka i ishoda rastu sami; pogreška prognoze mjeri se pritiskom na gumb.
Dalje. Prediktivni modeli na dnevniku ishoda — kada bude dovoljno parova za pouzdano nadmašivanje jednostavnog praga iz gornje tablice. Do tada nema «pametnih» riječi u izlogu.
Uvijek. Automatsko propisivanje samo kao skica koju potpisuje liječnik: tako već funkcionira jutarnja zabilješka, a tako će raditi i predlaganje procedura iz dnevnika odluka.
Pitanja i odgovori
Je li to strojno učenje ili fiksna pravila? Jezgra su objašnjiva pravila povrh osobne baze gosta. Elementi koji uče već postoje — koeficijent opterećenja u prognozi i pretraživanje sličnih slučajeva u dnevniku odluka — a cjeloviti modeli doći će na dnevniku ishoda, pri čemu se njihova kvaliteta već sada mjeri tablicom pogrešaka.
Zašto ne neuronska mreža? Zato što plan potpisuje liječnik, a objašnjivost je klinički zahtjev, a ne stvar ukusa; zato što uredba EU AI Act na netransparentne zdravstvene preporuke gleda znatno strože nego na pravila; i zato što su modeli bez podataka lošiji od pravila — a platforma podatke još prikuplja.
Što sprječava običan PMS sustav da to ponovi? Garmin Health API isporučit će biometriju, ali ne i liječničke recepte niti evidenciju prehrane. Par «djelovanje → odgovor» nastaje samo tamo gdje sva tri toka podataka žive u jednom krugu — i taj skup podataka ostaje hotelu.
Gdje se sve to može vidjeti? U nadzornoj ploči: «Postavke» → «Asistent» — kartice obaju dnevnika, zapažanja po čimbenicima, gumb za provjeru prognoze i izvoz u JSONL formatu (administratorski zaslon).
Tvrdi li platforma uzročnost? Ne. Prosjeci «s faktorom / bez» označeni su kao opažanja; uzročno-posljedični zaključci zahtijevaju opsege i metodologiju istraživanja kakve pojedinačni hotel nema — i poštena stranica to otvoreno kaže.
