Cara Longev AI belajar: peraturan, data dan ramalan teruji
Teras Longev AI diasaskan pada peraturan klinikal yang boleh dijelaskan berasaskan garis dasar tetamu sendiri, mengumpul pasangan «pendedahan → tindak balas», dan mengukur ralat ramalannya secara telus.
Untuk siapa halaman ini. Uji tuntas teknikal, doktor dan pelabur — sesiapa sahaja yang bertanya: «adakah ini pembelajaran mesin atau peraturan tegar?» Jawapannya jujur dan boleh disemak melalui portal itu sendiri.
Terasnya ialah peraturan, atas pilihan. Setiap cadangan terbit daripada ambang yang dinamakan dan boleh dijelaskan dalam satu ayat; prosedur berbayar hanya diubah oleh doktor. Dalam persekitaran perubatan, tiada siapa yang menandatangani kotak hitam.
Pemperibadian ialah garis dasar sendiri. Penanda dinilai bukan berdasarkan «norma populasi», tetapi purata penginapan tetamu itu sendiri: nadi rehat 62 tidak bermakna apa-apa sehingga anda tahu bahawa ia adalah 54 sepanjang minggu.
Dua set data. Jurnal keputusan — «angka tetamu → tindakan doktor»; jurnal hasil — «prosedur dan beban semalam → bacaan jam tangan pada waktu pagi». Kedua-duanya tanpa nama mengikut reka bentuk dan boleh dieksport sebagai baris JSONL.
Ramalan diaudit. Platform meramalkan nadi rehat esok, HRV, Body Battery dan skor tidur menggunakan tiga model serta memaparkan min ralat setiap model — dalam bentuk jadual, bukan sekadar janji.
Sempadan. Wellness & Lifestyle Intelligence — sokongan gaya hidup, bukan peranti perubatan; keputusan muktamad sentiasa di tangan doktor. Dikemas kini pada 25.08.2026.
Peraturan, bukan kotak hitam — dan sebabnya
Longev AI berfungsi sebagai enjin deterministik: malam yang sama di bawah ambang yang sama menghasilkan helaian yang sama. Ini bukan kekangan yang cuba disembunyikan oleh platform — ini ialah keputusan kejuruteraan atas tiga sebab.
Pertama, tandatangan doktor. Helaian pagi ditandatangani, dan setiap baris padanya wajib menjawab soalan «mengapa»: «nadi rehat 68 berbanding purata anda 61 — kami mencadangkan menukar prosedur berat». Cadangan yang tidak dapat dijelaskan dengan angka tidak akan dicetak sama sekali oleh enjin.
Kedua, kerangka kawal selia. Sistem yang mengubah preskripsi perubatan secara senyap melalui model legap beralih ke arah menjadi peranti perubatan dan tergolong dalam kategori berisiko tinggi di bawah peraturan AI Eropah (EU AI Act). Platform ini secara sedar kekal sebagai sokongan gaya hidup: ia mencadangkan, menjelaskan dan menunggu doktor (kerangka undang-undang).
Ketiga, permulaan sejuk. Model yang boleh dilatih tanpa data adalah lebih lemah daripada peraturan: tiada apa-apa untuk dipelajarinya di hotel yang baru menyertai semalam. Peraturan berfungsi seawal tetamu pertama — dan data untuk model masa depan mula terkumpul sejak pagi pertama, seperti yang diterangkan di bawah.
Garis dasar sendiri dan bukannya norma populasi
Hampir setiap ambang enjin membandingkan tetamu dengan diri mereka sendiri. Garis dasar ialah purata penginapan mereka sendiri: hari ketibaan yang tidak lengkap tidak dimasukkan secara jujur, dan sehingga sekurang-kurangnya dua hari diukur, penanda garis dasar tidak dinaikkan langsung — perbandingan dengan satu malam sahaja ibarat lambungan syiling yang dicetak sebagai kesimpulan. Doktor boleh meningkatkan tempoh perlindungan ini sehingga 5 hari.
Kebolehubahan kadar denyutan jantung (HRV — sejauh mana jeda antara denyutan jantung tidak sekata) mempunyai sumber rujukan kedua: julat peribadi tetamu, yang dipelajari oleh enjin Firstbeat di dalam Garmin selama kira-kira tiga minggu. Apabila jam tangan yang mengenali tetamu lebih lama daripada garis dasar dua hari kami menunjukkan «di bawah julat», komponen kesediaan tidak boleh bertukar hijau — keputusan jam tangan mengatasi aritmetik kami, dan tepat dalam satu arah sahaja.
Angka yang sama membentuk kesediaan hari tersebut — satu nilai dari 0 hingga 100, setara dengan Readiness pada cincin Oura dan Recovery pada gelang WHOOP, tetapi berdasarkan data Garmin dan di bawah peraturan yang dilaraskan oleh doktor hotel: Body Battery menyumbang 30 mata, HRV dan tidur masing-masing 25 mata, manakala nadi rehat dan beban semalam masing-masing 10 mata. Komponen tanpa data tidak digantikan dengan «purata umum» — ia digugurkan, wajaran dinormalkan semula, dan apabila data merangkumi kurang daripada separuh wajaran, tiada kesimpulan dikeluarkan.
Helaian pagi doktor: kesediaan 49 daripada 100 dengan perincian komponen — setiap baris memaparkan angkanya, garis dasarnya dan sebabnya×
Lapisan enjin
Lapisan
Fungsi
Tempat dibincangkan
Input
25 metrik daripada jam tangan dan penimbang Garmin, borang soal selidik kemasukan, preskripsi doktor, diari pemakanan
Sistem pengurusan hartanah hotel (PMS) boleh menyambungkan Garmin Health API dan menerima nadi serta tidur. Namun ia kekurangan dua perkara yang membentuk set latihan: preskripsi doktor dan diari pemakanan. Oleh itu, platform ini mengumpul dua set data, dan kedua-duanya hanya wujud apabila biometrik, preskripsi dan pemakanan berada dalam satu kitaran.
Jurnal keputusan — «angka tetamu → tindakan doktor». Setiap tindakan klinikal dalam panel disimpan bersama gambaran tanpa nama tetamu pada masa tersebut: umur, jantina, hari penginapan, angka malam, purata sendiri, bendera. Ia kini berfungsi sebagai pembantu cadangan: doktor dapat melihat tindakan hotel bagi angka yang serupa.
Jurnal hasil — «pendedahan → tindak balas». Setiap pagi yang diukur, platform merakam pasangan data secara automatik: prosedur dan beban hari sebelumnya (termasuk makan malam selepas 20:00 dan hidangan kur minum) bersebelahan dengan data jam tangan pada waktu pagi — nadi rehat dan HRV berbanding garis dasar sendiri, tidur, Body Battery, kesediaan, bendera.
Kerahsiaan dan pemadaman. Baris data tidak mengandungi nama mahupun tarikh lahir; penarikan balik persetujuan data kesihatan turut memadamkan pasangan data tetamu — ini menjadikan set data lebih tepat dan telus, bukannya merugikan. Eksport data dibuat dalam bentuk baris JSONL dari panel pentadbir.
Pemerhatian, bukan sebab akibat. Berdasarkan pasangan data yang terkumpul, panel memaparkan purata «dengan faktor / tanpa faktor»: prosedur haba pada hari sebelumnya, prosedur berat, beban kardio 50% melebihi asas, makan malam lewat. Perbandingan hanya dicetak daripada sekurang-kurangnya 5 pasangan di setiap bahagian dan dilabelkan sebagai pemerhatian: satu waktu pagi mempunyai terlalu banyak faktor untuk menganggap perbezaan purata sebagai puncanya.
Ujian ramalan: ralat sebagai ganti janji
Ayat «platform menjadi lebih tepat» berhak dinilai melalui angka oleh audit. Untuk itu, panel pentadbir mempunyai semakan ramalan: berdasarkan keseluruhan sejarah yang dikumpul, platform meramalkan semula setiap pagi — nadi rehat, HRV, Body Battery dan skor tidur — serta mengira ralat mutlak min (MAE): berapa banyak unit ramalan tersasar secara purata.
Ini dikira secara walk-forward — «hanya bergerak ke hadapan»: ramalan untuk waktu pagi dibina khusus daripada hari-hari sebelumnya, malah pekali beban hanya dilatih menggunakan pasangan data yang telah berlaku sebelum itu. Mengintai masa hadapan untuk memadankan jawapan adalah mustahil mengikut reka bentuk sistem.
Model
Cara ia meramal
Sebab ia berada dalam jadual
«Seperti semalam»
esok akan mencatat angka yang sama seperti hari ini
tanda aras naif: model yang gagal mengatasinya tidak layak dianggap sebagai model
«Garis dasar sendiri»
purata penginapan tetamu — sama seperti yang dicetak pada helaian pagi
menunjukkan nilai pemperibadian semata-mata
«Garis dasar + beban»
garis dasar sendiri dengan pelarasan untuk beban berlebihan semalam; pekali diaktifkan selepas 8 pasangan data terkumpul
elemen pertama yang boleh dilatih — sumbangannya dipaparkan secara berasingan
Jadual ini sengaja memaparkan fakta yang mencabar: dengan sejarah data yang sedikit, anggaran naif «seperti semalam» sering mengatasi pembetulan model — dan ini adalah hasil yang sah, bukannya kerosakan. Penanda aras bagi model masa depan ditetapkan oleh jadual ini: model hanya digunakan dalam produk sebenar apabila ia secara konsisten mengatasi model naif berdasarkan data hotel, bukan sekadar kelihatan meyakinkan.
Pelan hala tuju
Sekarang. Peraturan berasaskan garis dasar sendiri; jurnal keputusan dan hasil berkembang secara automatik; ralat ramalan diukur dengan menekan satu butang.
Seterusnya. Model ramalan pada jurnal hasil — apabila data berpasangan mencukupi untuk melepasi penanda aras naif daripada jadual di atas secara konsisten. Sebelum itu, tiada istilah «pintar» dipaparkan di etalase.
Sentiasa. Preskripsi automatik hanya sebagai draf yang ditandatangani oleh doktor: begitulah nota pagi sudah berfungsi, dan begitulah cadangan preskripsi berasaskan jurnal keputusan akan berfungsi.
Soalan dan jawapan
Adakah ini pembelajaran mesin atau peraturan tegar? Terasnya ialah peraturan yang boleh diterangkan berasaskan garis dasar tetamu sendiri. Elemen boleh dilatih sudah wujud — pekali beban dalam ramalan dan carian kes serupa dalam jurnal keputusan — manakala model lengkap akan diterapkan pada jurnal hasil, dengan kualitinya sudah pun diukur melalui jadual ralat.
Mengapa bukan rangkaian neural? Kerana helaian preskripsi ditandatangani oleh doktor dan kebolehan menerangkan adalah keperluan klinikal, bukan soal pilihan; kerana EU AI Act menilai cadangan kesihatan yang legap dengan lebih ketat berbanding peraturan; dan kerana model tanpa data adalah lebih lemah daripada peraturan — dan data platform masih sedang dikumpulkan.
Apakah yang menghalang PMS biasa daripada meniru fungsi ini? Garmin Health API membekalkan data biometrik, tetapi bukan preskripsi doktor dan bukan catatan pemakanan. Pasangan «pendedahan → tindak balas» hanya dapat dikumpul apabila ketiga-tiga aliran data wujud dalam satu kitaran — dan set data ini kekal milik hotel.
Di manakah semua ini boleh dilihat? Dalam panel: «Tetapan» → «Pembantu» — kad bagi kedua-dua jurnal, pemerhatian faktor, butang semakan ramalan dan eksport JSONL (skrin pentadbir).
Adakah platform ini mendakwa adanya hubungan sebab akibat? Tidak. Purata «dengan / tanpa faktor» dilabelkan sebagai pemerhatian; kesimpulan sebab akibat memerlukan volum dan reka bentuk kajian yang tidak dimiliki oleh sebuah hotel tunggal — dan halaman yang telus menyatakannya secara terang-terangan.
