Cum învață Longev AI: reguli, date și prognoze testate
Nucleul Longev AI: reguli clinice explicabile aplicate pe profilul de bază al oaspetelui. Platforma colectează perechi «expunere → răspuns» și își măsoară deschis eroarea prognozelor.
Cui îi este adresată această pagină. Pentru audit tehnic, medici și investitori — pentru oricine întreabă: «este învățare automată sau reguli fixe?» Răspunsul este onest și verificabil direct în portal.
Nucleul constă în reguli, dintr-o alegere deliberată. Fiecare recomandare decurge dintr-un prag clar definit și poate fi explicată printr-o singură frază; procedurile plătite sunt modificate exclusiv de medic. Într-un cadru medical, nimeni nu își asumă semnătura pentru o cutie neagră.
Personalizarea înseamnă propria bază de referință. Avertizările nu se raportează la o «normă a populației», ci la media proprie a oaspetelui din timpul sejurului: un puls de repaus de 62 nu înseamnă nimic dacă nu știi că toată săptămâna a fost 54.
Două seturi de date. Jurnalul deciziilor — «indicatorii oaspetelui → ce a prescris medicul»; jurnalul rezultatelor — «procedurile și efortul de ieri → ce a înregistrat ceasul dimineața». Ambele sunt anonime prin concepție și pot fi exportate ca linii JSONL.
Prognoza este verificată. Platforma anticipează pulsul de repaus, starea HRV, Body Battery și scorul de somn pentru ziua următoare folosind trei modele și afișează eroarea medie pentru fiecare dintre ele — sub formă de tabel, nu ca o simplă promisiune.
Limita. Wellness & Lifestyle Intelligence oferă sprijin pentru stilul de viață, nefiind un dispozitiv medical; decizia finală aparține întotdeauna medicului. Actualizat la 25.08.2026.
Reguli, nu o cutie neagră — și motivele acestei alegeri
Longev AI funcționează ca un motor determinist: aceeași noapte analizată prin aceleași praguri generează exact aceeași fișă. Aceasta nu este o limitare pe care platforma încearcă să o ascundă, ci o decizie de inginerie bazată pe trei motive.
Primul motiv este semnătura medicului. Fișa de dimineață este semnată de medic, iar fiecare rând trebuie să răspundă la întrebarea «de ce»: «pulsul de repaus este 68 față de media dumneavoastră de 61 — recomandăm înlocuirea procedurii solicitante». O recomandare care nu poate fi explicată printr-o valoare numerică nu este niciodată afișată de motor.
Al doilea motiv este cadrul de reglementare. Un sistem care modifică automat prescripțiile medicale pe baza unui model opac riscă să fie încadrat ca dispozitiv medical și ca sistem cu risc ridicat conform Regulamentului european privind inteligența artificială (EU AI Act). Platforma rămâne în mod deliberat un instrument de sprijin pentru stilul de viață: propune, explică și lasă decizia medicului (cadrul legal).
Al treilea motiv este pornirea la rece. Un model care necesită instruire este, în lipsa datelor, mai puțin util decât un set de reguli: nu are din ce să învețe într-un hotel conectat abia ieri. Regulile funcționează încă de la primul oaspete, iar platforma începe să acumuleze date pentru viitoarele modele încă din prima dimineață — detalii mai jos.
Baza de referință personală în locul normelor statistice
Aproape fiecare prag de evaluare al motorului compară oaspetele cu el însuși. Baza de referință este media propriului său sejur: zilele parțiale de sosire sunt excluse corect din calcul, iar până când nu sunt înregistrate cel puțin două zile complete, avertizările comparative nu se activează deloc — o comparație bazată pe o singură noapte ar fi o simplă loterie prezentată drept concluzie. Medicul poate extinde această marjă de siguranță până la 5 zile.
Variabilitatea ritmului cardiac (HRV — neregularitatea intervalelor dintre bătăile inimii) are o a doua sursă de referință: intervalul propriu al oaspetelui, pe care algoritmul Firstbeat integrat în Garmin îl calculează pe parcursul a circa trei săptămâni. Dacă ceasul, care monitorizează oaspetele de mai mult timp decât baza noastră de două zile, indică «sub intervalul obișnuit», componenta de pregătire fizică nu poate fi marcată cu verde — evaluarea ceasului primează în fața calculelor noastre, strict în această direcție.
Din aceleași valori se calculează nivelul de pregătire pentru ziua respectivă — un indice de la 0 la 100, echivalentul funcției Readiness de la inelul Oura sau Recovery de la brățara WHOOP, însă bazat pe datele Garmin și pe regulile stabilite de medicul hotelului: Body Battery are o pondere de 30 de puncte, starea HRV și somnul câte 25, iar pulsul de repaus și efortul din ziua precedentă câte 10. Dacă lipsesc date pentru o componentă, aceasta nu este înlocuită cu o medie statistică — este exclusă, ponderile se recalculează, iar dacă lipsesc date pentru mai mult de jumătate din ponderea totală, calificativul nu se afișează.
Fișa de dimineață a medicului: nivel de pregătire 49 din 100, cu detalierea componentelor — fiecare rând indică valoarea măsurată, nivelul de referință și motivul×
Nivelurile motorului de calcul
Nivel
Ce face
Unde este explicat
Date de intrare
25 de indicatori de la ceasul și cântarul Garmin, chestionarul inițial, recomandările medicului, jurnalul alimentar
Un sistem de gestiune hotelieră (PMS) se poate conecta la Garmin Health API pentru a primi pulsul și datele despre somn. Îi lipsesc însă cele două elemente din care se formează un set de antrenament: prescripțiile medicului și jurnalul alimentar. De aceea, platforma adună două seturi de date, iar ambele există doar acolo unde biometria, prescripțiile și alimentația funcționează în același circuit.
Jurnalul deciziilor — «indicatorii oaspetelui → ce a făcut medicul». Fiecare acțiune din panou este salvată împreună cu o imagine anonimă a stării oaspetelui din acel moment: vârstă, sex, ziua șederii, indicatorii nocturni, mediile proprii, semnalizările. Funcționează deja ca o sugestie: medicul vede cum a procedat echipa la valori similare.
Jurnalul rezultatelor — «expunere → răspuns». În fiecare dimineață monitorizată, platforma înregistrează automat o pereche de date: procedurile și efortul din ziua precedentă (inclusiv cina după ora 20:00 și porțiile de apă minerală) alături de datele înregistrate de ceas dimineața — pulsul de repaus și HRV față de media personală, somnul, Body Battery, nivelul de pregătire, semnalizările.
Anonimizare și ștergere. Înregistrările nu conțin nume sau dată de naștere; retragerea acordului pentru datele de sănătate șterge și perechile de date ale oaspetelui — setul devine mai corect, nu mai sărac. Exportul se face în format JSONL din panoul de administrare.
Observație, nu cauzalitate. Pe baza perechilor acumulate, panoul afișează mediile «cu factorul respectiv / fără el»: proceduri termice în ziua precedentă, o procedură solicitantă, efort cu 50 % peste nivelul de bază, cină târzie. Comparația este afișată doar dacă există cel puțin 5 perechi de fiecare parte și este marcată drept observație: o dimineață are prea mulți factori de influență pentru ca o diferență între medii să poată fi numită cauză.
Verificarea prognozei: erori concrete în loc de promisiuni
Afirmația «platforma devine mai precisă» este ceva ce un audit are dreptul să ceară sub formă de cifre. Pentru aceasta, panoul de administrare include o verificare a prognozei: pe baza întregului istoric acumulat, platforma estimează retroactiv fiecare dimineață — pulsul de repaus, HRV, Body Battery și scorul de somn — și calculează eroarea medie absolută (MAE): cu câte unități deviază prognoza în medie.
Calculul se face walk-forward — «mergând doar înainte»: prognoza pentru o dimineață este construită strict pe baza zilelor anterioare, iar coeficientul de efort se recalibrează doar pe perechile care au avut deja loc până în acel moment. Prin însăși construcția modelului, este imposibil să se consulte date din viitor pentru a ajusta rezultatul.
Model
Cum prognozează
De ce se află în tabel
«Ca ieri»
mâine va fi aceeași valoare ca azi
pragul de referință de bază: un model care nu îl depășește nu poate fi considerat un model util
«Baza personală»
media oaspetelui pe durata șederii — aceeași afișată pe fișa de dimineață
arată valoarea adusă de personalizarea în sine
«Baza + efort»
baza personală ajustată în funcție de suprasolicitarea de ieri; coeficientul se activează după 8 perechi acumulate
primul element care învață — iar contribuția sa este vizibilă separat
Tabelul este conceput intenționat să arate și concluziile incomode: pe un istoric scurt, varianta simplă «ca ieri» depășește adesea ajustările — iar acesta este un rezultat corect, nu o eroare. Ștacheta pentru modelele viitoare este stabilită chiar de acest tabel: un model ajunge în producție doar atunci când depășește constant modelul de bază pe datele reale ale hotelului, nu atunci când sună impresionant în teorie.
Foaia de parcurs
Acum. Reguli aplicate peste baza de referință personală; jurnalele de decizii și de rezultate cresc de la sine; eroarea de prognoză se măsoară la apăsarea unui buton.
În continuare. Modele predictive bazate pe jurnalul de rezultate — odată ce se vor aduna suficiente perechi pentru a depăși constant pragul naiv din tabelul de mai sus. Până atunci, fără etichete «inteligente» de fațadă.
Întotdeauna. Prescriere automată doar sub formă de ciornă semnată de medic: așa funcționează deja nota de dimineață și așa va funcționa și sugestia de prescripții bazată pe jurnalul de decizii.
Întrebări și răspunsuri
Este vorba despre învățare automată sau despre reguli stricte? Nucleul este format din reguli explicabile aplicate peste valorile de bază ale oaspetelui. Elemente antrenabile există deja — coeficientul de efort din prognoză și căutarea cazurilor similare în jurnalul de decizii —, iar modelele complete vor fi introduse pe baza jurnalului de rezultate, calitatea lor fiind măsurată încă de acum prin tabelul de erori.
De ce nu o rețea neuronală? Pentru că fișa este semnată de un medic, iar transparența deciziei este o cerință clinică, nu o preferință; pentru că Regulamentul UE privind inteligența artificială (EU AI Act) tratează recomandările medicale opace mult mai strict decât pe cele bazate pe reguli clare; și pentru că modelele fără suficiente date sunt mai slabe decât regulile, iar platforma încă acumulează date.
Ce împiedică un PMS obișnuit să facă același lucru? Garmin Health API va furniza datele biometrice, dar nu și prescripțiile medicului sau jurnalul alimentar. Relația «intervenție → răspuns» poate fi urmărită doar atunci când toate cele trei fluxuri funcționează într-un singur sistem integrat — iar acest set de date rămâne la hotel.
Unde se pot vedea toate acestea? În panou: «Setări» → «Asistent» — fișele ambelor jurnale, observațiile pe factori, butonul de verificare a prognozei și exportul JSONL (ecranul de administrare).
Susține platforma o relație de cauzalitate? Nu. Mediile «cu factor / fără factor» sunt marcate ca simple observații; concluziile de cauzalitate necesită volume mari de date și un protocol de studiu pe care un singur hotel nu le are — iar o pagină onestă afirmă acest lucru deschis.
