Штучний інтелект з'являється майже в кожному продукті, зокрема у фітнес-софті. Найпростіша обіцянка - AI сам вирішить, що людині робити далі. Для TiloTrack це неправильна межа.
Наш напрямок вужчий: технологія може допомогти атлету й тренеру помітити закономірність, але не повинна видавати припущення за факт, ставити діагноз або самостійно змінювати тренувальну програму.
Статус: Vision, а не випущена тренерська функція
Методологія нижче описує, як ми хочемо оцінювати майбутні AI-спостереження. Це не твердження, що TiloTrack уже надає автоматизований коучинг, пошук аномалій або самостійні зміни програми.
П'ять частин перевірюваного спостереження
1. Джерела. Потрібно назвати записи, на яких побудований висновок: виконання тренувань, харчування, вага чи інші заміри. Спостереження не має вдавати, що знає більше, ніж було надано.
2. Період. Треба вказати, чи порівнюються сім днів, чотири тижні або інший проміжок. Результат без періоду важко перевірити й легко перебільшити.
3. Розрахунок. Варто показати просте перетворення за твердженням - наприклад, середнє за сім днів порівняно з попередніми сімома. Якщо достатньо звичайного розрахунку, не треба називати його AI-магією.
4. Прогалини та невизначеність. Дні без записів мають залишатися порожніми. Їх не можна непомітно перетворювати на нуль калорій, нуль ваги чи виконане тренування. Менше даних - обережніше формулювання.
5. Межа рішення. Результат має закінчуватися запрошенням переглянути дані, а не наказом. Атлет і тренер вирішують, що означає спостереження та чи потрібна дія.
Конкретний демо-приклад
Уявімо 90-денний демо-набір із денним орієнтиром 2 100 ккал, окремими більш калорійними вихідними та двома-трьома пропущеними днями на місяць. Прозоре спостереження могло б звучати так: «За шість повністю заповнених днів цього тижня записана середня калорійність була нижчою за обраний орієнтир. За один день запису немає. Перевірте його та довший тренд перед висновком».
Поганий варіант: «Ви дотрималися харчового плану, тому вага має знизитися». Він приховує пропущений день, плутає одночасну зміну з причиною та прогнозує результат, якого дані не гарантують.
Та сама дисципліна потрібна для тренувань. «У вибраному тижні відмічено виконання трьох із чотирьох призначених занять» можна перевірити. «Ваша мотивація падає» - це інтерпретація, яка потребує розмови.
Кращі запитання замість автоматичних відповідей
Іноді найкорисніший результат - запитання. Атлет свідомо зробив тиждень відновлення? Змінилася звичка вести записи? Чи репрезентативний вибраний період? Чи збігається видимий тренд із відчуттями самої людини?
Для даних, пов'язаних зі здоров'ям, межа має бути ще чіткішою. TiloTrack не є медичним сервісом. Софт не повинен діагностувати проблеми з відновленням або замінювати консультацію кваліфікованого спеціаліста.
Наш тест для майбутніх AI-функцій
Перш ніж назвати AI-спостереження готовим, ми маємо відповісти: чи може користувач переглянути джерела? Чи вказано період? Чи видно пропуски? Чи відокремлено спостереження від пояснення? Чи можна відхилити або виправити висновок? Чи залишається наступне рішення за людиною?
Якщо хоча б одна відповідь - ні, функція ще не готова. Саме це для нас означає «технології мають допомагати, а не замінювати»: показувати основу висновку, не приховувати невизначеність і залишати контроль людям.
