Svako jutro imam isti ritual. Pogledam na svoj Garmin sat prije nego što mi noge prvi put dotaknu pod. Broj mi kaže jesam li za trening ili za kauč. Problem je, međutim/ipak: odakle taj broj uopće dolazi?

Godinama treniram, vodim tehnološke organizacije, i paralelno radim doktorat - ne zato što mi nedostaje posla, nego zato što sam rupu koju nitko ne popunjava nosio doslovno na zapešću. Algoritam koji mi svako jutro procjenjuje oporavak nikad nije vidio nikoga iz ove regije.

Zašto vas ovo treba zanimati kao tehnički educiranu publiku: utrka oko senzora je gotova. Garmin, Oura, Polar, Whoop i Fitbit danas mjere otprilike isto. Prošli je mjesec Google u Natureu objavio rad "Passive heart-rate monitoring during smartphone use in everyday life" koji cijelu priču obesmišljava još više: sustav pod nazivom PHRM čita puls u mirovanju iz osmosekundnih snimki prednje kamere, pri svakom otključavanju ekrana, s prosječnom pogreškom ispod 10% u odnosu na EKG. I to podjednako točno preko sve tri skupine tonova kože, na uzorku od preko 160.000 videa i 200+ ispitanika. Bez sata, bez prstena, samo kamera koju ionako svi nosimo u džepu.

Kad senzor postane besplatan, vrijednost se seli na sloj koji iz sirovih brojki izvlači smisao - na algoritam. Sat vam kaže da vam je HRV noćas pao 15%. Zašto? Alkohol, loš san, virus, pretreniranost? To ne odgovara senzor, nego model iza njega. I tu je problem: taj model je najčešće treniran na WEIRD populaciji (Western, Educated, Industrialized, Rich, Democratic), odnosno američkim i zapadnoeuropskim stanovnicima. Naša prehrana, ritam, genetika i navike u tim skupovima podataka gotovo da ne postoje. Algoritam vas uspoređuje s nekim tko niste vi.

BYOD studija

Zato gradim prvu regionalnu BYOD studiju. Bring your own device - dolazite s uređajem koji već imate, bez nove aplikacije koju ćete zaboraviti za tjedan dana. Podržani su Garmin, Fitbit, Oura, Polar, WHOOP i Suunto, sve što nudi otvoren API. Apple Watch, Samsung, Huawei za sada ispadaju iz igre jer dijele podatke isključivo kroz vlastiti SDK - na tome radim zasebno.

Za Bugovu publiku vjerojatno najzanimljiviji dio je inženjerski problem u pozadini: svaki proizvođač drži podatke iza vlastitog walled gardena, svaki API govori svojim jezikom. Da bih ih doveo na zajednički nazivnik, koristim Spike API kao posrednički sloj koji sirove signale iz tih nekompatibilnih ekosustava prevodi u jedinstvenu, strukturiranu shemu. Tek kad podaci govore istim jezikom, ima smisla graditi bilo kakav model iznad njih.

O autoru studije i voditelju istraživanja: Vedran Bajer trenutačno vodi regionalno poslovanje tvrtke Wonderful, a karijeru je gradio kroz više od dvadeset godina rada u tehnološkom sektoru, uključujući pozicije u Googleu i Microsoftu. Uz poslovnu karijeru, kao doktorand informacijskih znanosti istražuje razvoj AI modela i algoritama za fuziju podataka u nosivim tehnologijama, nastojeći te sustave prilagoditi našem podneblju za stvarno poboljšanje kvalitete života. Dugogodišnju disciplinu i fokus održava kroz sport, aktivno djelujući kao licencirani učitelj skijanja još od 1997. godine te kao nositelj crnog pojasa u Kyokushin karateu.