Healthify 与 OpenAI 合作进行 AI 健康教练

Healthify 是印度最大的健康平台，已与 OpenAI 合作，将先进的生成式 AI 融入其健康追踪和教练服务。此合作使 Healthify 能够为其 4000 万用户规模化个性化教练并简化饮食追踪，旨在预防代谢疾病并促进可持续的减重。

克服传统机器学习系统的局限性

Healthify 之前依赖层次化 LSTM、定制 NLU 系统以及卷积神经网络（CNN）组合来实现其 AI 功能。虽然这些系统促成了 Ria（虚拟营养师）和 Snap（食物照片识别工具）的推出，但它们面临了重大技术难题：

• 识别准确性：Snap 功能在包含多种食物的照片上表现不佳，需要多次迭代才能在单一印度食物上达到 80% 的准确率。
• 复杂查询处理：Ria 基于规则，无法回答涉及营养与其他健康指标之间关系的复杂跨功能查询。
• 可扩展性和本地化：进入新市场（如东南亚）需要两年时间，因为需要为当地语言、食物和运动方案本地化模型。

OpenAI 模型的技术集成

Healthify 用一组 OpenAI 模型替换并增强了其现有流水线，以提升准确性和全球可扩展性：

GPT-4 Vision 用于食物追踪

Healthify 集成了 GPT-4 Vision，以取代之前基于 CNN 的流水线。该模型能够即时识别来自全球的多种食物，达到与人类相当的识别准确率。为保持数据隐私和精度，Healthify 在 GPT-4 Vision 之外还使用了一组专有模型，并应用自定义启发式模型来生成最终的食物推荐。

GPT-4 Turbo 与 GPT-3.5 用于个性化教练

虚拟营养师 Ria 现在使用一组微调的 GPT-3.5 和 GPT-4 Turbo 模型。这使得 AI 能够解读 Healthify 丰富的文献以及用户的独特历史，提供个性化建议。Ria 现在可以关联连续血糖监测仪（CGM）、食物日志和可穿戴睡眠日志的数据，回答诸如“我昨天的血糖水平如何影响了我的睡眠？”之类的复杂查询。

嵌入用于数据映射

为弥合 GPT-4 生成的食物名称与 Healthify 内部食物数据库之间的差距，团队使用了 OpenAI Embeddings 模型。通过对 GPT 识别的食物名称与 Healthify 自有食物嵌入进行余弦相似度匹配，平台实现了高精度的食物匹配。

Whisper 用于教练副驾驶

Healthify 使用 Whisper 来增强其 Coach Copilot——帮助人类教练更高效管理客户的助手。

对用户参与度和健康结果的影响

OpenAI API 的集成带来了可衡量的用户参与度和留存率提升：

• 食物追踪增加：用户使用 Snap 进行食物追踪的频率提升了 50%，Healthify 预计这将对应健身成果提升 50%。
• 教练互动增强：与 Ria 的对话时长翻倍，部分互动超过 200 条信息。
• 教练效率：人类教练对客户的响应时间缩短了一半，客户对 AI 支持的教练的参与度提升了 18%。

根据斯坦福大学基于 Healthify 数据的研究，AI 辅助的人类教练帮助客户的减重效果比单纯 AI 教练高出 70%。

未来目标：自主健康代理

Healthify 计划在一年内进入 20 个国家，显著缩短相较于传统机器学习系统的本地化时间。公司的长期目标是开发自主健康代理，主动分析健康数据并提供食物、睡眠和运动建议。这些代理能够在用户授权下执行订餐或预订健身课程等操作。