Healthify 與 OpenAI 合作的 AI 健康教練計畫

Healthify 是印度最大的健康平台，已與 OpenAI 合作，將先進的生成式 AI 整合至其健康追蹤與教練服務中。此合作使 Healthify 能夠擴大個人化教練規模，並為其 4000 萬用戶簡化飲食追蹤，目標是預防代謝疾病並促進可持續的減重。

克服傳統機器學習系統的限制

Healthify 先前依賴層次式 LSTM、客製化 NLU 系統與卷積神經網路（CNN）結合來提供 AI 功能。雖然這些系統讓 Ria（虛擬營養師）與 Snap（食物照片辨識工具）得以上線，但它們面臨了重大技術挑戰：

• 辨識準確度：Snap 功能在處理含有多種食物的照片時表現不佳，且需要多次迭代才能在單一印度食物上達到 80% 的準確率。
• 複雜查詢處理：Ria 採用規則基礎，無法回答有關營養與其他健康指標之間關係的複雜跨功能查詢。
• 可擴展性與在地化：擴展至新市場（如東南亞）需時兩年，因為必須為當地語言、食物與運動模式進行模型在地化的工作量龐大。

OpenAI 模型的技術整合

Healthify 用一組 OpenAI 模型取代並增強了既有的流程，以提升準確度與全球可擴展性：

GPT-4 Vision 用於食物追蹤

Healthify 整合 GPT-4 Vision，取代先前基於 CNN 的流程。此模型能即時辨識來自全球的多種食物，達到與人類相當的辨識準確度。為了維護資料隱私與精確度，Healthify 在 GPT-4 Vision 之外，還使用一組自有模型，並套用客製化的啟發式模型來產生最終的食物建議。

GPT-4 Turbo 與 GPT-3.5 用於個人化教練

虛擬營養師 Ria 現在使用一組微調過的 GPT-3.5 與 GPT-4 Turbo 模型。這使得 AI 能夠解讀 Healthify 豐富的文獻以及使用者的個人歷史，提供客製化建議。Ria 現在能將持續血糖監測儀（CGM）、食物紀錄與穿戴式睡眠紀錄的資料關聯起來，回答諸如「我的血糖水平昨天如何影響我的睡眠？」等複雜問題。

Embeddings 用於資料映射

為了彌合 GPT-4 產生的食物名稱與 Healthify 內部食物資料庫之間的差距，團隊使用了 OpenAI Embeddings 模型。透過將 GPT 識別的食物名稱與 Healthify 自有的食物向量進行餘弦相似度匹配，平台在食物匹配上達到高準確度。

Whisper 用於教練副駕駛

Healthify 使用 Whisper 來強化 Coach Copilot，這是協助人類教練更有效管理客戶的助理工具。

對使用者參與度與健康成果的影響

OpenAI API 的整合帶來了可量測的使用者參與度與留存率提升：

• 提升食物追蹤：使用 Snap 的用戶現在追蹤食物的頻率提升了 50%，Healthify 預期這將與健身成果提升 50% 相關。
• 加強教練互動：與 Ria 的對話長度翻倍，部分互動訊息甚至超過 200 條。
• 教練效率：人類教練回覆客戶的時間減半，客戶與 AI 支援教練的互動提升了 18%。

根據斯坦福大學基於 Healthify 數據的研究，結合 AI 的人類教練能讓客戶減重比僅使用 AI 教練多 70%。

未來目標：自主健康代理人

Healthify 目標在一年內於 20 個國家上線，較以往傳統機器學習系統大幅縮短在地化時間。公司長期目標是開發自主健康代理人，主動分析健康資料並提供飲食、睡眠與運動建議。這些代理人將能在取得使用者同意後執行訂購食物或預訂健身課程等操作。