مقابلات
أليكسي كوروف، كبير مسؤولي المنتج والشريك المؤسس لشركة Zing Coach – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
أليكسي كوروف، كبير مسؤولي المنتج والشريك المؤسس لشركة زينج كوتش، هو تكنولوجي ورائد أعمال متخصص في حلول اللياقة البدنية القائمة على الذكاء الاصطناعي. في زينج كوتش، يقود تطوير منصة تدريب مدربين قائم على الذكاء الاصطناعي تقدم تدريبات مخصصة وتتبع تقدم في الوقت الفعلي وتفاعل متعدد الوضع. في السابق، أسس زينيا، أول تطبيق مدرب يوغا قائم على الذكاء الاصطناعي، وشغل مناصب قيادية في جنتلمايندز آي آي، بيكسي، ووي سي، مبنيًا سجلًا قويًا في إنشاء منتجات صحية رقمية ذكية ومتكيفة.
زينج كوتش هو تطبيق لياقة بدنية قائم على الذكاء الاصطناعي يخلق برامج تمرين مخصصة وفقًا لبيانات الجسم وأهداف المستخدم ومستويات الطاقة والمعدات المتاحة. باستخدام ميزات مثل مسح الجسم واختبارات اللياقة وتتبع الشكل في الوقت الفعلي، يعدل الشدة والتقدم على الفور، ويوفر إرشادات مخصصة عبر أكثر من 400 تمرين. مصممًا ليعمل مثل مدرب شخصي رقمي، يوفر زينج كوتش تجارب لياقة بدنية ذكية ومرنة ومخصصة للغاية في المنزل أو في النادي.
لقد قمت برحلة مثيرة خلال الانتقال من تأسيس زينيا إلى إطلاق زينج كوتش – هل يمكنك مشاركة ما ألهمك في الأصل لإنشاء منصة تدريب قائم على الذكاء الاصطناعي، وكيف أثرت أعمالك السابقة على رؤية زينج؟
لقد عملت مع منتجات الذكاء الاصطناعي طوال مسيرتي المهنية، بدءًا من ما نسميه الآن بالتعلم الآلي التقليدي، ثم التعلم العميق، والآن النماذج اللغة الكبيرة. قبل زينيا، ساعدت شركتنا الشركات المختلفة على دمج حلول الذكاء الاصطناعي،，同时 بحثنا عن فرصة لحل مشكلة حقيقية وإنشاء منتجنا الخاص. في ذلك الوقت، كان هناك طفرة في حلول التعلم العميق التي يمكن تشغيلها في الوقت الفعلي على الأجهزة، مثل أقنعة الوجه على إنستجرام. قمنا بتطوير تقنيتنا الخاصة لتتبع الحركة على أجهزة الموبايل، في البداية تفكيرًا في الأزياء الافتراضية، ولكن بعد بحث أعمق، أدركنا أنها يمكن أن تكون مفيدة جدًا لللياقة البدنية.
في مجال اللياقة البدنية، هناك الكثير من المنتجات، ولكن الخبرة لم تتغير كثيرًا منذ الثمانينيات – لا تزال تتبع فقط فيديو من مكتبة. رأينا إمكانية كبيرة لتحدي السوق من خلال التدريب المخصص والتفاعلي. بدأنا مع اليوغا في زينيا، وبعد الاستحواذ من قبل زينج، واصلت بناء رؤيتنا الأصلية هناك.
أغلق زينج كوتش مؤخرًا جولة تمويل سلسلة أ في trịز 10 ملايين دولار وأصبح يخدم أكثر من مليون مستخدم. ما هي أهم الإنجازات الفنية أو الاستراتيجية التي ساعدتك على الوصول إلى هذا الحجم، وكيف قمت بتحديد الأولويات للميزات لتحفيز النمو؟
من اليوم الأول، اعتقدنا أن مدرب اللياقة البدنية القائم على الذكاء الاصطناعي يجب أن يكون مخصصًا ومتفاعلًا حقًا، لذلك بنينا المنتج في هذا الإطار. لجعل توليد التمارين مرنًا، قمنا بتصميم بنية من البداية يمكنها التعامل مع ذلك. عندما أصبحت النماذج اللغة الكبيرة متاحة على نطاق واسع، اندمجت حلولنا بشكل طبيعي معها ووسعت إلى المزيد من حالات المستخدم.
المرحلة الثانية الكبيرة كانت طبقتنا الاتصالية. الآن لا يقدم مدربنا النصائح فقط – بل يدمج مع الأنظمة الأخرى لتعديل رحلة المستخدم بناءً على التغذية الراجعة، ويعمل مثل مدرب حقيقي. لا يتعلق الأمر فقط بالعواطف، ولكن أيضًا بالنشاط، وفهم متى و لماذا الاتصال بالمستخدم، ومتى يحتاج إلى دفع أو مجرد رؤية حول نشاطه.
كيف يتم استخدام التعلم الآلي لتخصيص تمرين كل مستخدم في الوقت الفعلي؟ هل يمكنك شرح النماذج ومُدخلات البيانات التي تعمل على نظام التدريب التكيفي لشركة زينج؟
نقوم بتخصيص في أربع لحظات. أولًا، نبني خطة بناءً على أهدافك، وتاريخ التدريب، والإصابات، وبيانات الجسم، و VO₂ ماكس، و معدل ضربات القلب في الراحة، والتفضيلات. في اليوم، ننظر إلى إشارات الاسترداد مثل النوم و التعب و نعدل التمارين و الحمل و التكرارات و الراحة. خلال التمرين، نتابع معدل ضربات القلب و عدد التكرارات و الإيقاع و استرداد معدل ضربات القلب بين المجموعات لتعديل المجموعة التالية في الوقت الفعلي. بعد ذلك، نستخدم القوة المقدرة و انحراف معدل ضربات القلب و وقت الاسترداد و الإعجابات أو الإغماض و الملاحظات لتحسين الخطة.
تجري تحليل حركتنا على الجهاز في الوقت الفعلي لشكل و جودة التكرار. نستخدم نماذج تنبؤية لتحديد الأهداف، و GPT لتحديد الخطط و الإرشادات و الدفع، و رؤية الكمبيوتر لتتبع التكوين الجسمي و نمو العضلات مع مرور الوقت، و إعادة تغذيتها جميعًا إلى الخطة.
لقد بنيت مسح الجسم واختبار المرونة من خلال زينج لاب – كيف يتم دمج هذه المدخلات الجسدية في خوارزميات التدريب، وهل تستخدم أي شكل من أشكال التعلم التجميعي أو التعلم التعزيزي لتحسين النتائج؟
نستخدمها ب两 طريق: لتتبع التقدم و لتحديث معلمات خطة التدريب. يعدل اختبار اللياقة مستوى اللياقة للمستخدم، و مسح الجسم يحدد الخطة بمعلومات التكوين الجسمي. قريباً، سنطلق تحليل العضلات. كل هذا مهم لبناء نظام تعلم تعزيزي يمكنه تحليل كيفية توصيل التوصيات بالنتائج الفعلية.
ما هي الخطوات التي اتخذتها لضمان أن تظهر التوصيات القائمة على الذكاء الاصطناعي بمظهر بشري ومتحفز وداعم بدلاً من الروبوتي؟ كم جزء من صوت التدريب مدفوع bằng نماذج اللغة مقابل القواعد المكتوبة؟
لدينا إرشادات لكيفية تواصل المدرب، بالإضافة إلى حواجز. لا لدينا أي نصوص مكتوبة مسبقًا. لضمان عملها، نقوم بتحليلات متعددة: التحقق التلقائي من مطابقة الإرشادات، و المحققين البشريين لتقييم الشعور “البشري” ومعدل حل الحالات، و الاختبارات أ و ب لقياس التأثير على معايير المنتج جنبًا إلى جنب مع ملاحظات المستخدم. يتم تطوير ملفات تعريف المدرب بناءً على أبحاث الجمهور لكي يشعروا بالواقعية ولكنهم فعالون في توجيه المستخدمين.
يشدد زينج على المشاركة والاحتفاظ، ويُبلّغ عن أداء أفضل من المنافسين الكبار بنسبة أكثر من 25٪. ما هي التقنيات الرئيسية للتعلم الآلي أو تصميم المنتج التي أثبتت فعاليتها في دفع هذا النوع من الاحتفاظ؟
نقوم بتشغيل العديد من التجارب والميزات التي تؤثر إيجابًا على رحلة المستخدم. المحركات الرئيسية هي النشاط، والتخصيص، وقياسات الترفيه مثل مسارات النشاط ودرجات القوة، مدفوعة بنظم الذكاء الاصطناعي التي ذكرتها سابقًا.
كيف قمت بتحويل الترفيه داخل التطبيق؟ هل يتم تخصيص ميزات مثل الشارات و المعالم و قوائم المراكز بناءً على سلوك المستخدم، وهل توجد أدلة على أن هذا التخصيص يزيد من الالتزام على المدى الطويل؟
من المهم بالنسبة لنا العثور على أدوات تزيد المشاركة. في اللياقة البدنية، لا يكون التقدم دائمًا مرئيًا على الفور، وغالبًا ما تأخذ النتائج وقتًا. لذلك نعمل على طرق لقياس وإظهار التحسينات الصغيرة، مثل اختبارات اللياقة ودرجات القوة. تساعد مسارات النشاط المستخدمين على البقاء منتظمين، وقد حافظ الكثيرون على مستويات نشاطهم لمدة أكثر من عام.
ما هي التحديات الفنية التي واجهتها عند بناء رؤية زينج، ميزة تصحيح الشكل في الوقت الفعلي؟ كيف يتكيف النظام مع الحالات الحدية مثل الإضاءة السيئة أو الزوايا غير العادية على أجهزة الموبايل؟
التحدي الرئيسي كان جمع مجموعة بيانات للتدريب على النماذج. قمنا بإنفاق الكثير من الوقت في جمع البيانات ووضع العلامات، بالإضافة إلى بناء نظام تعزيز قوي لجعلها متينة في ظروف مختلفة مثل الإضاءة السيئة أو الزوايا غير العادية. عندما بدأنا تطويره قبل 7 سنوات، لم تكن هناك حلول لتشغيله محليًا، لذلك قمنا بإنشاء بنية خاصة بنا. حتى الآن، مع معالجات أفضل، تساعدنا هذه البنية على البقاء فعالين من حيث الطاقة.
مع توسعك في أنماط مثل البيلاتيس واليوغا، كيف يتكيف نظام الذكاء الاصطناعي الحالي مع أنماط الحركة الجديدة؟ هل يتم بناؤها على نفس النماذج، أو هل تقوم بتدريب نماذج جديدة؟
نظامنا هو نظام موديولار، لذلك نهجنا لانواع التمارين الجديدة مشابه. حاليًا، نحن نعمل أيضًا على تحسين نظام التخطيط للنشاط لدعم أنواع التمارين المختلفة.
كما تتوسع على الصعيد العالمي وتشترك مع استوديوهات اللياقة البدنية من خلال برنامج شركاء زينج، كيف تقوم بتخصيص المحتوى أو خطط التدريب بناءً على تفضيلات اللياقة البدنية الإقليمية أو الثقافية؟
نظامنا يمكنه تحديد الأولويات للتمارين بناءً على التفضيلات الثقافية. إنه مرن بفضل مزيج من نهج الوكيل القائم على النماذج اللغة الكبيرة، حيث يحدد الوكيل الرئيسي معلمات التدريب والتغذية بناءً على ملف المستخدم.
متطلعًا إلى المستقبل، كيف ترى دور الذكاء الاصطناعي يتطور في مجال اللياقة البدنية – خاصة في مساعدة المستخدمين ليس فقط على البدء ولكن على الالتزام بالروتين على المدى الطويل – وما هي القدرات الجديدة التي أنت أكثر حماسًا لبنائها؟
نرى أن مع المدربين الحقيقيين، الناس لديهم معدلات مشاركة قوية. ولكن الآن، تكنولوجيا الذكاء الاصطناعي وصلت إلى مستوى يمكنها حتى أن تتفوق على المدربين البشريين بفضل توفرها وعمق معرفتها بالمستخدم وقدرتها على التدريب على حجم كبير من البيانات واستخدام أنماط أكثر فعالية.
شكرًا للمقابلة الرائعة، القراء الذين يرغبون في اختبار التطبيق يجب أن يزوروا زينج كوتش.
