مدرّبك الرياضي بالذكاء الاصطناعي أبطأ بثلاث ثوانٍ من أن ينقذ عمودك الفقري
شاهدت شابًا كاد أن يؤذي أسفل ظهره لأن أحد التطبيقات أخبره بالشيء الخطأ في الوقت الخطأ.
كان في صالة رياضية تجارية في بنغالور، هاتفه مسنودٌ إلى دمبل، يشغّل أحد تطبيقات التدريب بالذكاء الاصطناعي التي تعد بأنها "تراقب أداءك في الوقت الفعلي". كان يؤدي تمرين القرفصاء — لا بوزن ثقيل، ربما 80 كيلوغرامًا — وفي مكان ما حول التكرار الرابع، بدأ عموده الفقري القطني يتقوّس. الانحناء الكلاسيكي للحوض. قوى القص تتصاعد على فقرتيه L4-L5، وضغط الأقراص ينتقل من الآمن إلى الخطير.
اهتز التطبيق وقال: "ابقِ صدرك مرفوعًا".
لكنه قال ذلك في تكراره الخامس. التكرار الذي كان أداؤه فيه سليمًا بالفعل. كان التصحيح للتكرار الرابع — قبل ثلاث ثوانٍ، وهي دهرٌ في الميكانيكا الحيوية — والآن كان يربكه ويدفعه إلى المبالغة في تصحيح تكرار لم يكن بحاجة إلى تصحيح. عدّل وضعيته في منتصف الرفعة، فقد تثبيت جذعه، وشاهدت ظهره يتقوّس أسوأ من ذي قبل.
بلورت تلك اللحظة شيئًا كنت أشتبه فيه منذ شهور في VeriPrajna: البنية المعمارية بأكملها التي تبني عليها معظم شركات الذكاء الاصطناعي للياقة البدنية ليست بطيئة فحسب — بل هي خطيرة من الناحية الميكانيكية الحيوية. فجوة زمن الاستجابة بين لحظة "رؤية" الذكاء الاصطناعي القائم على السحابة للمشكلة ولحظة وصول ملاحظته إلى المستخدم ليست إزعاجًا بسيطًا في تجربة الاستخدام. إنها مسؤولية. وفي سياق الحركة الفقرية المُحمّلة، فهي الفرق بين تصحيح وإصابة.
ميزانية الـ200 مللي ثانية التي لا يتحدث عنها أحد
إليك رقمًا ينبغي أن يُوشم على جبين كل مؤسس شركة تقنية للياقة البدنية: 200 مللي ثانية.
هذا تقريبًا مجمل الوقت الذي يملكه الإنسان لإدراك محفّز بصري وبدء تصحيح حركي. بالنسبة للرياضيين النخبة، يقترب الرقم من 150 مللي ثانية. أما بالنسبة لروّاد الصالات العاديين، فربما 250 مللي ثانية. الإشارات السمعية واللمسية أسرع — من 25 إلى 100 مللي ثانية.
هذا ليس رأيي. إنه علم وظائف الأعضاء. وهو يخلق ما أسميه "ميزانية زمن الاستجابة" لأي نظام يريد تدريب الحركة البشرية في الوقت الفعلي. فإذا تجاوز إجمالي زمن استجابة النظام — من التقاط الكاميرا للإطار إلى شعور المستخدم بالاهتزاز اللمسي — 200 مللي ثانية، فإن الملاحظة تصل متأخرة جدًا لتؤثر في المرحلة الحالية من الحركة. تصبح مجرد زينة. أو أسوأ، تشويشًا.
والآن فكّر في حركية تمرين القرفصاء الخلفي. يستغرق النزول من 1.5 إلى 2 ثانية. أما الانتقال في القاع — "الارتداد"، حيث يكون عمودك الفقري أكثر عرضة للخطر — فغالبًا ما يكون أقل من 200 مللي ثانية. فإذا بدأ عمودك الفقري القطني بالانثناء عند منتصف النزول، ترتفع قوى القص فورًا. يحتاج التلميح التدريبي إلى الوصول قبل أن تبلغ أقصى عمق وحمل.
التحذير الذي يصل بعد ثلاث ثوانٍ من تقوّس عمودك الفقري ليس تدريبًا. إنه تشريح جثة.
معظم من يبنون منتجات الذكاء الاصطناعي للياقة لا يفكرون في هذا. يفكرون في النموذج. يفكرون في المُوجّه. يفكرون في واجهة المستخدم. لا يفكرون في فيزياء توقيت الملاحظة وما يحدث عندما تفصل بين التصحيح والخطأ في مجموعة متواصلة من التكرارات.
لماذا يفشل الذكاء الاصطناعي السحابي في اللياقة الفورية؟
أحتاج إلى أن أكون دقيقًا هنا، لأن "السحابة بطيئة" شكوى غامضة. دعني أطلعك على ما يحدث فعلًا عندما يرسل تطبيق لياقة إطار فيديو إلى GPT-4o Vision أو AWS Rekognition لتحليل الأداء.
التقاط الإطار وترميزه: 50 إلى 100 مللي ثانية. يلتقط هاتفك إطارًا بدقة 1080p، ويضغطه إلى صيغة JPEG، وغالبًا ما يرمّزه بترميز Base64 لإرساله عبر واجهة برمجة التطبيقات. لا يمكنك تخفيض الدقة بقوة لأنك بحاجة إلى الدقة لاكتشاف النقاط الرئيسية الدقيقة مثل انقلاب الكاحل.
الإرسال عبر الشبكة (الوصلة الصاعدة): 100 إلى 1,000 مللي ثانية. هنا تسوء الأمور. الصالات الرياضية كوابيس للترددات الراديوية — أقبية، ومبانٍ ذات هياكل معدنية تعمل كأقفاص فاراداي، وشبكات واي فاي عامة مزدحمة. رفع صورة بحجم 2 ميغابايت على اتصال LTE متذبذب قد يستغرق أي مدة من 200 مللي ثانية إلى أكثر من ثانية.
طابور الخادم والاستدلال: 500 إلى 4,000 مللي ثانية. يصل الطلب إلى خوادم OpenAI أو Google، ويدخل طابورًا. زمن استجابة الصوت في GPT-4o يبلغ نحو 320 مللي ثانية، لكن تحليل الرؤية أبطأ بكثير — غالبًا من 2 إلى 4 ثوانٍ حسب حمل الخادم.
إرسال الاستجابة والعرض: 250 إلى 600 مللي ثانية إضافية لتوليد الرموز، والوصلة الهابطة، وتحليل JSON، وتحويل النص إلى كلام.
اجمع كل ذلك. أفضل حالة مع واي فاي بالألياف: نحو 1.5 ثانية. سيناريو الصالة النموذجي: من 3 إلى 5 ثوانٍ.
أتذكر الليلة التي جلست فيها أنا وفريقي وقِسنا هذا فعليًا من طرف إلى طرف. كنا نفترض أن مسار السحابة "سريع بما يكفي" لأن المواد التسويقية كانت تقول "في الوقت الفعلي". أعددنا منصة اختبار — هاتف على حامل ثلاثي القوائم، وأحد أعضاء الفريق يؤدي قرفصاء متحكمًا بها، وطوابع زمنية عند كل مرحلة من خط الأنابيب. عندما رأينا الأرقام تعود، ساد صمت طويل. قال أحدهم: "إذًا نحن في الأساس نبني كاميرا لوحة قيادة، لا مساعد رفع". كانت تلك اللحظة التي ألغينا فيها ستة أسابيع من العمل وبدأنا من جديد.
مشكلة النقل السلبي
فجوة زمن الاستجابة لا تجعل التغذية الراجعة متأخرة فحسب. بل تجعلها ضارة.
في أبحاث التعلم الحركي، ثمة ظاهرة مدروسة جيدًا تُسمى النقل السلبي. تحدث عندما تصل التغذية الراجعة غير متزامنة مع الفعل الذي تشير إليه. في مجموعة متواصلة من التمارين، يعني تأخيرٌ مدته 3 ثوانٍ أن تصحيح التكرار الأول يصل بينما تؤدي التكرار الثاني.
دماغك لا يعرف أن التغذية الراجعة قديمة. فهو يربط الإشارة بأي شيء تفعله الآن. فإذا قال الذكاء الاصطناعي "ابقِ صدرك مرفوعًا" خلال تكرار يكون صدرك فيه مرفوعًا بالفعل، تربط لاشعوريًا التصحيح بسلوكك الحالي (الصحيح). فتبالغ في التصحيح في التكرار الثالث. يتدهور أداؤك. والذكاء الاصطناعي، إن كان لا يزال يراقب، يرى الآن خطأً جديدًا — خطأً تسبّب هو فيه.
كتبت عن مشكلة حلقة التغذية الراجعة هذه بتعمّق في النسخة التفاعلية من بحثنا. أدبيات التعلم الحركي واضحة: التغذية الراجعة المتزامنة غير المضبوطة توقيتًا بدقة لا تفشل في المساعدة فحسب — بل تتداخل بنشاط مع آليات كشف الخطأ الجوهرية في الدماغ.
وهناك بُعد يتعلق بالحمل الإدراكي أيضًا. خلال رفعة ثقيلة، يدير الرياضي التوازن، والضغط داخل البطن، والرافعة، والتنفس. تعمل التغذية الراجعة المتأخرة كمشتِّت عصبي إدراكي. تُظهر الأبحاث حول برنامج الوقاية من الإصابات "11+" أن أي شيء يؤخر المعالجة الحسية يقلل الوقت المتاح لتصحيحات التنسيق الحركي. فالذكاء الاصطناعي في الواقع يسرق قدرة المعالجة من دماغ الرياضي، ويزيد خطر الإصابة بدلًا من تقليله.
مساعد الرفع بالذكاء الاصطناعي الذي يتأخر لا يحمي المستخدم. بل ينافسه على الانتباه في أسوأ لحظة ممكنة.
ماذا يحدث عندما تنقل الذكاء إلى الهاتف؟
هنا تتغير القصة.
تأتي الهواتف الذكية الحديثة مزوّدة بوحدات معالجة عصبية مخصصة — محرك آبل العصبي، ومعالج Hexagon DSP من Qualcomm. صُممت هذه الرقائق خصيصًا لعمليات ضرب المصفوفات التي تشغّل الشبكات العصبية. إنها في جيبك الآن، خاملة في معظمها، قادرة على تشغيل نماذج رؤية حاسوبية متطورة بمعدل 30 إطارًا في الثانية أو أكثر بالكاد تمسّ البطارية.
قيّمنا ثلاثة نماذج مفتوحة المصدر لتقدير الوضعية: BlazePose (من MediaPipe التابع لـ Google)، و MoveNet (من TensorFlow Lite)، و YOLOv11-Pose. لكل منها مقايضاته، لكن بالنسبة لتطبيق مدرّب شخصي مخصص حيث تكون الدقة أهم من تتبع عدة أشخاص، فاز BlazePose بشكل حاسم.
لماذا؟ لسببين. أولًا، يكتشف 33 نقطة رئيسية — أكثر بكثير من طوبولوجيا الـ17 نقطة القياسية. ويشمل ذلك معالم مفصّلة لليدين والقدمين، وهي بالغة الأهمية لتحليل عرض القبضة في تمرين الضغط على المقعد أو ثبات القدم في القرفصاء. ثانيًا، يستنتج إحداثيات ثلاثية الأبعاد. يعني تقدير المحور Z أنه يستطيع اكتشاف الحركة الدورانية — مثل انحناء الركبة إلى الداخل خلال تمرين الاندفاع — التي قد يفوّتها النموذج ثنائي الأبعاد تمامًا.
حسابات زمن الاستجابة على الجهاز لا تشبه السحابة في شيء:
التقاط الكاميرا: 30 مللي ثانية. الاستدلال على وحدة المعالجة العصبية: 15 مللي ثانية. منطق حساب الزاوية: أقل من 1 مللي ثانية. إطلاق الملاحظة: أقل من 1 مللي ثانية.
الإجمالي: نحو 46 مللي ثانية. أقل بكثير من عتبة الـ200 مللي ثانية لزمن رد فعل الإنسان. يستطيع الذكاء الاصطناعي اكتشاف انهيار الأداء والاستجابة له أسرع مما يستطيع جهاز المستخدم العصبي نفسه تسجيل الخطأ.
كانت هناك لحظة — أظنها كانت مساء يوم ثلاثاء، والمكتب كان شبه فارغ — عندما شغّلنا لأول مرة خط الأنابيب على الجهاز من طرف إلى طرف. كان أحد مهندسيَّ يؤدي قرفصاء بوزن الجسم أمام كاميرا حاسوبه المحمول، وكان تراكب الهيكل العظمي يتتبعه بدقة مخيفة. لا تأخر. لا اهتزاز. أصاب الاهتزاز اللمسي هاتفه في اللحظة الدقيقة التي بدأت فيها ركبته بالانحراف إلى الداخل. توقف، ونظر إليّ، وقال: "يبدو الأمر وكأنه داخل الحركة". حينها عرفت أن لدينا شيئًا.
كيف توقف الهيكل العظمي عن الاهتزاز؟
مخرجات الشبكة العصبية الخام مليئة بالضجيج. تهتز النقاط الرئيسية من إطار إلى إطار بسبب تكميم البكسل وتذبذب ثقة النموذج. إذا حسبت زاوية الركبة من البيانات الخام، يتأرجح الرقم — 90°، 85°، 92° — حتى عندما يكون المستخدم واقفًا بلا حراك. هذا يجعل التجربة تبدو معطلة.
الحل البديهي هو التنعيم. خذ متوسط آخر 10 إطارات، فيختفي الاهتزاز. لكنك أدخلت للتو تأخيرًا مقداره 333 مللي ثانية عند 30 إطارًا في الثانية. لقد أعدت إدخال زمن الاستجابة الذي أمضيت شهورًا في إزالته.
نستخدم مرشّح الـ1€ — مرشّح تمرير منخفض من الدرجة الأولى ذو تردد قطع تكيّفي. إنه المعيار الصناعي للتفاعل الفوري بين الإنسان والحاسوب، ويُستخدم في ألعاب الواقع الافتراضي وتتبع المؤشر الدقيق. تكمن أناقته في تكيّفه: عندما يثبت المستخدم على وضعية البلانك (سرعة منخفضة)، ينعّم المرشّح بقوة، فيبدو الهيكل العظمي راسخًا كالصخر. وعندما يهبط المستخدم في القرفصاء (سرعة عالية)، يتراجع المرشّح، مرجّحًا سرعة الاستجابة على النعومة.
يسألني الناس أحيانًا لماذا لا نستخدم مرشّحات كالمان. مرشّحات كالمان رائعة للتنبؤ بالمسارات القذفية — الصواريخ، والأقمار الصناعية. لكن الحركة البشرية عشوائية وغير خطية. ضبط مرشّح كالمان لعموم اللياقة عبر آلاف أنواع الأجسام وأنماط الحركة كابوس. مرشّح الـ1€ خفيف، سهل الضبط بمعاملين اثنين فقط، ويتعامل مع عدم القابلية للتنبؤ في الحركة البشرية برشاقة. للاطلاع على التفصيل التقني الكامل لنهجنا في معالجة الإشارات، راجع ورقتنا البحثية.
رفيق الصالة بـ36 دولارًا في الساعة
إلى جانب الفيزياء، هناك حجة اقتصادية قاسية ضد الذكاء الاصطناعي السحابي للياقة يكتشفها معظم المؤسسين بعد فوات الأوان.
تكلفة إدخال صورة إلى GPT-4o Vision نحو 0.001 دولار لكل صورة. ولتحليل أداء بمستوى السلامة، تحتاج إلى ما لا يقل عن 10 إطارات في الثانية. هذا 600 إطار في الدقيقة. 0.60 دولار في الدقيقة. 36 دولارًا في الساعة.
لن يدفع أي مستهلك 36 دولارًا في الساعة مقابل رفيق صالة آلي. لذا يفعل المطورون الشيء الوحيد الذي يستطيعونه: يخفضون معدل الإطارات إلى مرة كل 5 أو 10 ثوانٍ. مما يعني أن المنتج الآن يفحص أداءك مرتين خلال مجموعة قرفصاء. هذا ليس مساعد رفع. إنه صندوق اقتراحات.
عقدنا اجتماعًا مع مستثمر — كان ذلك في البدايات — نظر فيه أحدهم إلى بنيتنا المعمارية القائمة على الحافة أولًا وقال: "لماذا لا نستخدم GPT-4o فحسب؟ إنه يستطيع رؤية الفيديو الآن". أظهرت له حسابات التكلفة على منديل. 50,000 مستخدم نشط شهريًا، كل منهم يؤدي 10 جلسات في الشهر، بتحليل متواصل. أكثر من 250,000 دولار شهريًا في رسوم واجهة برمجة التطبيقات وحدها. ساد الهدوء الغرفة.
مع الذكاء الاصطناعي على الحافة، تكلفة تحليل مليون قرفصاء هي نفسها تكلفة تحليل واحدة: صفر. هاتف المستخدم هو الخادم.
يقلب نموذج الحافة الاقتصاديات رأسًا على عقب. فبمجرد تنزيل التطبيق، تحدث الحوسبة على جهاز آيفون المستخدم الذي تبلغ قيمته 1,000 دولار. لا استدعاءات لواجهة برمجة التطبيقات، ولا تكاليف نطاق ترددي، ولا توسيع للخوادم. فإذا انتشر التطبيق بين ليلة وضحاها وكسب 100,000 مستخدم، لا تتغير فاتورة البنية التحتية. البنية المعمارية قابلة للتوسع بلا حدود لأنه لا يوجد ما يُوسَّع.
ماذا عن استنزاف البطارية؟
هذا هو الاعتراض الأول الذي يثيره كل مهندس، وهو اعتراض مشروع. تشغيل شبكة عصبية 30 مرة في الثانية يبدو وصفة لهاتف ينفد شحنه في 20 دقيقة ويسخن بما يكفي لقلي بيضة.
لكن البيانات تروي قصة مخالفة للحدس. يهيمن على استنزاف طاقة الهاتف الذكي شيئان: الشاشة والراديو الخلوي. البث المستمر للفيديو إلى السحابة يُبقي الراديو في حالة استهلاك عالٍ للطاقة، وهو قاتل هائل للبطارية. أما الاستدلال المحلي على وحدة المعالجة العصبية، فمصمم خصيصًا للتشغيل منخفض الطاقة — أكثر كفاءة بأوامر من حيث المقدار لكل عملية من وحدة المعالجة المركزية العامة الغرض.
نضيف فوق ذلك ثلاث استراتيجيات للتخفيف: معدل الإطارات التكيّفي (الخفض إلى إطار واحد في الثانية خلال فترات الراحة)، والتكميم int8 (تقليص أوزان النموذج من 32 بت إلى 8 بت، مما يقلل الحجم بمقدار 4 أضعاف مع فقدان دقة لا يُذكر)، والتبريد بالتخلّف الحراري (مراقبة الحالة الحرارية للجهاز والتبديل الاستباقي إلى نموذج أخف قبل أن يفرض نظام التشغيل خفضًا قسريًا صارمًا). في اختباراتنا، تعمل الجلسات التي تمتد لساعة بأريحية دون سخونة زائدة أو تأثير كبير على البطارية.
حجة الخصوصية التي لا يطرحها أحد بصوت عالٍ بما يكفي
هناك بُعد لهذا يتجاوز الأداء والتكلفة، وهو الذي يبقيني مستيقظًا في الليل.
الذكاء الاصطناعي السحابي للياقة يعني بث فيديو لجسدك إلى خادم بعيد. البيانات الحيوية — هندسة الجسم، وأنماط المشية، وبصمات الحركة — خاضعة لتنظيم صارم بموجب قانون BIPA في إلينوي، وGDPR في أوروبا، وCCPA في كاليفورنيا. التعرض القانوني للشركات التي تجمع هذه البيانات دون سياسات موافقة واحتفاظ محكمة هائل. وقد ولّد قانون BIPA وحده تسويات دعاوى جماعية ضخمة.
مع المعالجة على الحافة، تعيش إطارات الفيديو في ذاكرة الجهاز العشوائية ويُتخلص منها فورًا. لا تُكتب أبدًا على القرص. لا تُرسَل أبدًا. يحتفظ المستخدم بحيازة بياناته في كل الأوقات.
التطبيق الذي يعمل في وضع الطيران يقطع وعدًا بشأن الخصوصية لا تستطيع أي صفحة شروط خدمة أن تضاهيه.
وجدت أنه عندما نخبر المستخدمين "فيديوك لا يغادر هاتفك أبدًا"، يكون التحول في الثقة ملموسًا. إنها ليست حجة قانونية بالنسبة لهم. إنها شعور داخلي. يسترخون. يستخدمون التطبيق فعلًا في غرفة نومهم أو مرآبهم — أماكن لن يوجّهوا فيها أبدًا كاميرا متصلة بخادم سحابي.
إذًا أين موضع السحابة؟
أنا لست ضد السحابة. أنا ضد استخدام السحابة للمهمة الخطأ.
نبني ما أعتبره بنية معمارية هجينة بحلقتين. تعمل الحلقة الساخنة على الجهاز: BlazePose على وحدة المعالجة العصبية، بزمن استجابة أقل من 50 مللي ثانية، تتولى السلامة، والمساعدة في الرفع، وعدّ التكرارات. تعالج الفيديو عالي التردد وتتخلص منه بعد الاستخدام. الملاحظة فورية — اهتزاز لمسي، وإشارة صوتية قصيرة مثل "الركبتان للخارج".
أما الحلقة الباردة فتعمل في السحابة، لكنها لا تلمس الفيديو أبدًا. تستقبل بيانات وصفية خفيفة بصيغة JSON — "المجموعة 1: متوسط العمق 90°، زاوية العمود الفقري 170°، انهيار الأداء عند التكرار 4". يعالج نموذج لغوي كبير هذا على مدى دقائق أو ساعات، مولّدًا رؤى مخصصة: "يتدهور أداؤك باستمرار في المجموعة الرابعة. لنقلل الحجم الأسبوع القادم ونبنِ التحمّل".
هذا يمنحك الذكاء الحواري لنموذج GPT — "كيف كان تماريني؟" — دون التضحية بسرعة مساعد الرفع على الحافة. البيانات التي تنتقل إلى السحابة هي بضع كيلوبايتات من الأرقام، لا غيغابايتات من الفيديو. تتقلص مساحة تعرّض الخصوصية إلى ما يقارب الصفر.
يسألني الناس ما إذا كان هذا النهج الهجين يعني أننا نؤجّل فحسب الانتقال الحتمي إلى السحابة الكاملة بمجرد أن تصبح النماذج أسرع. لا أظن ذلك. فيزياء النقل عبر الشبكة لا تتغير. للضوء عبر الألياف حد سرعة. وأبراج الخلايا تعاني الازدحام. وستظل الصالات الرياضية بيئات معادية للترددات الراديوية دائمًا. والرؤية الجوهرية — أن هاتف المستخدم يملك بالفعل قدرة الحوسبة لأداء هذه المهمة — تزداد أكثر صحة مع كل جيل من الأجهزة. ستكون وحدات المعالجة العصبية في هواتف العام القادم أسرع بمرتين من هواتف هذا العام. تتسع الفجوة لصالحنا.
البنية المعمارية هي المنتج
أمضيت العام الماضي أدافع عن موقف يجده بعض من في مجال الذكاء الاصطناعي للياقة مزعجًا: اختيارك للبنية المعمارية ليس تفصيلًا تقنيًا في التنفيذ. إنه المنتج.
إذا كانت بنيتك المعمارية تُدخل تأخيرًا مقداره 3 ثوانٍ، فأنت لم تبنِ مساعد رفع. لقد بنيت معلّقًا. وإذا كانت بنيتك تتطلب بث الفيديو إلى خادم، فأنت لم تبنِ منتجًا يحترم الخصوصية. لقد بنيت أداة مراقبة بقشرة لياقة. وإذا كانت بنيتك تكلّف 36 دولارًا في الساعة لكل مستخدم، فأنت لم تبنِ عملًا تجاريًا. لقد بنيت عرضًا تجريبيًا.
أُغرمت الصناعة بقدرات النماذج متعددة الوسائط الكبيرة — وتلك القدرات مبهرة حقًا للاستخدامات المناسبة. تحليل الفيديو الطويل، والتدريب الحواري، والبرمجة المخصصة. لكن الاستخدام المناسب لخط استدلال يستغرق 3 ثوانٍ ليس أبدًا الوقاية الفورية من الإصابات أثناء الحركة الفقرية المُحمّلة.
800 مللي ثانية دهرٌ في الميكانيكا الحيوية. فإذا لم يستطع ذكاؤك الاصطناعي الاستجابة أسرع من الجهاز العصبي البشري، فهو ليس مدربًا — إنه جمهور.
الهاتف في جيبك يحمل رقاقة مصممة لتشغيل الشبكات العصبية بسرعة الفكر. الكاميرا موجّهة بالفعل نحو المستخدم. والمحرك اللمسي موجود بالفعل. كل ما تحتاجه لبناء نظام يرى الرياضي حقًا — لا نظام يشاهد فيديو متأخرًا له — موجود في يد المستخدم.
السؤال الذي يحتاج كل شركة تقنية لياقة أن تجيب عنه بصدق: هل تطبيقك يشاهد فيديو، أم أنه يساعد المستخدم في الرفع؟ لأن عمود الرياضي الفقري لا يبالي بنصك التسويقي. إنه يبالي بالمللي ثانية فقط.
