Je fitnessapp kan niet zien of je liegt — en dat is een miljardenprobleem

Afgelopen november zag ik een demo die iets in mijn hoofd kapotmaakte.

Een leverancier van bedrijfswelzijnsprogramma's pitchte hun "AI-aangedreven fitnessplatform" aan een zaal vol verzekeringsdirecteuren. De demo was gelikt — een gebruiker op het scherm die squats deed, de app die herhalingen telde, punten toekende, het hele gamified pakket. De directeuren knikten goedkeurend. Toen stelde ik een vraag waardoor het stil werd in de zaal: "Wat gebeurt er als de gebruiker gewoon drie inch op en neer wipt in plaats van echt te squatten?"

De leverancier glimlachte. "Nou, we vertrouwen erop dat onze gebruikers—"

"Je vertrouwt ze," zei ik. "Maar je vraagt deze verzekeraar om risico te beprijzen op basis van dat vertrouwen."

Dat was het moment waarop ik wist dat we bij Veriprajna het juiste bouwden. Niet nog een chatbot. Niet nog een wrapper om GPT. Iets wat de sector wanhopig nodig had maar nog niet had weten te verwoorden: AI die geen antwoorden genereert — maar de fysieke werkelijkheid verifieert.

De fitness- en digitale-gezondheidssector heeft een vuil geheim. De 60 miljard dollar grote markt voor bedrijfswelzijn, de kortingsprogramma's van verzekeraars, de move-to-earn-cryptoprojecten — ze zijn allemaal gebouwd op data die oplost zodra je ze controleert. En niemand wil erover praten omdat de dashboards er geweldig uitzien.

Ik ga erover praten.

Waarom kan jouw fitnessapp niet zien of je echt hebt getraind?

Dit is de architectuur van vrijwel elke fitnessapp op de markt: het is een videospeler met een aanbevelingsengine erbovenop geschroefd. Je drukt op afspelen, een instructeur doet push-ups, je wordt geacht mee te doen, en wanneer de video eindigt, registreert de app de workout als "voltooid." Hij schat je calorieverbranding op basis van generieke tabellen. Hij geeft je een badge.

Op geen enkel moment verifieerde de app dat je bewoog.

De app gaat ervan uit dat consumptie gelijkstaat aan voltooiing. Hij vraagt: "Heb je het werk gedaan?" en accepteert kritiekloos "Ja" als antwoord.

Dit is geen nichebezwaar. Dit is de fundamentele architectuur van een miljardenindustrie. En hij faalt om een reden die elke gedragseconoom had kunnen voorspellen.

Er bestaat een principe genaamd de wet van Campbell — de socioloog Donald Campbell merkte op dat hoe meer je een metriek gebruikt voor besluitvorming, hoe meer mensen die metriek zullen corrumperen. Koppel geld aan stappentellingen, en mensen binden Fitbits aan plafondventilatoren. Koppel verzekeringskortingen aan "workout-voltooiing," en mensen laten video's afspelen terwijl ze avondeten.

Dit is niet hypothetisch. Ken je STEPN nog, het move-to-earn-cryptoproject? Het stortte deels in vanwege de wapenwedloop tussen het vermogen van het protocol om geldige beweging te detecteren en het vermogen van gebruikers om die te faken met GPS-spoofing en mechanische schudapparaten. Wanneer verificatie zwak is, wordt fraude rationeel. Eerlijke deelnemers worden gestraft. De aanbieder van de beloning gaat failliet.

Ik bleef terugkomen op een uitspraak die ik uiteindelijk in elke pitchvergadering ging herhalen: Je kunt niet gamificeren wat je niet kunt verifiëren.

De nacht waarin we beseften dat pose-estimatie geen intelligentie is

We begonnen niet met dit inzicht. We stuitten erop.

In het begin was mijn team enthousiast over pose-estimatie — bibliotheken zoals BlazePose en MoveNet die skeletale gewrichtscoördinaten uit video halen. We dachten: mooi, die gebruiken we om een fitnessverificatiesysteem te bouwen. We besteedden weken aan het integreren van MoveNet, kregen schone skeletdata die vanaf een telefooncamera binnenstroomde, en toen gingen we zitten om de data daadwerkelijk te gebruiken voor verificatie.

Toen begonnen de discussies.

Een van mijn engineers, ervan overtuigd dat we bijna klaar waren, haalde één enkel frame skeletdata tevoorschijn — een persoon met gebogen ellebogen en een verlaagde romp. "Zie je? Push-up," zei hij.

"Is dat zo?" vroeg ik. "Gaan ze naar beneden of komen ze omhoog? Houden ze die positie al dertig seconden vast of dertig milliseconden? Trillen ze van vermoeidheid of zijn ze perfect gecontroleerd?"

Eén enkel frame vertelt je niets. Een skeletcoördinaat op één moment in de tijd is semantisch leeg. Het is alsof je iemand een ruwe spanningsmeting van een ECG overhandigt en om een cardiale diagnose vraagt. De sensor levert data. Intelligentie interpreteert het signaal.

We hadden een heel goede sensor gebouwd. We hadden nul intelligentie gebouwd.

Dat was een zware week. We waren zo gefocust geweest op het computer-vision-onderdeel — het verkrijgen van schone gewrichtscoördinaten — dat we de randvoorwaarde met de oplossing hadden verward. En elke concurrent in dit vakgebied maakte dezelfde fout, door pose-estimatie te vermarkten als "AI-aangedreven fitness" terwijl het eigenlijk gewoon een chique meetlat was.

Ik schreef uitgebreider over deze paradigmaverschuiving — van vision naar signaalverwerking — in de interactieve versie van ons onderzoek. Maar het kerninzicht was eenvoudig en het veranderde alles wat we daarna bouwden.

Wat als het menselijk lichaam een radiosignaal is?

Dit is de herkadering die onze hele aanpak ontsloot.

Wanneer iemand squats doet, tekent de verticale positie van zijn heupgewricht een golf uit in de tijd. Niet metaforisch — letterlijk. Het is een sinusvormig signaal. Jumping jacks produceren een periodieke golfvorm in de hoeksnelheid van de schouder. Lopen genereert complexe multi-harmonische signalen door het hele onderlichaam.

Het menselijk lichaam, dat repetitieve oefeningen uitvoert, is een mechanische oscillator.

Zodra je het zo bekijkt, stop je met denken over computer vision en begin je te denken over signaalverwerking. Plotseling heb je toegang tot een compleet andere wiskundige gereedschapskist:

• Amplitude vertelt je de diepte van de squat
• Frequentie vertelt je de cadans
• Fase vertelt je of de linker- en rechterkant gecoördineerd zijn
• Spectrale zuiverheid vertelt je of de beweging gecontroleerd of wankel is

We vragen een AI niet langer om te "raden" welke oefening plaatsvindt. We meten de fysica van een golfvorm. De vraag verschuift van "Waar lijkt dit op?" naar "Wat meet dit?"

We herkaderden Human Activity Recognition niet als een beeldclassificatieprobleem, maar als een probleem van digitale signaalverwerking. Die ene beslissing maakte verificatie mogelijk.

Maar ruwe signaalverwerking — Fourier-transformaties en dergelijke — is broos wanneer je die toepast op echte menselijke beweging. Mensen veranderen van snelheid. Camerahoeken verschuiven. Armen bedekken benen. Je hebt deep learning nodig om de ruis aan te kunnen. De vraag was: welke architectuur?

Waarom we LSTM's weggooiden

Als je in het afgelopen decennium een machine-learningcursus hebt gevolgd, heb je geleerd dat sequentiële data recurrente neurale netwerken betekent. LSTM's — Long Short-Term Memory-netwerken — waren de gouden standaard. Tekst, audio, tijdreeksen — alles ging door een LSTM.

We probeerden het. Het werkte niet. Niet op de manier die we nodig hadden.

De problemen waren fundamenteel, niet op te lossen met hyperparameter-tuning. LSTM's verwerken data sequentieel — om te berekenen wat er gebeurt bij frame 100, moet je eerst frames 1 tot en met 99 verwerken. Op een mobiele telefoon die in real time draait, veroorzaakt dat seriële knelpunt latentie die de gebruikerservaring om zeep helpt. Je kunt iemand niet "ga lager" zeggen twee seconden nadat hij alweer omhoog is gekomen.

Erger nog, LSTM's vergeten. Hun "geheugen" gaat achteruit over lange reeksen. Een yogasessie van vijf minuten of een push-upuitdaging van vijftig herhalingen genereert duizenden frames, en tegen het einde is het model de context van het begin kwijt. We zagen dit als drift — het vertrouwen van het model in zijn eigen telling erodeerde na verloop van tijd, zoals iemand die de tel kwijtraakt in zijn hoofd.

Er was een teamvergadering waarin we de cijfers op een rij zetten. De latentie was onaanvaardbaar. Het geheugen was onbetrouwbaar. De rekenkosten van het draaien van LSTM's op duizenden gelijktijdige enterprise-streams waren onbetaalbaar. Iemand zei: "Misschien moeten we de hele architectuur heroverwegen."

Iemand anders zei: "Misschien hebben we convoluties nodig."

Die persoon had gelijk.

Hoe werkt een Temporal Convolutional Network eigenlijk?

Temporal Convolutional Networks — TCN's — nemen de convolutionele architectuur die beeldherkenning revolutioneerde en passen die toe op het tijdsdomein. In plaats van een filter over de pixels in een beeld te schuiven, schuif je het over tijdstappen in een signaal. Maar twee ontwerpkeuzes maken TCN's radicaal anders dan alles wat eraan voorafging.

Ten eerste: causale convoluties. Het netwerk op tijdstip t kijkt alleen naar data vanaf tijdstip t en eerder. Het gluurt nooit naar de toekomst. Dit klinkt vanzelfsprekend, maar het is een wiskundige garantie die enorm belangrijk is voor real-time verificatie. We beslissen niet achteraf of een herhaling geldig was nadat de set voorbij is — we verifiëren die terwijl het gebeurt.

Ten tweede, en dit is het deel dat me nog steeds enthousiast maakt: gedilateerde convoluties. In plaats van naar aangrenzende tijdstappen te kijken, introduceert het netwerk ruimte tussen de punten die het onderzoekt. En die ruimte groeit exponentieel met elke laag. Laag 1 ziet aangrenzende frames. Laag 2 slaat er één over. Laag 3 slaat er drie over. Bij laag 10 vangt één enkel filter een venster van 512 frames op.

Dit betekent dat het netwerk tegelijkertijd aandacht kan besteden aan wat er op dit moment gebeurt — knikt de knie naar binnen op dit specifieke frame? — en wat er de afgelopen drie minuten is gebeurd — degradeert de periodiciteit van de beweging op een manier die vermoeidheid suggereert?

Een TCN met gedilateerde convoluties ziet zowel de instantane fysica van één enkel frame als de langetermijn-temporele context van een hele workout. Geen enkele andere architectuur geeft je beide tegelijk.

En omdat convoluties parallelle bewerkingen zijn, geen sequentiële, draait het geheel snel genoeg voor real-time mobiele inferentie. Trainen gaat ook sneller — geen exploderende gradiënten, geen verdwijnende gradiënten, gewoon stabiele backpropagation door een netwerk met vaste diepte.

Voor de volledige technische uiteenzetting — inclusief de vergelijkende prestatiegegevens tegenover LSTM's en de wiskunde van onze signaalanalyse — zie onze onderzoekspaper.

Herhalingen tellen zonder te weten wat een herhaling is

Een van onze vroege ontwerpbeslissingen was controversieel, zelfs binnen het team.

De meeste fitnessapps die herhalingen proberen te tellen, trainen een specifiek model voor elke oefening. Een "push-upteller." Een "squatteller." Een "bicepscurl-teller." Dit betekent dat elke nieuwe oefening nieuwe trainingsdata, nieuwe labeling en nieuwe uitrol vereist. Het is broos en het schaalt niet.

Wij kozen een andere richting. We bouwden een klasse-agnostisch telsysteem gebaseerd op temporele zelfgelijkenis. Het idee: als een beweging repetitief is, zal het signaal met regelmatige tussenpozen op zichzelf lijken. Je hoeft niet te weten wat de oefening is. Je hoeft alleen te detecteren dat het signaal zich herhaalt.

Het TCN vertaalt de skeletale posereeks naar een gecomprimeerde representatie, waarna we de gelijkenis tussen elk paar tijdstappen berekenen. Repetitieve actie verschijnt als een duidelijk visueel patroon — parallelle lijnen van hoge gelijkenis. De afstand tussen die lijnen is de duur van de herhaling. De intensiteit van de lijnen vertelt je hoe consistent de herhalingen zijn.

Dit werkt voor squats, kettlebell swings, roeien, jumping jacks, of elke revalidatiebeweging die een fysiotherapeut volgende week dinsdag verzint. We detecteren de fysica van de herhaling zelf, niet de identiteit van de oefening.

Ik geef toe dat er een moment van twijfel was. Een investeerder zei tegen me: "Gebruik gewoon GPT-4 met video-invoer. Die kan push-ups tellen." Ik vroeg hem om het te proberen met iemand die kwart-herhalingen doet op wisselende snelheid terwijl een peuter door het beeld liep. Hij begon er niet meer over.

Wat gebeurt er wanneer je de vorm meet, en niet alleen telt?

Tellen is noodzakelijk maar bij lange na niet voldoende. Iemand kan vijftig "push-ups" doen met een bewegingsbereik van één inch. De teller loopt op. De fysica zegt dat er niets is gebeurd.

We bouwden drie metrieken die een herhalingstelling omzetten in een kwaliteitsbeoordeling.

Diepte. We volgen de baan van belangrijke gewrichten — de heup tijdens een squat, de borst tijdens een push-up — en passen piekdetectie toe op het door het TCN gefilterde signaal. Een herhaling is alleen geldig als de verplaatsing een biomechanische drempel overschrijdt. Dit is geen mening. Het is een meting van hoe ver het gewricht daadwerkelijk heeft afgelegd.

Controle. In de signaalverwerking is "jerk" de derde afgeleide van positie — de veranderingssnelheid van de versnelling. Hoge jerk betekent trillingen, instabiliteit, of het gebruik van momentum om de beweging vals te doen. We berekenen een genormaliseerde versie die Log Dimensionless Jerk heet. Een hoge score betekent dat de persoon worstelt of zichzelf door de herhaling heen slingert. In revalidatie en bedrijfswelzijn is dit een vroege indicator van blessurerisico.

Symmetrie. We vergelijken de signaalenergie en -fase tussen de linker- en rechterkant. Een asymmetrie-index onthult wanneer iemand tijdens een squat één been ontziet — vaak een voorbode van een blessure of een teken van onvolledige revalidatie. Deze metriek is onmogelijk zelf te rapporteren. Je kunt een asymmetrie van 12% niet voelen. Maar het signaal kan die meten.

Een "Veriprajna Verified Rep" is geen vinkje. Het is een datapakket met een tijdstempel, een hash van skeletale keypoints, een TCN-betrouwbaarheidsscore, en kinematische telemetrie — diepte, snelheid, jerk, symmetrie. Het is controleerbaar. Het is onveranderlijk. Het is het verschil tussen een bewering en bewijs.

De privacyarchitectuur waardoor enterpriseklanten ja zeiden

Ik moet iets aankaarten wat mensen me altijd vragen: "Jullie analyseren mensen die oefeningen doen voor de camera. Hoe is dit geen privacynachtmerrie?"

Dat zou het zijn, als we video naar de cloud zouden streamen. Dat doen we niet.

De telefoon draait een lichtgewicht pose-estimator op zijn Neural Processing Unit. Deze haalt skeletale coördinaten eruit — gewoon getallen die gewrichtsposities weergeven. Een paar kilobytes aan data. De videoframes worden onmiddellijk weggegooid. Er verlaat nooit pixeldata het apparaat. Wat er naar onze cloud-engine wordt verzonden (of on-device wordt verwerkt bij high-end telefoons) is anonieme kinematische data. Getallen. Geen gezichten.

Dit is naleving van de AVG en HIPAA door architectuur, niet door beleid. De biometrische data — de video van iemands gezicht en lichaam — wordt nooit opgeslagen, nooit verzonden, loopt nooit risico. Dit was geen bijzaak. We ontwierpen het hele systeem rond deze beperking omdat we wisten dat enterpriseklanten niets anders zouden aanraken.

Wie betaalt er voor fysica?

De economische kant van geverifieerde beweging is verbluffend zodra je die ziet.

Verzekeringen. Verzekeraars bieden momenteel kortingen voor sportschoolabonnementen, die locatie verifiëren, niet inspanning. Met geverifieerde functionele bewegingsdata — vijf squats, vijf lunges, een balanshoud — kan een verzekeraar stabiliteit, bewegingsbereik en symmetrie beoordelen. Deze correleren sterk met valrisico bij senioren en algemene metabole gezondheid. Dynamische acceptatie op basis van geverifieerde functionele capaciteit, niet statische actuariële tabellen. De verzekeraar die dit als eerste doorheeft, wint de markt.

Bedrijfswelzijn. Een industrie van 60 miljard dollar waar bedrijven betalen voor uitkomsten die ze niet kunnen meten. Werknemers schudden met telefoons voor stapdoelen en claimen bijdragen aan hun Health Savings Account. Met geverifieerde actieve minuten wordt de drempel voor fraude fysieke inspanning. Om een push-up op ons systeem te faken, zou je in wezen een humanoïde robot moeten bouwen — of gewoon de push-up doen.

Tele-revalidatie. Musculoskeletale aandoeningen zijn een van de grootste kostenposten voor werkgevers. Therapietrouw bij thuisoefeningen ligt notoir onder de 50%, en wanneer patiënten wél oefenen, gebruiken ze vaak een slechte houding die het herstel vertraagt. Een TCN die voorgeschreven gewrichtshoeken monitort, geeft clinici een dashboard van geverifieerde therapietrouw en kwaliteitstrends. Remote Therapeutic Monitoring is nu een vergoedbare CPT-code in de VS — dit is niet speculatief. Het is een inkomstenstroom.

Move-to-earn, goed gedaan. De Web3-fitnessprojecten faalden omdat GPS triviaal te spoofen is. Wij leveren het orakel voor fysieke inspanning. Het minten van tokens dat wordt afgeschermd door TCN-verificatie creëert een economie waarin het aanbod wordt begrensd door de fysieke capaciteit van het gebruikersbestand, niet door de creativiteit van de valsspelers.

"Maar gaan LLM's dit uiteindelijk niet gewoon doen?"

Ik hoor dit voortdurend. De aanname dat, omdat grote taalmodellen steeds beter worden, ze uiteindelijk alles zullen oplossen, inclusief fysieke verificatie.

Dat gaan ze niet. En de reden is architectonisch, geen kwestie van schaal.

LLM's zijn ontworpen om het meest waarschijnlijke volgende token te produceren. Ze zijn probabilistisch. Ze genereren plausibele output. In creatieve en administratieve domeinen is dat ongelooflijk nuttig. Maar in fysieke verificatie is plausibiliteit de vijand. Een medische diagnose, een revalidatieprotocol, een aanpassing van een verzekeringspremie — deze kunnen niet gebaseerd zijn op wat er waarschijnlijk gebeurt. Ze moeten geworteld zijn in wat er daadwerkelijk gebeurt.

Geen enkele hoeveelheid opschaling verandert de fundamentele doelfunctie. Een LLM met een biljoen parameters optimaliseert nog steeds voor waarschijnlijkheid, niet voor waarheid. Ons TCN optimaliseert voor de fysica van een golfvorm — amplitude, frequentie, fase, spectrale zuiverheid. Dit zijn metingen, geen voorspellingen.

De andere vraag die ik krijg: "Kun je niet gewoon een vision-language-model fine-tunen op oefenvideo's?" Dat kan. Het zal je vertellen "dit lijkt op een push-up." Het zal je niet vertellen dat de linkerschouder 15% meer belasting draagt dan de rechter, dat het jerk-profiel een vroeg begin van vermoeidheid aangeeft, of dat de herhalingsdiepte de afgelopen twee minuten met 8% is afgenomen. Het geeft je een label. Wij geven je een signaalanalyse.

De AI-industrie is geobsedeerd door generatie. Wij zijn geobsedeerd door verificatie. Dit zijn niet dezelfde discipline, en door ze te verwarren beland je erin dat je verzekeringspremies beprijst op basis van hallucinaties.

De grens tussen vibes en fysica

Ik denk hier veel over na: de hele digitale-gezondheidssector zit aan de ene kant van een grens, en het grootste deel ervan beseft niet dat de grens bestaat.

Aan de ene kant is wat ik de Vibes-economie noem. Zelfgerapporteerde data. Stappentellingen van apparaten die geschud kunnen worden. Workout-voltooiingen van video's die genegeerd kunnen worden. Dashboards die er bemoedigend uitzien. Data die correct aanvoelt. Het werkt totdat iemand het controleert, en dan verdampt het.

Aan de andere kant is wat wij bouwen: de Fysica-economie. Geverifieerde beweging. Gemeten verplaatsing. Gekwantificeerde controle. Controleerbare activa. Data die kritisch onderzoek doorstaat omdat ze in de eerste plaats nooit op vertrouwen was gebaseerd.

De overgang tussen deze twee economieën is niet incrementeel. Je komt niet 60% van de weg naar fysica door een stappenteller toe te voegen aan je videospeler. Ofwel je meet de golfvorm, ofwel niet. Ofwel je verifieert de herhaling, ofwel je gelooft de gebruiker op zijn woord.

Elke onderneming waarmee we praten — elke verzekeraar, elke inkoper van bedrijfswelzijn, elk tele-revalidatieplatform — komt uiteindelijk tot hetzelfde besef. Ze hebben voor vibes betaald en het data genoemd. Op het moment dat ze zien hoe geverifieerde bewegingsdata er werkelijk uitziet, kunnen ze het niet meer ontzien.

Ik ben Veriprajna begonnen omdat ik geloofde dat het belangrijkste AI-probleem van dit decennium niet het genereren van betere tekst is. Het is het verifiëren van de fysieke werkelijkheid. Elke maand die verstrijkt, elke nieuwe LLM-wrapper die wordt gelanceerd, elke fitnessapp die weer een videospeler met een badgesysteem uitbrengt — ik word er zekerder van.

De toekomst van gezondheids-AI is niet slimmere chatbots. Het is eerlijke meting. En fysica hallucineert niet.