स्पॉटिफाई ने व्यायाम प्रशिक्षण को व्यक्तिगत बनाने के लिए आर्टिफिशियल इंटेलिजेंस के साथ रनिंग मोड लॉन्च किया

कीप कंपनी ने WAIC 2026 कार्यक्रम में अपना पेटेंटेड वर्टिकल स्पोर्ट्स मॉडल Keepace.ai पेश किया। यह मॉडल सामान्य कार्यक्षमता पर सुरक्षा सीमाओं को प्राथमिकता देता है। इसे 14 अरब वास्तविक व्यायाम रिकॉर्ड के आधार पर विकसित किया गया है और इसमें पैनोरमिक फीचर ग्राफ के रूप में 700 से अधिक मीट्रिक संकेतक शामिल हैं।

फिटनेस में सामान्य एआई मॉडल की समस्या

Keepace.ai का अनावरण कंपनी की कृत्रिम बुद्धिमत्ता की मुख्य क्षमताओं का पहला सार्वजनिक प्रदर्शन था, जो जनवरी 2025 की शुरुआत में 'ऑल इन एआई' रणनीति की घोषणा के बाद हुआ था। यह मॉडल फिटनेस एप्लिकेशन के लिए सामान्य एआई सिस्टम में एक महत्वपूर्ण समस्या का समाधान करता है: जबकि सार्वभौमिक मॉडल अधिकतम उपयोगिता प्राप्त करने का प्रयास करते हैं, उनमें आवश्यक सुरक्षा सीमाओं, वैज्ञानिक कठोरता और व्यक्तिगतकरण की बारीकियों की कमी होती है जो शारीरिक गतिविधि पर सही सलाह देने के लिए आवश्यक हैं, क्योंकि गलत सलाह से शारीरिक नुकसान हो सकता है।

वर्टिकल दृष्टिकोण के तीन स्तर

वर्टिकल दृष्टिकोण तीन मुख्य पहलुओं से प्रेरित था। पहला, सुरक्षा सीमाएँ: एक सामान्य चैटबॉट में जनरेशन त्रुटि के लिए केवल उपयोगकर्ता द्वारा जांच की आवश्यकता होती है, जबकि व्यायाम सिफारिशों में वही त्रुटि मानव द्वारा किए गए व्यायाम में अपरिवर्तनीय क्षति पहुंचा सकती है। Keepace.ai आर्किटेक्चर सुरक्षा को अनुकूलन लक्ष्य के बजाय सीखने और मूल्यांकन प्रणाली में अंतर्निहित एक सख्त बाधा के रूप में देखता है। दूसरा, छद्म-वैज्ञानिक दावों को फ़िल्टर करना: फिटनेस क्षेत्र इंटरनेट पर सबसे अधिक विपणन वाले वातावरणों में से एक है, जहां मिथक व्यापक रूप से प्रचलित हैं, जैसे कि यह कि आप जितना अधिक पसीना बहाते हैं, उतना ही अधिक वसा जलाते हैं। सामान्य मॉडल प्रशिक्षण डेटा से ऐसे भ्रांतियों को अवशोषित और दोहराते हैं, जबकि Keepace.ai मूल्यांकन के लिए आधिकारिक स्रोतों की जाँच का उपयोग एक सख्त मानदंड के रूप में करता है। तीसरा, वैयक्तिकरण की बारीकियां: सेंसर डेटा को उपयोगकर्ता की शारीरिक क्षमता के सटीक मॉडल में बदलने के लिए विशेष प्रशिक्षण की आवश्यकता होती है, जो सामान्य मॉडलों के लिए दुर्गम है।

कार्यक्षमता और कार्यप्रणाली के उदाहरण

वर्तमान में, Keepace.ai तीन उपयोग परिदृश्यों का समर्थन करता है: प्रशिक्षण पाठ्यक्रम उत्पन्न करना, व्यायाम ज्ञान पर प्रश्नों का उत्तर देना और व्यायाम डेटा की व्याख्या करना। उदाहरण के लिए, पीठ के लिए डंबल व्यायाम का अनुरोध करने पर, जिसमें पीठ में हाल ही में असुविधा का उल्लेख है, मॉडल जोखिम को पहचानता है और झुकने या डेडलिफ्ट की सिफारिश करने के बजाय रीढ़ पर भार कम करने के लिए वन-आर्म रोइंग का सुझाव देता है। प्रश्नोत्तर मोड में, यदि वजन घटाने के लिए दौड़ने की गति के बारे में पूछा जाता है, तो मॉडल पहले स्थापित करता है कि कैलोरी की कमी एक मौलिक सिद्धांत है, और फिर इस आम गलत धारणा का खंडन करता है कि शरीर पहले वसा को जलाता है, यह समझाते हुए कि तीनों ऊर्जा प्रणालियाँ तीव्रता पर निर्भर अनुपात के साथ एक साथ काम करती हैं। प्रत्येक सिफारिश को खेल विज्ञान सलाहकारों द्वारा सत्यापित आधिकारिक स्रोतों के लिंक द्वारा समर्थित किया जाता है।

प्रतिस्पर्धी लाभ और वित्तीय आंकड़े

Keepace.ai का समर्थन करने वाला एक महत्वपूर्ण लाभ विशाल डेटासेट है: दस वर्षों में एकत्र किए गए 14 अरब वास्तविक व्यायाम रिकॉर्ड, जिन्हें 17 लेबल श्रेणियों और 700 से अधिक मेट्रिक्स सहित एक पैनोरमिक फीचर ग्राफ में संरचित किया गया है। ये संरचित दीर्घकालिक डेटा एक प्रतिस्पर्धी लाभ का प्रतिनिधित्व करते हैं जिसे केवल कंप्यूटिंग शक्ति में निवेश करके खरीदा या दोहराया नहीं जा सकता है। 2025 में, कीप कंपनी पहली वार्षिक लाभप्रदता तक पहुंची, जिसमें समायोजित शुद्ध लाभ 25.22 मिलियन युआन रहा, जिससे पिछले वर्ष के 470 मिलियन युआन के घाटे को पार किया जा सका, और सकल मार्जिन बढ़कर 52.2% हो गया। कंपनी एआई में निवेश को अतिरिक्त के बजाय प्रतिस्थापन लागत के रूप में देखती है, एआई का उपयोग सेवाओं की गुणवत्ता बढ़ाते हुए और औसत आय की वृद्धि की क्षमता को 10 गुना करते हुए पारंपरिक सामग्री निर्माण लागतों को बदलने के लिए करता है। कीप के तर्क के अनुसार, वर्टिकल एआई मॉडल उन जगहों पर सामान्य मॉडलों से बेहतर प्रदर्शन करते हैं जहां विषयगत सीमाएं उन्हें असुरक्षित बनाती हैं। Keepace.ai के पहले चरण में सुरक्षा को वैयक्तिकरण से ऊपर रखा गया है, जबकि एल्गोरिथम प्रमुख ने जोर देकर कहा कि खेल को समझने का मतलब यह जानना है कि क्या प्रशिक्षित नहीं किया जा सकता है और इसके कारणों की व्याख्या करना है।