Somni ของ Fullive.ai กับเดิมพัน AI ที่เรียนรู้การตอบสนองระหว่างนอนหลับ

Somni คือความพยายามของ Fullive.ai ที่จะไปไกลกว่าอุปกรณ์ติดตามการนอนแบบรับข้อมูลอย่างเดียว แทนที่จะสรุปเพียงว่าเมื่อคืนหลับเป็นอย่างไร บริษัทกำลังพัฒนาอุปกรณ์ข้างเตียงไร้หน้าจอที่ตรวจจับทั้งตัวผู้ใช้และสภาพห้องนอน ปรับองค์ประกอบแวดล้อมบางอย่างในขอบเขตจำกัด แล้วนำผลที่สังเกตได้ไปปรับแผนสำหรับคืนถัดไป Fullive เรียกแนวคิดนี้ว่า Response Learning หรือการเรียนรู้จากการตอบสนอง 58

นี่เป็นแนวคิดผลิตภัณฑ์ที่ทะเยอทะยาน แต่ยังไม่เท่ากับการมีประสิทธิผลทางคลินิกที่ได้รับการยืนยัน รายงานที่มีอยู่ระบุว่าอุปกรณ์ยังอยู่ระหว่างพัฒนา และบริษัทยังมุ่งหาการตรวจสอบความถูกต้องในวงกว้างขึ้น ผู้บริโภคจึงควรแยกให้ออกระหว่างสิ่งที่ผลิตภัณฑ์ตั้งใจจะทำ กับผลลัพธ์ด้านสุขภาพหรือการนอนที่พิสูจน์อย่างอิสระแล้ว 5

แก่นของแนวคิด: เรียนรู้ “การตอบสนอง” ไม่ใช่แค่ให้คะแนนการนอน

ผลิตภัณฑ์เกี่ยวกับการนอนจำนวนมากเน้นการสังเกต เช่น วัดการเคลื่อนไหว เวลานอน หรือสัญญาณอื่น ๆ แล้วแสดงเป็นคะแนนหรือสรุปผล แต่ลูปข้อมูลที่ Fullive เสนอนั้นต่างออกไป:

1. วัดสภาวะ — เก็บสัญญาณจากผู้นอนและจากห้อง
2. เลือกการแทรกแซงที่จำกัดขอบเขต — เช่น การปรับเสียง แสง หรือกลิ่น
3. สังเกตผลตอบสนอง — ประเมินสิ่งที่เปลี่ยนไปในคืนนั้น และใช้ข้อมูลดังกล่าววางแผนครั้งต่อไป

Fullive อธิบายชุดข้อมูลนี้ว่าเป็น สภาวะ → การแทรกแซง → การตอบสนอง เป้าหมายคือเรียนรู้ว่าคนแต่ละคนตอบสนองต่อปัจจัยแวดล้อมแบบใด แทนที่จะจำแนกได้เพียงว่าขณะนี้พวกเขาอยู่ในสภาวะแบบใด บริษัทเรียกโมเดลที่ฝึกจากข้อมูลดังกล่าวว่า “response model” 5

ในทางปฏิบัติ หากรูปแบบเสียงหรือแสงหนึ่งไม่ได้ผล ระบบก็ควรปรับมันในคืนถัดไป ขณะที่รูปแบบที่สัมพันธ์กับการตอบสนองที่ดีกว่าอาจถูกใช้ประกอบคำแนะนำครั้งหน้า แต่ละคืนจึงกลายเป็นวงจรป้อนกลับขนาดเล็กที่มีข้อจำกัด ไม่ใช่เพียงรายงานการนอนครั้งเดียว 5

Somni ตั้งใจตรวจจับอะไรบ้าง

Somni ถูกวางตำแหน่งเป็นผลิตภัณฑ์ข้างเตียงแบบไม่ต้องสวมใส่และไร้หน้าจอ สำหรับกลุ่มคนทำงานใช้ความรู้ที่เผชิญความเครียดสูง รายงานระบุว่าอุปกรณ์รวมเรดาร์คลื่นมิลลิเมตร ชุดไมโครโฟน และเซ็นเซอร์สภาพแวดล้อม เพื่อติดตามการหายใจ อัตราการเต้นหัวใจ การเคลื่อนไหวของร่างกาย และเงื่อนไขในห้องนอนตลอดคืน 8

รูปแบบที่ตั้งไว้ข้างเตียงมีความสำคัญต่อกลยุทธ์ของผลิตภัณฑ์ เพราะไม่ต้องให้ผู้ใช้สวมอุปกรณ์ขณะนอน และช่วยให้ระบบสังเกตทั้งตัวบุคคลกับสภาพแวดล้อมการนอนได้พร้อมกัน แนวคิดของ Fullive คือห้องนอนที่ค่อนข้างคงที่และสังเกตต่อเนื่องได้หลายชั่วโมง เป็นจุดเริ่มต้นที่เหมาะสมสำหรับการเรียนรู้การตอบสนองแบบเฉพาะบุคคล 5

อย่างไรก็ดี การตรวจจับแบบไม่สัมผัสเป็นประเด็นที่ต้องผ่านการตรวจสอบอย่างโปร่งใส โดยเฉพาะคำกล่าวอ้างเกี่ยวกับการวัดสัญญาณทางสรีรวิทยา ซึ่งควรได้รับการประเมินเทียบกับเกณฑ์ความแม่นยำและหลักฐานทางคลินิก หากข้อมูลเหล่านี้อาจมีผลต่อการตัดสินใจด้านสุขภาวะหรือสุขภาพ

จากการตรวจจับ สู่การปรับสภาพแวดล้อม

ชั้นของการแทรกแซงคือสิ่งที่ทำให้ Somni ต่างจากอุปกรณ์ติดตามทั่วไป อุปกรณ์นี้มีเป้าหมายจะใช้ เสียง แสง และกลิ่น เป็นปัจจัยแวดล้อม เพื่อช่วยให้เริ่มหลับ รับมือการตื่นกลางดึก และทำให้การตื่นนอนนุ่มนวลขึ้น 58

Fullive ระบุว่าระบบถูกออกแบบให้มีขอบเขตการกระทำจำกัด แทนที่จะเปิดให้ AI เชิงสร้างสรรค์ควบคุมได้โดยไร้ข้อจำกัด ตามคำอธิบายของบริษัท เซ็นเซอร์จะส่งข้อมูลไปยังชั้นวางแผนที่อาศัย foundation model ขณะที่ “Bio-OS Harness” ทำหน้าที่ประสานโมดูลตรวจจับและโมดูลส่งออก บริษัทระบุถึงการกำหนดระดับความเชื่อมั่น การอ้างอิงหลักฐาน และชุดการแทรกแซงที่แคบเป็นแนวรั้วด้านความปลอดภัย 5

ขอบเขตเหล่านี้สำคัญ เพราะระบบอัตโนมัติที่ปรับตามบุคคลในห้องนอนไม่ได้มีประโยชน์โดยอัตโนมัติเพียงเพราะมันปรับตัวได้ ระบบที่มีประโยชน์ต้องแสดงให้เห็นว่าสามารถเลือกการแทรกแซงได้อย่างน่าเชื่อถือ หลีกเลี่ยงสิ่งรบกวน และสร้างผลลัพธ์ที่คงอยู่ได้ในระยะยาว

เหตุใดบริษัทจึงเรียกว่านี่คือระบบวงจรปิด

ผลิตภัณฑ์แบบวงจรปิดไม่ได้แค่เก็บข้อมูล แต่เชื่อมการวัด การตัดสินใจ การลงมือทำ และข้อมูลป้อนกลับเข้าด้วยกัน:

• ตรวจจับ: รับรู้สัญญาณจากผู้นอนและห้อง
• อนุมาน: ประเมินสภาวะปัจจุบันและบริบทที่เกี่ยวข้อง
• ดำเนินการ: ใช้การแทรกแซงสภาพแวดล้อมที่มีขอบเขตจำกัด
• เรียนรู้: เปรียบเทียบผลตอบสนองที่ตามมากับรูปแบบเดิม แล้วปรับกลยุทธ์ในอนาคต

เป้าหมายที่ใหญ่กว่าของ Fullive คือสะสมข้อมูลคู่ระหว่างการกระทำและการตอบสนองจากบ้านจริง บริษัทมองว่าหลักฐานนี้อาจช่วยสร้างระบบ AI ที่คาดการณ์ได้ในอนาคตว่า สภาวะทางร่างกายอาจเปลี่ยนแปลงอย่างไรเมื่อเผชิญเงื่อนไขแวดล้อมต่างกัน 5

นี่เป็นความทะเยอทะยานที่ยากกว่าการสร้างแดชบอร์ดสรุปการนอน เพราะต้องแยกผลที่มีความหมายออกจากความผันผวนปกติของการนอนแต่ละคืน ปัจจัยกวน และความคลาดเคลื่อนของเซ็นเซอร์ ซึ่งเป็นคำถามที่ตอบไม่ได้จากการใช้งานผลิตภัณฑ์เพียงอย่างเดียว

คำกล่าวอ้างเรื่องความเป็นส่วนตัว ยังเป็นคำกล่าวอ้างของผลิตภัณฑ์

Fullive ระบุว่าข้อมูลคลื่นดิบจากเรดาร์จะถูกเก็บไว้ในเครื่องก่อน และข้อมูลที่ส่งขึ้นคลาวด์จะถูกเข้ารหัสและลดทอนให้เหลือน้อยที่สุด เพื่อหลีกเลี่ยงการอัปโหลดข้อมูลดิบที่อาจนำไปสร้างข้อมูลส่วนบุคคลกลับคืนได้ 5

นี่เป็นเป้าหมายด้านการออกแบบที่เกี่ยวข้องโดยตรงกับอุปกรณ์ที่อยู่ในห้องนอนตลอดเวลา แต่ไม่ควรถูกตีความว่าเป็นการรับรองความเป็นส่วนตัวจากหน่วยงานอิสระ ผู้ซื้อและผู้ประเมินควรได้เห็นเอกสารที่ชัดเจนเรื่องระยะเวลาเก็บข้อมูล การประมวลผลบนคลาวด์ การควบคุมบัญชี การแชร์ให้บุคคลที่สาม และแนวปฏิบัติด้านความมั่นคงปลอดภัย เพื่อประเมินการทำงานจริงของระบบ

เป้าหมายระยะยาว: จากเพื่อนร่วมการนอน สู่ “response model”

Fullive นำเสนอ Somni ในฐานะก้าวแรกของกลยุทธ์แพลตฟอร์มที่กว้างกว่า บริษัทระบุแผนเดินหน้าจากการทดลองที่เน้นการนอนและการผลิตจำนวนมาก ไปสู่การยืนยันทางคลินิกในวงกว้างขึ้น และอาจขยายไปสู่ผลิตภัณฑ์สำหรับเวลากลางวัน แนวคิดระยะยาวคือ “แบบจำลองโลก” ทางสรีรวิทยา ที่คาดการณ์และส่งอิทธิพลต่อสภาวะร่างกายผ่านสภาพแวดล้อมทางกายภาพได้อย่างปลอดภัย 57

สำหรับตอนนี้ สิ่งนี้ยังเป็นวิสัยทัศน์ด้านการวิจัยและผลิตภัณฑ์ หลักฐานที่ควรจับตาคือการศึกษาทางคลินิกที่ออกแบบโดยอิสระ การเผยแพร่ผลทดสอบความแม่นยำของการตรวจจับแบบไม่สัมผัส และผลลัพธ์ที่คงทนในผู้ใช้หลากหลายกลุ่ม ไม่ใช่เพียงคำอธิบายของบริษัทว่าอุปกรณ์ตั้งใจจะทำงานอย่างไร 5

สิ่งที่ต้องติดตามต่อไป

ข้อเสนอของ Somni น่าสนใจ เพราะเปลี่ยนเป้าหมายจากการวัดการนอน ไปเป็นการทดสอบว่าการปรับสภาพแวดล้อมเล็ก ๆ ที่เฉพาะกับแต่ละคนจะช่วยได้หรือไม่ แต่คุณค่าของผลิตภัณฑ์จะขึ้นอยู่กับคำถามที่ยังไม่มีคำตอบ 3 ข้อ:

• เซ็นเซอร์แบบไม่สัมผัสวัดสัญญาณที่เกี่ยวข้องได้แม่นยำพอสำหรับการตัดสินใจเฉพาะบุคคลหรือไม่
• การใช้เสียง แสง และกลิ่นช่วยให้ผลลัพธ์ด้านการนอนที่มีความหมายดีขึ้นจริงหรือไม่ เมื่อเทียบกับความผันผวนตามปกติหรือผลของความคาดหวัง
• ระบบพิสูจน์ความปลอดภัย ความเป็นส่วนตัว และประโยชน์ที่ยั่งยืนได้หรือไม่ในการศึกษาอิสระที่เข้มงวด

จนกว่าจะตอบคำถามเหล่านี้ได้ Somni ควรถูกมองว่าเป็นเดิมพันระยะแรกของฮาร์ดแวร์ AI สำหรับการฟื้นตัวเฉพาะบุคคล ไม่ใช่โซลูชันทางการแพทย์ที่ผ่านการยืนยันแล้ว 58