Az Apple AI doktor tervei

Az Apple a „Project Mulberry” kódnéven futó fejlesztés keretében egy mesterséges intelligencia által vezérelt orvos szerepét betöltő egészségügyi edző bevezetésén dolgozik, melynek célja, hogy személyre szabott tanácsokkal segítse a felhasználók mindennapi életét. Az új funkció a jövőbeni iOS 19.4-es frissítés részeként várható, valószínűleg 2026 tavaszára vagy nyarára, és először az Egyesült Államok piacán kerül bevezetésre.

Az eddigi próbálkozások és a versenykörnyezet

Az Apple már korábban is tett lépéseket az egészség és fitnesz területén. Az Apple Watch, az egészségügyi alkalmazás és a Fitness+ szolgáltatás révén a cég igyekezett minél több adatot gyűjteni és értékelni a felhasználók életmódjáról. Ezek a korábbi fejlesztések adtak alapot ahhoz, hogy most egy teljesen integrált, AI-alapú orvosi asszisztenssel bővüljön a portfólió. A Bloomberg munkatársa, Mark Gurman szerint az új megoldás már teljes gőzzel halad, és az Apple tovább kívánja erősíteni pozícióját a digitális egészségügy piacán.

A versenytársak között olyan márka nevek is felmerülnek, mint a MyFitnessPal vagy a Noom, akik jelenleg is a személyre szabott étkezési és életmód-tanácsadás területén aktívak. Ezek a cégek kifejezetten az étkezés nyomon követésére és a fogyás támogatására fókuszálnak. Az Apple projektje viszont ennél komplexebb megoldást kínálhat, ugyanis a cég saját eszközeiből származó adatokkal dolgozva – például az Apple Watch és az iPhone – kívánja személyre szabni a tanácsokat. Így az Apple a teljes ökoszisztéma erejét kihasználva egy olyan szolgáltatást tervez, amely nem csupán az étkezésre koncentrál, hanem a testmozgás, az alvás és különféle krónikus állapotok, például a szívbetegségek kezelésében is támogatást nyújt.

A projekt részletei és működési elve

A projekt, mely ideiglenesen Health+ néven is ismert, az Apple belső orvosi szakembereinek és külső szakértőinek – például kardiológusoknak és táplálkozási tanácsadóknak – közreműködésével készül. Az AI alapú orvosi asszisztens célja, hogy a felhasználók egészségügyi adatait (például a pulzusszámot, alvásminőséget vagy a napi aktivitási szinteket) elemezve, személyre szabott tanácsokat adjon a helyes táplálkozás, rendszeres testmozgás és általános életmód javítása érdekében. Az alkalmazás különösen kiemelt szerepet tulajdonít majd az étkezések nyomon követésének: a tervek szerint az iPhone kamerája segítségével a felhasználók által fogyasztott ételek vizuális elemzése is lehetséges lesz, így az alkalmazás valós időben tud javaslatokat tenni a táplálkozás javítására.

Ezen kívül a rendszer a testmozgás során készített videók elemzésével is segítené a felhasználókat abban, hogy helyesen végezzék a gyakorlatokat – akár a meglévő Apple Fitness+ platform integrációja révén. A projekt egy másik érdekes eleme az is, hogy a felhasználók számára készített oktatóvideókban szakértők magyarázzák el az egyes egészségügyi trendeket, melyek az újonnan kialakított, Oaklandban létesített stúdióban készülnek.

Összegzés

Az Apple új AI-alapú egészségügyi asszisztense egy újabb lépést jelent abba az irányba, hogy a digitális egészségügy ne csupán adatgyűjtést jelentsen, hanem az aktív életmód-tanácsadásra is kiterjedjen. Míg a cég korábbi fejlesztései – az Apple Watch, az egészségügyi alkalmazás és a Fitness+ – már az adatgyűjtés és a passzív monitorozás terén bizonyítottak, az új projekt célja, hogy a megszerzett adatokat valós idejű, személyre szabott tanácsokkal egészítse ki. Bár a versenytársak, mint a MyFitnessPal és a Noom, már most is jelen vannak az étkezés- és életmód-tanácsadás piacán, az Apple integrált ökoszisztémája és a rendszer több aspektusát lefedő funkcionalitása új irányt mutathat a digitális egészségügy terén. 

Osszd meg ezt a cikket
 A Google bemutatta az Agent2Agent (A2A) nyílt forráskódú protokollt
Jensen Huang (az NVIDIA CEO-ja) nemrégiben elmondott beszédében a mesterséges intelligencia fejlődését több szakaszra osztotta és a jelenlegi szakaszra az Agentic AI korszakaként hivatkozott. Bár előadásában már a főként a következő szakaszra fókuszált a fizikai AI korszakára, nem szabad elfelejtenünk, hogy az Agentic AI korszaka is még csak idén indult el, így annak kifejlett érett formáját nem láthattuk. Hogy milyen lesz majd ez a fejlettebb forma abba enged betekintést a Google legújabb bejelentése amelyben bemutatták a nyílt forráskódú Agener2Agent protokollt. A protokoll célja, hogy hidat képezzen a különböző platformok, keretrendszerek és gyártók által létrehozott MI ágensek között, elősegítve ezzel a zökkenőmentes kommunikációt és együttműködést.
Bajban az Apple a mesterséges intelligencia fejlesztések terén?
Trump vámjainak hatására úgy tűnik egyre több gonddal kell az Apple-nek megküzdenie. Ennek egyik oka, hogy a vámokon túl, amik eléggé megtépázták az Apple részvényeit, belső konfliktusok is vannak, különösen az AI integrációért felelős részlegnél. Tripp Mickle a The New Yourk Times újságírója egyenesen arról ír, hogy az Apple nem képes semmilyen új innovatív dologgal előrukkolni mostanában. Bár ez valószínűleg nincs így, hiszen hosszas huzavona után az Apple Intelligence-t végül sikerült elindítania a cégnek, de az kétségtelen, hogy a mesterséges intelligencia területén vannak lemaradásai a versenytársakhoz képest.
Új együttműködés a Netflix és az OpenAI között
A Netflix nemrégiben kezdte el tesztelni az új, mesterséges intelligencia alapú keresési funkciót, amely az OpenAI technológiáját használja a tartalomkeresés javítására. Ez a funkció jelentős változást jelent a hagyományos keresési módszerekhez képest, mivel lehetővé teszi a felhasználók számára, hogy filmeket és tévéműsorokat találjanak konkrét kifejezések, például hangulatuk vagy szituációs preferenciáik alapján, nem pedig csak címek, műfajok vagy színésznevek alapján.
Erős turbulencia a Meta Llama modelljei körül
Még egy hete sincs a piacon a Llama 4 máris erős kritikákat kapott a felhasználóktól. Mint korábban írtam a Llama 4 egyik újdonsága, hogy egy olyan architektúrát használ, amely különböző modulokból épül fel ezért lehetővé teszi, hogy sokkal nagyobb tényleges paraméterrel rendelkezzen, mint amennyit aktívan használ, ezért elméletileg jóval jobb teljesítményt kellene nyújtania. Több független felhasználói teszt alapján azonban, mégsem hozza az elvárt eredményeket főleg matematikai és kódolási feladatok esetében. Egyesek szerint a Meta erősen manipulálta a benchmarkokat, hogy minél jobb eredményeket tudjon felmutatni. Míg mások úgy vélik, hogy elképzelhető, hogy valamilyen belső modellverziót futtattak a benchmarkokon és a piacra már egy jóval szerényebb képességű modellt dobtak.