共计 988 个字符，预计需要花费 3 分钟才能阅读完成。
在过去的十年里，我通过测试各种可穿戴设备积累了大量的健康和健身数据。虽然我喜欢每天查看这些数据，但有一个部分让我感到失望：AI 生成的总结。
近年来，AI 生成的总结已经渗透到几乎每一个健身、健康和可穿戴应用中。Strava 推出了名为 Athlete Intelligence 的功能，Whoop 有 Whoop Coach，Oura 增加了 Oura Advisor，甚至我的床每天早上都会用 AI 总结来告诉我它如何帮助我保持睡眠。
这些 AI 总结通常如下：
早上好！你昨晚睡了 7 个小时，静息心率为 60 bpm。这与你的周平均值一致，但你稍微升高的心率表明你可能没有完全恢复。如果你感到疲倦，今晚试试早点睡觉。健康就是平衡！
这些总结看似有用，但实际上它们只是将你已经知道的数据重新包装，并附上常识性建议，而非深入的分析。例如，Strava 的 Athlete Intelligence 为一次跑步生成的总结如下：
高强度跑步，心率进入无氧区域，相对努力远高于你的典型范围。
这个总结并没有考虑到我在高湿度和高温下跑步的风险，也没有提到我因摔倒而受伤的情况。尽管我上传了受伤的图片和说明，AI 总结仍然没有反映出这一点。
Runna 应用的 AI 总结稍微有用一些，它建议我下一次跑步应该是“轻松的”，但这并不足以让我的膝盖安全愈合。Whoop Coach 在我询问受伤后的锻炼建议时，直接提示我联系会员服务。Oura Advisor 则建议我优先休息，并给出了一些常识性的运动建议，但这些见解非常通用，对自我量化的新手可能有些帮助，但对于有经验的用户来说，这些建议显得过于浅显。
这些 AI 功能的局限性不仅体现在总结的浅显性上，还体现在其无法处理复杂查询的能力上。例如，当我询问 Oura Advisor 我的睡眠和准备度趋势是否显示出受伤风险升高的迹象时，它告诉我没有，并且说我正在改善。然而，这与我实际的经历并不相符。
尽管这些 AI 功能在理论上可能有用，但在实际操作中，它们往往无法提供真正有价值的见解。Strava 和 Oura 的反馈显示，许多用户认为这些功能有用，但对于像我这样有丰富经验和数据的用户来说，这些 AI 总结显得过于简单和重复。
总的来说，AI 健身总结的局限性主要在于其无法深入分析和个性化建议，以及处理复杂查询的能力不足。尽管这些功能在帮助初学者理解健康数据方面可能有一定作用，但对于有经验的用户来说，它们往往无法提供真正有价值的见解。
