防治肥胖，AI轉向

人人生而平等，除非他太胖了——這句略有些刻薄的話，卻是當下社會對待肥胖症人群的現實寫照。

過去幾年裡，AI在減肥、健身等領域展現出了蓬勃的想象力，許多創新者嘗試利用AI幫助人們去掉身上的贅肉。

不過，既往AI在談論“減重”時，幾乎都著眼於既有的認知，即“肥胖症都是因為管不住嘴或者邁不開腿”。如今，學界對於肥胖的認知在改變，AI減重的底層邏輯自然也應該從善如流地變化。

今天恰好是世界防治肥胖日，很多人又開始把目光投向各種“減肥tips”，我們不如來關注一下，轉向後的AI究竟是如何理解肥胖的，並幫助人類逃出困境的。

有了AI，為何也不能輕鬆“掉肉”

其實最近幾年，AI這根“魔法棒”就為肥胖症和減重人群所關注，市場上有了不少智慧減肥的軟硬體產品。簡單總結一下的話，此前的“AI+減肥”主要集中在三個方面的改變：

1.數字化。

透過為智慧手錶、健身器材、全身鏡、智慧電視等加入感測器、攝像頭等資料採集裝置，從而識別使用者的手勢、體態、心跳等資料，識別動作的完成度和標準度，為減肥人士提供資料參考、運動記錄、健康提醒等智慧體驗。幫助養成健身習慣，減少健身過程中的成本。

2.個性化。

主打千人千面的健身及飲食指導。比如一些健身App、健身房，根據個人的歷史資料定製健康計劃，匹配適合的健身課程目標與強度，制定針對性的課程，嘗試解決“私教成本高昂”“獨自運動難堅持”等難題。

飲食解決方案也如法炮製，根據使用者的體檢報告、健康問卷資料等等，提供每天三餐怎麼吃的建議。雀巢日本公司曾利用機器視覺，根據食物圖片分析其包含的卡路里及營養成分含量。Google Coach服務也會為使用者提供未來一週內的飲食安排，制定周密的減肥計劃。

3.效果導向。以“硬體+演算法+內容”模式打造的商業AI產品，或多或少都擔負起私人營養師、私人教練之類的角色，為了讓人類客戶們用得滿意，AI自然也就背上了KPI，資料收集的完成度、指導的專業性、減重結果的有效性等等。比如某智慧健康裝置就號稱可以“5分鐘檢測1200項生理機能引數，準確率達95%以上”。

那麼，上述AI是防治肥胖症的最好方法嗎?

顯然不是。

首先，治標不治本。智慧技術的加入是對傳統減重方法的最佳化提效，延續“管住嘴邁開腿”的方式，顛覆性創新很少。沒有真正改變肥胖症人群的行為邏輯，自然也無法從根本上抑制肥胖症加劇的趨勢。

此外，很多智慧健康管理裝置只是給常規硬體增加了感測器和聯網裝置，缺乏充分的個體資料儲備，使用的演算法模型也是一些AI平臺預訓練好的模型，所以很多時候使用者得到的“個性化”指導其實大同小異，無法像人類教練和營養師一樣因人制宜。

同時，受限於深度學習演算法本身的技術能力，對資料維度、實時分析判斷上達不到人類專家的水平，更偏向於擔任輔助工具，只是用來幫助健身房、減肥應用降低人力成本。

這些不痛不癢的改變，卻需要使用者來承擔硬體消費支出、學習成本和隱私資料風險。也就不難解釋，為什麼“智慧”只是作為諸多“減肥訓練營”的一個“添頭”，而不足以作為一個獨立的細分賽道，和肥胖人群一起走向未來。

重新定義“肥胖”：到底是誰的錯?

別誤會，這裡並不是想說AI對防治肥胖毫無助益。只有真正認識到肥胖症的原因，才能夠找到AI切入的最佳突破口，帶來切實可行的商業機遇。

認識“肥胖症”，就要先解開幾個誤區：

1.你真的需要減肥嗎?

社交網路充斥著無數骨瘦如柴卻哭著喊著要節食的“凡爾賽”。前不久，某社交平臺對近萬名網民的抽樣調查顯示，超五成網民有身材焦慮，三成女網民一天稱一次體重。

而真正的肥胖症，按照《加拿大醫學會雜誌》上的新指南定義，指的是體重指數(BMI，即體重kg除於身高m的平方)大於等於30的群體。真正的肥胖症，往往伴隨著糖尿病、高血壓、心血管等併發疾病，因為遭受脂肪羞辱而導致抑鬱、焦慮、睡眠障礙等等精神狀況。

只有身體BMI指數偏高，並出現了相應的身心健康問題，才應該視為肥胖。如果只是塞不進XS碼的牛仔褲，或者不再有18歲那樣的比基尼身材，那麼更像是一種撒嬌。

(歐洲國家 BMI 高於 30的居民比例)

2.窮和懶是原罪嗎?

傳統概念中，總會將肥胖視為一種“自殘狀態”，認為肥胖的人往往是因為太窮了，因此只能吃油膩且高熱量的快餐食物;沒有時間、精力和金錢承擔持續的鍛鍊，對身材管理缺乏意志力——這顯然是對肥胖人群的誤解。

比如中國疾病控制中心釋出的統計資料就顯示，北方地區北京城市居民的肥胖率最高，為25.9%，他們的經濟水平顯然不能算低。

科學家已經發現，長期處於壓力環境下，人的體重也會增加，睡眠不足6小時也會導致身體產生太多皮質醇和胰島素從而增加脂肪，更年期女性由於雌激素減少會使腹部脂肪增多，糖尿病患者因為使用胰島素藥物也會變得更容易儲存能量，一個長期996心力衰竭、泵血不足的工作黨也會突然增加體重……

總而言之，簡單的“少吃多動”方案，並不能放之所有人而皆準。

3.需要改變的只是身體嗎?

《加拿大醫學會雜誌》的新指南指出，肥胖症受遺傳學、神經激素機制、相關慢性病和肥胖藥物、社會文化習俗和信仰、建築環境、個人生活經歷(如不良童年經歷)，以及一系列心理因素的影響。

比如大眾對肥胖症的認知。肥胖兒童，更容易出現社會恥辱感，變得焦慮、沮喪，甚至遭受霸凌。

從這個角度看，防治肥胖自然也必須從單一的運動減肥，引入更多解題思路，關注改善這一群體的健康和福祉，而不僅僅是減重。

如果我們轉變思路，理解到防治肥胖並不僅僅是肥胖群體自己的事兒，而是一個複雜的經濟、心理和生理現象，那麼留給AI發揮的空間，反而更大了。

轉向中的AI：關乎所有人的健康生活

值得期待的是，我們看到了很多AI創新，已經開始在防治肥胖這件事上轉向，尋找直面根源的解題思路。

比如海外應用平臺Noom ，這個應用原本是使用人工智慧，根據使用者的鍛鍊和食物日誌，提供個性化的飲食和健身方案建議。而如今，它在數字驅動的基礎上，增加了一種老派方法：現實生活中的減肥教練。

Noom的總裁Artem Petakov擁有人工智慧和認知治療心理學的雙重背景，他聲稱，這一做法是為了改變人的大腦(認知)。

Noom 對收集的資料進行了令人耳目一新的誠實評估： AI 不是萬能的，不能像與人類教練實時聊天那樣，理解和識別引發不良飲食行為的情緒和思維模式。

所以Noom停止了所有純人工智慧專案，採用混合方法，將使用者輸入的資料將轉給人類教練，對方會立刻提供反饋和精神支援，以保證使用者能夠堅持下去。該平臺發現，由人類教練服務的使用者，其減肥結果大約是基於 AI 教練的三倍之多。

人類教練會引導使用者確定自己減肥的內在動機，並非常仔細地挑選獎勵，以確保獎勵對個人有督促意義，比如服裝尺碼下降兩個號碼就給自己買一臺新的遊戲機，從而更有效地改變自己的習慣。

除此之外，減肥如此困難的部分原因，是現代生活方式帶來的諸多變化，改變了我們的飲食結構、睡眠、壓力和生活規律等，都會刺激體重上升。即便透過短期運動與節食成功減下來，一旦恢復原本的作息身體仍然會復胖。

如何從根本上改變導致肥胖的生活方式?華盛頓大學的研究人員提供了另一種思路。

他們給深度學習演算法投餵了谷歌街景中四個城市的高解析度衛星影像，發現社群的特徵，如公園、高速公路、綠色街道、人行橫道、各種住房型別的存在，可能與肥胖患病率有關。

換句話說，透過開放更多城市綠地、基礎設施等，影響人群的運動生活習慣，也可以改善超重問題。

目前，這一研究還沒有基於中國城市資料進行的類似研究，但在肥胖病醫療負擔日趨增加的今天，類似的研究及模型與智慧城市相結合，也能為城市居民健康狀況帶來積極的影響。

AI在幫助部分慢性病肥胖群體上，也顯示出了希望。

密歇根州立大學人類醫學學院教授娜塔莉·斯坦(Natalie Stein)領導了一項研究，透過NLP技術創造了一個對話機器人，用來擔任減肥健康教練，承擔2型糖尿病(T2D)患者的健康諮詢。

在下圖中，它主動詢問一個使用者“你早餐吃什麼?”，並根據答案，提供了積極的強化或建設性的批評和提示，指導使用者如何吃得更好。比如當使用者聲稱吃了雞蛋、燻肉、烤麵包和咖啡時，AI 列出了過去一週該人吃燻肉的次數，並推薦了更健康的蛋白質。但是，當使用者回答吃了“雞、蔬菜和大米”時，機器人會大力稱讚對方健康的選擇。

報告顯示，研究期間，75.7%的使用者體重減輕，平均減少2.4公斤，健康膳食的數量在21周內增加了31%。

正如專家所說，讓亞馬遜Alexa這樣的通用智慧語音助手來提供用藥建議等輔助服務可能需要一段時間。但針對健康飲食這樣的垂直知識領域，AI已經能夠用於實際應用並取得不錯的表現。

與人類協作、與城市共舞、重視情感支援，或許也是AI在解決其他與人有關的問題時，所需要思索的。

總的來說，防治肥胖，問題不在於身體，身體只是問題的結果，而非原因。

AI想要在減肥領域釋放價值，也絕不能只是過度關注改造身體，更應該解決更大的問題，改變導致肥胖的環境;與其教人們運動，不如強調更有效全面的方法，如提高健康認知。

能夠承擔起心理、環境、社會等更多層面的改造，AI也就有了更廣闊的發展空間。