Bir geliştirici Whoop'u hackledi, artık hangi iş arkadaşının en fazla strese neden olduğunu görebiliyor

Giyilebilir teknoloji ürünleri genellikle uyku takibi, egzersiz performansı veya sağlık verileri için kullanılıyor. Ancak bazı kullanıcılar bu cihazların sunduğu verileri çok daha farklı amaçlar için değerlendirebiliyor. Son olarak bir geliştiricinin gerçekleştirdiği sıra dışı proje, sosyal medyada milyonlarca kişinin dikkatini çekmeyi başardı. Geliştirici Pankaj Tanwar, Whoop bilekliğinden elde ettiği biyometrik verileri Google Takvim'deki toplantılarıyla birleştirerek hangi iş arkadaşlarının kendisinde en fazla stres yarattığını hesaplayan özel bir sistem oluşturdu. Eğlenceli bir deney olarak başlayan proje, yapay zekâ destekli veri analizinin ne kadar ilginç sonuçlar ortaya çıkarabileceğini de göstermiş oldu.

Whoop verileri toplantılarla eşleştirildi

Tanwar'ın paylaştığı bilgilere göre sistemin temelinde Whoop bilekliğinin topladığı kalp atış hızı verileri yer alıyor. Geliştirici, cihazın ürettiği verileri elde etmek için tersine mühendislik yöntemlerinden yararlandı ve süreçte Claude Fable 5 isimli yapay zekâ modelini kullandı. Ardından elde edilen sağlık verileri, Google Takvim üzerindeki toplantı kayıtlarıyla eşleştirildi.

Bu yöntem sayesinde gün içerisinde hangi toplantı sırasında kalp atış hızının yükseldiği belirlenebiliyor. Toplantıya katılan kişilerle biyometrik veriler bir araya getirildiğinde ise teorik olarak hangi iş arkadaşlarının daha fazla stres yarattığı hesaplanabiliyor. Tanwar, sonuçların bir liderlik tablosu halinde görüntülendiğini söylese de iş arkadaşlarının isimlerini paylaşmadı.

Yapay zekâ sürecin merkezinde yer aldı

Projeyi dikkat çekici hale getiren noktalardan biri de yapay zekânın kullanımı oldu. Tanwar, Whoop verilerine erişmek ve bunları işleyebilmek için Anthropic tarafından geliştirilen Claude Fable 5 modelinden yardım aldığını belirtti. Son dönemde giderek daha karmaşık görevleri yerine getirebilen yapay zekâ sistemleri, artık yalnızca metin üretmekle kalmıyor, aynı zamanda yazılım geliştirme ve veri analizi süreçlerinde de aktif rol oynuyor.

Projede kullanılan sistemin genel çalışma mantığı şu şekilde özetlenebilir:

Bu yaklaşım, giyilebilir cihazların ürettiği sağlık verilerinin farklı veri kaynaklarıyla birleştirilerek nasıl yeni kullanım alanları oluşturabileceğini gösteriyor.

Sonuçlar eğlenceli olsa da bilimsel değil

Ortaya çıkan sonuçlar ilgi çekici görünse de sistemin tamamen doğru çalıştığını söylemek mümkün değil. Kalp atış hızının yükselmesi her zaman stres anlamına gelmiyor. Kişinin kahve tüketimi, fiziksel aktivitesi, uyku düzeni, gün içindeki enerji seviyesi veya toplantıda konuşulan konular da bu verileri etkileyebiliyor.

Bu nedenle sistemin belirlediği "en stresli iş arkadaşı" sıralamasının bilimsel bir doğruluk taşıdığı söylenemez. Kalp atış hızındaki artışın doğrudan toplantıya katılan kişilerden kaynaklandığını kanıtlamak oldukça zor. Hatta bazı durumlarda toplantının içeriği veya alınan kararlar, katılımcıların kendisinden daha fazla stres yaratabilir.

Buna rağmen proje, biyometrik verilerin yaratıcı kullanımına dair ilginç bir örnek olarak değerlendiriliyor.

Giyilebilir cihazların geleceğine dair dikkat çekici bir örnek

Son yıllarda akıllı saatler ve sağlık takip cihazları çok daha fazla veri toplamaya başladı. Kalp ritmi, stres seviyesi, uyku kalitesi, oksijen doygunluğu ve fiziksel aktivite gibi onlarca farklı metrik artık kullanıcıların erişimine açık. Ancak bu verilerin anlamlı sonuçlara dönüştürülmesi hâlâ sektörün en büyük hedeflerinden biri olarak görülüyor.

Tanwar'ın geliştirdiği sistem tam olarak bu noktaya işaret ediyor. Çünkü kullanıcılar yalnızca sağlık verilerini görmek yerine, bu verilerin günlük hayatlarındaki olaylarla nasıl ilişkilendiğini öğrenmek istiyor. Örneğin hangi toplantıların daha yorucu olduğu, hangi aktivitelerin stresi azalttığı veya günün hangi saatlerinde daha sakin hissedildiği gibi bilgiler, gelecekte yapay zekâ destekli sağlık platformlarının temel özellikleri arasında yer alabilir.

Yapay zekâ destekli kişisel analiz dönemi hızlanıyor

Bu proje aynı zamanda yapay zekâ araçlarının ne kadar erişilebilir hale geldiğini de gösteriyor. Geçmişte yalnızca büyük teknoloji şirketlerinin geliştirebileceği türden veri analiz sistemleri, artık bireysel geliştiriciler tarafından da oluşturulabiliyor. Birkaç yıl öncesine kadar oldukça karmaşık görünen biyometrik veri analizi, bugün gelişmiş yapay zekâ modellerinin yardımıyla çok daha kısa sürede gerçekleştirilebiliyor.

Whoop bilekliğiyle yapılan bu deney her ne kadar eğlence amaçlı görünse de, gelecekte sağlık teknolojilerinin ve yapay zekâ destekli kişisel analiz araçlarının hangi noktaya ulaşabileceğine dair dikkat çekici bir fikir veriyor. Özellikle giyilebilir cihazların daha fazla veri üretmeye başlamasıyla birlikte, benzer projelerin önümüzdeki yıllarda çok daha yaygın hale gelmesi bekleniyor.