اگه دوچرخه‌سواری رو جدی دنبال می‌کنی یا حتی مربی ورزش‌های استقامتی هستی، احتمالاً همیشه این سؤال تو ذهنت بوده که کسی که داره تمرین می‌کنه واقعاً داره پیشرفت می‌کنه یا فقط خسته‌تر میشه! شرط می‌بندم خیلی وقتا نمی‌دونی چطور باید بفهمی که طرف سطح هوازی بدنش بالا رفته (یعنی بهش میگن aerobic fitness، همون توانایی بدن برای مصرف اکسیژن توی مدت زمان‌های طولانی) یا اینکه فقط زور الکی میزنه.
این مقاله اومده دقیقاً همون چیزی که همیشه تو ذهن‌مون بوده رو با کمک تکنولوژی رویکرد داده! دانشمندای این پروژه اومدن از هوش مصنوعی – مخصوصاً Machine Learning یا همون یادگیری ماشین که یعنی کامپیوتر خودش یاد می‌گیره از روی داده‌ها الگو پیدا کنه! – استفاده کردن تا بفهمن واقعاً تمرین داره جواب میده یا نه.
حالا روش کار چجوری بوده؟ ۲۰ تا دوچرخه‌سوار حرفه‌ای رو به مدت ۵ ماه ماهی یه بار مجبور کردن یه تست سنگین بدن: باید ۶۰ دقیقه با ۷۵٪ توان بیشینه‌شون رکاب می‌زدن (این توان بیشینه که بهش میگن functional threshold power یا همون حداکثر توانی هست که می‌تونی نسبتاً طولانی حفظش کنی بدون اینکه بترکی!).
دوتا عدد مهم گرفتن: یکی یه چیزی به اسم ‘cardiovascular drift’ و یکی دیگه ‘aerobic decoupling’ – صبر کن، الان برات توضیح میدم:
– Cardiovascular drift: این یعنی توی یه تمرین طولانی، کم‌کم ضربان قلبت میره بالا، حتی اگه خروجی کاریت ثابت بمونه! دلیلش اینه که بدن رفته تو مود خستگی و تلاش بیشتری نیاز داره تا همون کار رو تکرار کنه.
– Aerobic decoupling: اینم یعنی نسبت توان خروجی به ضربان قلب شروع می‌کنه تغییر کردن، یعنی دیگه به هم وابسته نمی‌مونن. اگه توی تمرین بدن آماده باشه، این نسبت خیلی نمی‌ریزه به هم ولی اگه خسته باشی یا آماده نباشی، بهم می‌ریزه.
روی داده‌های این تست‌ها، اومدن از چندتا مدل یادگیری ماشین معروف استفاده کردن! – شبیه همون مدل‌هایی که به هوش مصنوعی میگن مثلاً عکس سگ و گربه رو تشخیص بده – مثل Logistic Regression (یه مدل آماری معروف که دو تا کلاس رو جدا می‌کنه)، Variational Gaussian Process (یه مدل پیچیده‌تر که کلی جزئیات رو می‌تونه تشخیص بده)، و K-Nearest Neighbors (این یکی خیلی ساده اس؛ نگاه می‌کنه ببینه هر داده به چه داده‌های نزدیکی شبیه‌تره!).
مدل‌ها زحمت کشیدن با دقت بالا بگن چه کسایی واقعاً به تمرین جواب دادن (یعنی بدنشون آماده‌تر شده و این دو تا شاخص بهتر شدن) و چه کسایی تغییر خاصی نکردن. مثلاً دقت این مدل‌ها از ۸۷٪ تا ۹۳٪ بوده که برای ورزش فوق‌العاده‌ست! مدل Variational Gaussian Process بهترین نتیجه رو داده (۹۳٪ دقت)، بعدش Logistic Regression (۹۱٪)، و بعد هم KNN (۸۶٪).
خب، چی یاد می‌گیریم؟ اولاً اینکه ‘cardiovascular drift’ و ‘aerobic decoupling’ واقعاً شاخص‌هایی هستن که می‌تونن نشون بدن بدن طرف داره به تمرین جواب میده یا نه. دوماً اینکه هوش مصنوعی (یا همون یادگیری ماشین) خیلی راحت‌تر و سریع‌تر از روش‌های سنتی مثل فقط نگاه کردن یا حدس زدن مربی‌ها، نشون میده ورزشکار پیشرفت داشته یا نه و حتی امکان داره ضعف یا خستگی رو قبل از اینکه علنی شه نشون بده!
پس اگر مربی یا ورزشکاری، دیگه لازم نیست فقط روی حس و حدس پیش بری؛ می‌تونی با داده‌های دقیق و مدل‌های هوشمند، تمرینای شخصی‌تری بچینی و زودتر بفهمی داری راهت رو درست میری یا نه. خلاصه که هوش مصنوعی حتی توی دوچرخه‌سواری هم داره وارد عمل میشه و کمک می‌کنه حرفه‌ای‌تر و علمی‌تر تمرین کنیم!
منبع: +
