當人工智慧成為你的教練群

想變強的我們，都需要更加個人化的訓練計畫

「人類對智力和智慧的理解是不正確的、單一維度的」- Kevin Kelly

身為懷抱變強夢想的各位運動員，可能還想像不到人工智慧與你的訓練和夢想有何相關。有人稱過去的一年為「人工智慧元年」，因為發生了不少大事，相信大家也在新聞或聊天間聽到不少次的相關新聞與辭彙，在新的一年之始，讓我們回憶一下電腦在人工智慧領域己經能做到什麼事：

• 2016年到來之前，在影像辨識標竿的大賽「ImageNet」中，冠軍團隊將錯誤率降到 3.57 %，己經超越人類的辨識能力（約為 5.1%）
• 2016年3月15日，Alpha Go 在吸引全世界目光的棋王大賽中以4:1 擊敗了李世石
• 2016年10月 微軟發表新的語言辨識系統，能夠有效性地將語音辨識為文字，而錯誤率僅有 5.9%，已經相當於一般人類的水準

從現在的進步程度來看，這些運算架構已經不是僅有智慧，而是比我們更聰明了。有科技教父之稱的首任 Wired 雜誌主編 — Kevin Kelly，在近期的系列演講中說明，我們以往對智力和智慧的理解太過片面，智力其實是一套思考方式，知識體系和工具，而這些方式、體系和工具構成了我們解決問題的能力。人工智慧能在某些單一方面能表現得遠比人類要好，尤其是分析龐大且複雜的數據。

而數據分析，對於運動領域來說，越來越不可忽視，也正在逐漸進化的一個重要領域。從電影「魔球」中使用統計數據挑選球員的助理，到現代運動訓練中，基於數據而變化的訓練計畫（Data-driven training)，都再再地指明了數據是多麼寶貴的資產（當然你不分析使用來理解背後含義的話，它也只是佔著儲存空間的無意義數字而已）。各位跑友鐵友們可以想想，是不是身邊的人或者你們自己，都戴起了穿戴式裝置來進行訓練，談話內容也不時出現，訓練強度、心率、FTP、TSS或CTL等數據的專有名詞呢？

《魔球》劇照

這些運算能力，和所謂的人工智慧，甚至是人工才智（Artificial Smartness）要如何在耐力運動訓練中發揮作用呢？以下我們分析了幾點，而這也是我們正在努力的方向：

1. 完全個人化的訓練強度：以往我們在界定強度時，都是基於一個基準（心率，配速或功率），再照著表來計算出各個不同區間的訓練強度，而這個表格靠的都是以往「統計」上的數據，也就是代表著由此定義出的強度區間很可能不適用於你。
2. 更精細的周期化制定：以往都是由教練的經驗，一些測驗輔助或著進實驗室來了解訓練狀況與是否達成週期目標以進入下個周期，除了最後一項有較實據的數據，前者都是藉由人類的判斷來進行，相信電腦的運算能在這裡掌握得更好，因為模型 (pattern）的發現一直都是深度學習所擅長的事情
3. 分類選手素質：類似前項所述，也可能更容易地了解受訓練的選手是哪方面的能力不足，是速度能力不理想還是有氧耐力相對較低下，都能被快速地發覺。
4. 更精準的疲勞管理：目前的疲勞指數幾乎都是基於訓練強度與時間的乘積，但第1點已經提出，訓練強度的定義可能就不適當，那基於此數據計算出來的結果參考性自然會更低落，利用生理與運動表現紀錄分析的方式有可能更精準地管理疲勞，以避免運動員受到過度訓練的傷害，也助於他們在大賽時把體能整調到最佳狀態

相信很多人都想過類似的問題：為什麼我跟他練一樣的，還比他更多更快，可是比賽時總是贏不了他呢？ 這是因為耐力運動的訓練本身就是一件高度個人化的事情，而我們正希望能夠解決這個問題，使用演算法與機器學習來分析資料，並依此建立完全個人專屬的訓練計畫。

看似有點奧妙，但這裡面沒有神奇的奇蹟，也沒有神祕的黑科技，有的只是一個耐心與創新的過程，所以需要受試者們來幫忙我們做得更好，共同打造一個全新的訓練模式。

我們目前也在徵求首波的受測者，由專業的訓練教練為您打造訓練計畫，有興趣的人請直接私訊我們的粉絲頁：https://www.facebook.com/aitrainerforu/