ครั้งหนึ่งอุปกรณ์ออกกำลังกายไม่มากไปกว่าการจับเมตริกต่างๆเช่นอัตราการเต้นของหัวใจและจำนวนก้าว คนรุ่นใหม่กำลังรวมเซ็นเซอร์อุปกรณ์และซอฟต์แวร์เพื่อเปลี่ยนจากการติดตามการออกกำลังกายไปเป็นการสอนการออกกำลังกาย เป็นเรื่องดีที่สามารถรัดอุปกรณ์ที่บอกชีพจร VO2 max ประสิทธิภาพการนอนหลับและระดับน้ำตาลในเลือดได้ พื้นของคุณปีนขึ้นไประยะทางที่ครอบคลุมและแคลอรี่ที่เผาผลาญ แต่ตัวเลขทั้งหมดเหล่านี้ช่วยให้คุณบรรลุเป้าหมายการออกกำลังกายได้จริงหรือไม่? สำหรับหลาย ๆ คนตัวเลขที่อุปกรณ์เหล่านี้พ่นออกมาไม่ได้มีความหมายมากนัก การค้นหาวิธีสร้างเมตริกการออกกำลังกายให้เหมาะสมคือการสร้างโอกาสใหม่ ๆ ให้กับผู้บริโภคผู้ฝึกสอนและโรงยิม ข้อมูลที่ไม่มีบริบทเป็นเพียงกลุ่มตัวเลข Kerri McMaster เป็นผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายกลยุทธ์ของ Performance Labs ในนิวซีแลนด์ บริษัท ของเธอสร้างเครื่องมือปัญญาประดิษฐ์ที่อยู่เบื้องหลังผลิตภัณฑ์ที่ช่วยให้โค้ชผู้ฝึกสอนและนักกีฬาสามารถให้ข้อมูลที่นำไปใช้ได้จริงแก่นักกีฬา McMaster กล่าวว่าเป็นสิ่งหนึ่งที่จะมองไปที่อุปกรณ์ของคุณและเห็นว่าคุณวิ่งได้ 10 ไมล์และการเต้นของหัวใจของคุณคือ 80 ครั้งต่อนาที นั่นเป็นข้อมูลที่มีประโยชน์ทั้งหมดเธอกล่าว แต่สิ่งที่ขาดหายไปคือสิ่งที่เธอเรียกว่า “บริบท” ใช่คุณกำลังวิ่งอยู่ แต่ที่ระดับความสูงเท่าไร? คุณวิ่งบนพื้นราบหรือบนทางลาดชัน? คุณวิ่งในจังหวะที่เหมาะสมหรือไม่? ขาของคุณสร้างพลังได้มากแค่ไหน? เมื่อคุณยกน้ำหนักสิ่งสำคัญคือต้องติดตามชุดการทำซ้ำและน้ำหนักของคุณ จะเป็นอย่างไรหากอุปกรณ์ของคุณสามารถติดตามวิถีและความสม่ำเสมอของการยกแต่ละครั้งจากบนลงล่าง จะเป็นอย่างไรหากสามารถเปรียบเทียบการออกกำลังกายปัจจุบันของคุณกับการออกกำลังกายที่ผ่านมาได้อย่างต่อเนื่อง? ด้วยข้อมูลเชิงบริบทประเภทนี้ McMaster กล่าวว่าคุณสามารถใช้ปัญญาประดิษฐ์กับข้อมูลที่จะช่วยให้อุปกรณ์ไม่เพียงแค่ติดตามการออกกำลังกายของคุณเท่านั้น แต่ยังให้ข้อเสนอแนะที่สอนวิธีการออกกำลังกายที่ดีขึ้น “ด้วยการรวมข้อมูลเกี่ยวกับบริบทของการออกกำลังกายเข้ากับอัลกอริทึมที่เหมาะสม” เธอกล่าว “จะสามารถสร้างบทสรุปการออกกำลังกายที่โค้ชและผู้ฝึกสอนสามารถใช้เพื่อให้ข้อเสนอแนะแก่นักกีฬาได้แบบเรียลไทม์หรือทันทีหลังการออกกำลังกาย” ไม่ต้องคิด “พายในท้องฟ้า” อีกต่อไป บาง บริษัท รวมถึงแพลตฟอร์มการฝึกสอน ARDA ของ
ปัญญาประดิษฐ์และการเรียนรู้ของเครื่องกำลังกลายเป็นส่วนหนึ่งของชีวิตมนุษย์ในศตวรรษที่ 21 นักวิเคราะห์ของ Gartner เพิ่งตั้งชื่อให้ AI เป็นเทรนด์เทคโนโลยีเชิงกลยุทธ์อันดับต้น ๆ ยิ่งไปกว่านั้นจากรายงานของ ResearchAndMarkets เกี่ยวกับการเติบโตและการเปลี่ยนแปลงของ COVID-19 ตลาดปัญญาประดิษฐ์ทั่วโลกคาดว่าจะเติบโตมากกว่าสองเท่าในเวลาเพียงไม่กี่ปี ด้วยเหตุนี้ AI จึงแทรกซึมเข้าไปในหลายอุตสาหกรรมและในบทความนี้เราจะพูดถึงปัญญาประดิษฐ์และการออกกำลังกาย ดังนั้นหากคุณต้องการสร้างเทรนเนอร์ส่วนตัวคลับและแอปการจัดการหรือสวมใส่ได้และพิจารณาว่าจะใช้ฟีเจอร์ AI และแมชชีนเลิร์นนิงหรือไม่คุณก็มาถูกที่แล้ว ดังที่เราจะเห็นการเรียนรู้ของเครื่องและปัญญาประดิษฐ์กำลังกลายเป็นองค์ประกอบหลักของโปรแกรมการออกกำลังกายสมัยใหม่ อะไรคือวิธีที่ดีที่สุดในการใช้ประโยชน์? ข้อดีของการมีฟังก์ชันนี้ในแอปของคุณคืออะไร? อ่านต่อไปเพื่อหา. AI และการเรียนรู้ของเครื่องคืออะไร หากคุณเป็นมือใหม่ในหัวข้อ AI และแมชชีนเลิร์นนิงคุณอาจรู้สึกไม่สบายใจเมื่อสร้างแอปที่มีฟังก์ชันประเภทนี้ อะไรคือความแตกต่างระหว่างแนวคิด? ข้อจำกัดความรับผิดชอบสั้น ๆ มีดังนี้ AI เป็นสาขาหนึ่งของวิทยาการคอมพิวเตอร์ที่เกี่ยวข้องกับการจำลองความฉลาดของมนุษย์ในเครื่องจักร การนำ AI มาใช้หมายถึงการถามตัวเองว่าระบบคอมพิวเตอร์สามารถทำสิ่งต่างๆที่ผู้คนทำได้เช่นคิดและตัดสินใจได้อย่างไร? เมื่อนำไปใช้กับการพัฒนาซอฟต์แวร์ด้านการออกกำลังกายอาจหมายความว่าแอปสามารถ “ตัดสินใจ” เกี่ยวกับปริมาณงานจำนวนพนักงานเสนอชุดการออกกำลังกายที่เหมาะสม ฯลฯ ได้หรือไม่ อย่างไรก็ตามแมชชีนเลิร์นนิงอาจเรียกได้ว่าเป็นวิธีการสร้าง AI จัดเตรียมบริบทในรูปแบบของข้อมูลในขณะที่ AI ตอบสนองต่อบริบทนั้นภายในชุดของพารามิเตอร์ การเรียนรู้ของเครื่องอาศัยการวิเคราะห์สถิติโดยอัตโนมัติเพื่อให้เข้าใจถึงชุดข้อมูลขนาดใหญ่โดยใช้อัลกอริทึมที่ซับซ้อนเพื่อค้นหารูปแบบเฉพาะ การเรียนรู้เชิงลึกสำหรับห้องออกกำลังกายเป็นอีกแนวคิดหนึ่งที่คุณอาจพบในหัวข้อนี้ โดยพื้นฐานแล้วมันเป็นฟิลด์ย่อยของการเรียนรู้ของเครื่องที่เกี่ยวข้องกับอัลกอริทึมที่ได้รับแรงบันดาลใจจากโครงสร้างและหน้าที่ของสมองมนุษย์และทั้งหมดนี้เกี่ยวกับโครงข่ายประสาทเทียม บ่อยครั้งการเรียนรู้เชิงลึกเพื่อการออกกำลังกายเป็นส่วนที่ยากที่สุดในการสร้างแอปตัวอย่างเช่นเมื่อสร้างเฟรมโมเดลเฉพาะสำหรับการประมาณท่าทางของมนุษย์ เนื่องจาก AI และแมชชีนเลิร์นนิงในอุตสาหกรรมการออกกำลังกายมีโซลูชันมากมายที่จะนำเสนอเรามาดูวิธีแก้ปัญหาอย่างละเอียดมากขึ้นโดยใช้ตัวอย่าง Freeletics
คุณไม่จำเป็นต้องสร้างกล้ามเนื้อและเผาผลาญไขมันที่บ้านเพียงอย่างเดียวด้วย A.I. การปฏิวัติการออกกำลังกาย เมื่อซานฟรานซิสโกเข้าสู่การปิดกั้น COVID-19 เมื่อวันที่ 17 มีนาคมสิ่งสุดท้ายที่ Niket Desai ผู้ประกอบการเทคโนโลยีวัย 32 ปีต้องกังวลคือการอยู่ให้พอดี Barry’s สถานที่ประจำของเขาจะถูกปิดอย่างไม่มีกำหนด แต่ Desai ได้ติดตั้ง Tempo Studio ซึ่งเป็นอุปกรณ์ออกกำลังกายในบ้านแบบออลอินวันที่ออกแบบมาเพื่อเปลี่ยนห้องนั่งเล่นขนาด 30 ตารางฟุตให้กลายเป็นของเทียม โรงยิมขนาดเล็กที่ขับเคลื่อนด้วยปัญญา Tempo เป็นตู้น้ำหนักสูง 6 ฟุต (รวมน้ำหนักแล้ว!) ติดตั้งหน้าจอแนวตั้ง 42 นิ้วและกล้องเพื่อติดตามการเคลื่อนไหวซึ่งเป็นรุ่น Kinect ของ Microsoft ในขณะที่อุปกรณ์ที่คล้ายกันเช่น Tonal เสนอการฝึกความต้านทานแบบดิจิทัลที่บ้าน Tempo เป็นอุปกรณ์แรกที่ปรับใช้การวิเคราะห์การเคลื่อนไหว 3 มิติรวมกับการเรียนรู้ของเครื่องและ AI เพื่อปรับปรุงรูปแบบของคุณและจัดการการออกกำลังกายของคุณ หน้าจอของมันสตรีมคลาสสดและตามความต้องการมากกว่า 200 คลาสตั้งแต่การออกกำลังกายที่มีความเข้มข้นสูง 10 นาทีไปจนถึงการฝึกการเคลื่อนไหวหนึ่งชั่วโมงในขณะที่เซ็นเซอร์การเคลื่อนไหวและ AI แยกข้อต่อต่างๆได้มากถึง 25 ข้อที่ 30 เฟรมต่อวินาที
หลังจากระดมทุนได้อย่างน้อย 20 ล้านเหรียญในปีที่แล้วจากยอดไลค์ของ Amazon, Disney และ Bose สำหรับแอพมือถือที่นำเสนอการออกกำลังกายที่นำโดยผู้ฝึกสอนมืออาชีพที่เป็นมนุษย์ Aaptiv กำลังเปลี่ยนไปใช้เทคโนโลยี วันนี้สตาร์ทอัพกำลังเริ่มนำร่องบริการใหม่ที่เรียกว่า Aaptiv Coach ซึ่งเป็นผู้ช่วยที่ใช้ AI ซึ่งสร้างแผนการออกกำลังกายและไลฟ์สไตล์ส่วนบุคคลตามเป้าหมายของผู้ใช้ระดับการออกกำลังกายในปัจจุบันพฤติกรรมการกินและการป้อนข้อมูลจากอุปกรณ์ภายนอกเช่น smartwatches และ ตัวติดตามการออกกำลังกาย โค้ชจะทำเครื่องหมายการออกเดินทางที่โดดเด่นสำหรับการเริ่มต้น Aaptiv สร้างชื่อจากการออกกำลังกายที่นำโดยมนุษย์ซึ่งผลิตโดย Aaptiv เอง (“ เราอาจเป็นเพียงคนเดียวที่เต็มใจที่จะรับทราบว่าเราจะไม่ใช้ AI เพื่อแทนที่ผู้ฝึกสอน” ผู้ก่อตั้งและซีอีโออีธานอาการ์วัลกล่าวกับ TechCrunch เมื่อเดือนมิถุนายนที่ผ่านมา“ ผู้ฝึกสอนสร้างชั้นเรียนและสิ่งนั้นจะเหมือนเดิมตลอดไปความสัมพันธ์และแรงผลักดันนั้น และความหลงใหลไม่สามารถจับคู่ใครหรือสิ่งใดได้”) ในขณะที่ บริษัท ไม่ได้นำผู้ฝึกสอนออกจากแพลตฟอร์ม แต่จะมีการปรับเปลี่ยนจุดสำคัญของวิธีการส่งมอบแผนการออกกำลังกายให้กับผู้ใช้: โค้ชจะให้คำสั่งแก่ผู้ใช้ว่าควรทำอะไรพร้อมตัวเลือกในการใช้การออกกำลังกาย Aaptiv หรืออีกวิธีหนึ่งในการติดตาม นำโดยผู้อื่นหรือแม้กระทั่งทำแบบฝึกหัดด้วยตนเองโดยใช้ AI เพื่อวัดความก้าวหน้า ควรสังเกตการเปลี่ยนแปลงนั้นมาพร้อมกับการเปลี่ยนแปลงของบุคลากรบางส่วนใน บริษัท ด้วยเช่นกันเมื่อต้นปีที่ผ่านมา บริษัท ได้ปลดพนักงานรวมถึงผู้ฝึกสอนส่วนบุคคลและแม้ว่าจะไม่สามารถยืนยันจำนวนที่แน่นอนได้ แต่ผู้แนะนำหลายคนแนะนำให้เราทราบว่า เป็นประมาณหนึ่งในสามของพนักงาน ในการให้สัมภาษณ์ก่อนหน้าวันนี้ Agarwal ได้กล่าวอย่างชัดเจนว่าการลดลงไม่ได้เกี่ยวกับการกำจัดโค้ชที่เป็นมนุษย์ออกไปทั้งหมด แต่เป็นการเพิ่มสิ่งใหม่ ๆ
โภชนาการส่วนบุคคลผ่านข้อมูลที่เชื่อมต่อ การเพิ่มขึ้นของประชากรสูงอายุและภาวะเรื้อรังที่เกี่ยวข้องกับอาหารในยุคดิจิทัลทำให้เกิดโอกาสมากมายในการสร้างแรงบันดาลใจให้ผู้คนรักษาวิถีชีวิตที่มีสุขภาพดีโดยใช้เทคโนโลยี เงื่อนไขที่สำคัญเกี่ยวกับโภชนาการที่ดีต่อสุขภาพคือต้องกำหนดในบริบทของชีวิตประจำวัน ควรใช้ข้อมูลเพื่อทำความเข้าใจ ‘ศาสตร์อ่อน ๆ ’ ของคุณภาพชีวิตและอารมณ์ที่เกี่ยวข้องกับอาหารและการดูแลตัวเองให้ดีขึ้นและนำพวกเขาไปสู่วิถีชีวิตที่มีสุขภาพดีและมีความสุข เหตุใดวิทยาศาสตร์จึงไม่สามารถแก้ปัญหาพื้นฐานที่สุดของการเอาชีวิตรอดได้ คำถามที่ง่ายที่สุดคือเราควรกินอะไรในหลาย ๆ ด้าน ภาพรวม ไม่กี่ปีที่ผ่านมาได้เห็นการเปลี่ยนแปลงหลายอย่างในภูมิทัศน์ของโภชนาการและสุขภาพ อย่างไรก็ตามโซลูชันด้านโภชนาการที่มีอยู่มีการแยกส่วนและเป็นแบบทั่วไปเนื่องจากขาดบริบทและข้อมูลในชีวิตจริง ในหนังสือที่ได้รับการยกย่องผู้ป่วยจะได้เห็นคุณในตอนนี้ดร. เขาเล่าถึงอนาคตที่เทคโนโลยีสำหรับผู้บริโภคช่วยให้ผู้คนสามารถทำสิ่งต่างๆเช่นวินิจฉัยตนเองรับแผนการรักษาที่กำหนดเองและติดตามไบโอเมตริกของพวกเขาโดยอัตโนมัติ ผู้ที่เป็นโรคเบาหวานจะอยู่ในกลุ่มผู้ที่ได้รับผลประโยชน์มากที่สุดจากอนาคตดังกล่าว การรับรู้ตามบริบทและ AI เป็นสิ่งจำเป็นสำหรับวิสัยทัศน์นี้ที่จะเกิดขึ้น ท้าทาย บริษัท อาหารแห่งหนึ่งเปิดตัวโซลูชัน LIFEdata เพื่อดึงดูดผู้บริโภคได้ตลอดเวลาไม่เพียง แต่เป็น บริษัท อาหารเท่านั้น แต่ยังเป็นแบรนด์ที่สร้างนิสัยการกินของพวกเขาอีกด้วย แพลตฟอร์ม LIFEdata ได้รับการปรับแต่งด้วยรูปลักษณ์และความรู้สึกและบุคลิกของแบรนด์เพื่อพูดคุยโดยตรงกับผู้บริโภคขั้นสุดท้ายสูตรอาหารและความรู้ทางโภชนาการจากการวิจัยและพัฒนาได้รับการสร้างขึ้นใหม่เพื่อให้สามารถดำเนินการได้จริงและสนับสนุนลูกค้า ใช้ข้อมูลเพื่อความเหมาะสมทางโภชนาการ LIFEdata เป็นแพลตฟอร์มด้านโภชนาการและไลฟ์สไตล์ที่ใช้ปัญญาประดิษฐ์ซึ่งช่วยให้แต่ละคนนำโภชนาการที่ดีต่อสุขภาพมาใช้โดยการเรียนรู้และใช้พฤติกรรมการใช้ชีวิตสภาพแวดล้อมแรงจูงใจและรูปแบบการเปลี่ยนแปลงพฤติกรรมของแต่ละคน แอปมือถือและเว็บอินเทอร์เฟซของแพลตฟอร์มของเราซิงค์กับฐานข้อมูลข้อมูลโภชนาการสูตรอาหารนับล้านและ AI คำแนะนำการใช้ชีวิตที่ชาญฉลาด เราใช้ข้อมูลที่หลากหลายตั้งแต่แบบสำรวจไปจนถึงประวัติทางการแพทย์เพื่อสร้างคำแนะนำที่เป็นส่วนตัวสำหรับผู้ใช้แต่ละคน LIFEdata ออกแบบมาเพื่อเปลี่ยนพฤติกรรมของผู้คนเกี่ยวกับอาหาร สารละลาย ารเลือกที่เรียบง่ายและมีคำแนะนำระหว่างสภาพแวดล้อมอาหารที่เหมาะสม (สร้างขึ้นสำหรับแต่ละคนจากข้อมูลชีวิตและความชอบของพวกเขา) ทำให้เป็นเครื่องมือที่เหมาะสมในการสอนการกินอย่างชาญฉลาดให้กับเด็กและครอบครัวเพื่อป้องกันโรคเรื้อรัง การสนับสนุนตามบริบทและการสั่งงานด้วยเสียงได้รับการแนะนำเพื่อช่วยให้ผู้คนปรุงอาหารเพื่อสุขภาพที่ดีขึ้นด้วยสิ่งที่พวกเขามีอยู่ในครัวแนะนำพวกเขาทีละขั้นตอนตั้งแต่การเลือกส่วนผสมไปจนถึงการเตรียมสูตรอาหารและการสร้างรายการช้อปปิ้ง ผล ค้นพบความเชื่อมโยงระหว่างผู้คนและอาหาร ปัจจุบันผู้บริโภคคาดหวังประสบการณ์ส่วนตัวเมื่อพวกเขาโต้ตอบกับแบรนด์ และนั่นหมายความว่านักการตลาดไม่ใช่แค่ปิดธุรกรรม แต่ยังสร้างความสัมพันธ์ ด้วยการเชื่อมโยงข้อมูลกับแมชชีนเลิร์นนิงนักการตลาดสามารถเข้าใจผู้ชมใหม่ ๆ ที่คล้ายกับลูกค้าที่ดีที่สุดของตนได้
ผู้คนเปลี่ยนจากการควบคุมอาหารไปสู่การควบคุมอาหารเหมือนไม่มีอะไรเลย…จากอาหาร Paleo ไปจนถึงอาหาร Ketogenic ไปจนถึงอาหาร Atkins จากนั้นกลับไปที่จุดเริ่มต้น U.S. News ยังมีบทความเกี่ยวกับ Best Diets Overall การลดน้ำหนักในวันเดียวได้รับการกล่าวขานว่าสามารถแก้ไขปัญหาสุขภาพทั้งหมดของคุณได้ แต่ครั้งต่อไปพวกเขากล่าวว่าเป็นอันตรายถึงชีวิต ไม่เพียง แต่มีความขัดแย้งกับอาหาร แต่อาหารเช่นไข่กาแฟและไวน์กลับไปกลับมาระหว่างการถูกระบุว่าดีต่อสุขภาพและไม่ดีต่อสุขภาพ ผู้บริโภคอาจสงสัยว่าเมื่อใดที่ผลลัพธ์จะออกมาคงเส้นคงวาเพื่อที่พวกเขาจะได้พบว่าอาหารชนิดหนึ่งที่จะได้ผลในที่สุด แต่ในความเป็นจริงร่างกายของเรามีลักษณะเฉพาะดังนั้นอาหารจึงมีผลต่อเราในระดับบุคคล วามคิดที่ว่ามีอาหารสากลสำหรับทุกคนเป็นไปไม่ได้ทางชีวภาพ การรับประทานอาหารที่ดีจะต้องมีความเป็นส่วนตัว และนั่นคือจุดที่ปัญญาประดิษฐ์เข้ามา น่าเสียดายที่การศึกษาส่วนใหญ่เป็นการศึกษาเชิงสังเกตอาศัยบันทึกอาหารหรือเพียงแค่ความทรงจำของผู้ป่วยซึ่งมีแนวโน้มที่จะคลาดเคลื่อนอย่างมาก เพื่อให้เข้าใจถึงพลวัตของสุขภาพในขณะที่พิจารณาความแปรปรวนของแต่ละบุคคลและใช้โภชนาการส่วนบุคคลความพยายามควรมุ่งเน้นไปที่การคิดค้นวิธีการคาดการณ์ที่ตรวจสอบการตอบสนองต่อสุขภาพของแต่ละบุคคลต่ออาหาร ในขั้นต้นการศึกษามีข้อผิดพลาดเนื่องจากความยุ่งยากในการได้รับข้อมูลที่ถูกต้องและจำนวนมากเช่นนี้ซึ่งทำให้นักวิจัยไม่สามารถใช้แมชชีนเลิร์นนิงได้ “ การเรียนรู้ของเครื่องเป็นวิธีการวิเคราะห์ข้อมูลที่สร้างแบบจำลองการวิเคราะห์โดยอัตโนมัติ เป็นสาขาหนึ่งของปัญญาประดิษฐ์ที่มีพื้นฐานมาจากแนวคิดที่ว่าระบบสามารถเรียนรู้จากข้อมูลระบุรูปแบบและตัดสินใจโดยใช้การแทรกแซงของมนุษย์เพียงเล็กน้อย” -SAS ในช่วงไม่กี่ปีที่ผ่านมามีงานวิจัยสองชิ้นที่สามารถทำได้โดยใช้การตอบสนองระดับน้ำตาลในเลือดเป็นหลักและข้อมูลทางคลินิกอื่น ๆ ทำให้ผลลัพธ์มีความแม่นยำมากขึ้น การศึกษา # 1: ดำเนินการในปี 2559 การใช้ประโยชน์: ระดับน้ำตาลในเลือด, พฤติกรรมการบริโภค, มานุษยวิทยา, การออกกำลังกาย, จุลินทรีย์ในลำไส้ Eran Segal อธิบายการศึกษาของเขาและเพื่อนร่วมงานโดยใช้การตอบสนองต่อระดับน้ำตาลในเลือดและการเรียนรู้ของเครื่องเพื่อทำนายมื้ออาหารใน TED Talk ของเขา ดังที่ Eran Segal สรุปไว้ในวิดีโอของเขาว่า…ไม่มีแผนการรับประทานอาหารขนาดเดียว เราทุกคนมีระดับพลังงานความต้องการทางโภชนาการและความต้องการแคลอรี่ที่แตกต่างกัน