Jak AI tréninkové aplikace personalizují trénink

Většina „personalizovaných“ tréninkových aplikací není nijak zvlášť personalizovaná. Položí pár otázek při registraci, zařadí vás do škatulky a pošle šablonu vytvořenou pro lidi, kteří se vám přibližně podobají.

Skutečná personalizace začíná později, až systém vidí, jak se opravdu chováte.

Co adaptivní aplikace ve skutečnosti dělá

AI tréninkový systém obvykle pracuje v jednoduché smyčce:

• vidí, co jste dokončili
• měří nebo odhaduje, jak náročné to bylo
• všímá si vzorců v čase, vynechávání a konzistenci
• upravuje to, co přijde dál

To je smysluplnější personalizace než jednorázový dotazník, protože reaguje na důkazy místo sebepopisu.

Fosterova práce se session RPE je tady důležitá. Vnitřní zátěž bývá informativnější než samotná délka trvání nebo počet opakování. Pokud se aplikace naučí, že určitý objem opakovaně žene únavu příliš vysoko, nebo že některé lekce vynecháváte častěji, může plán měnit způsobem, který statická aplikace neumí.

Výzkumný signál, kterému stojí za to věnovat pozornost

Doherty a kolegové zjistili, že předepisování cvičení založené na reinforcement learningu zlepšilo ve zkřížené studii spokojenost i intenzitu cvičení oproti standardnímu algoritmu. To je užitečné, protože se dotýká hlavní výzvy v designu aplikací: tlačit dost na to, aby vznikl tréninkový podnět, ale ne tak, aby program působil trestající nebo neohrabaně.

Záleží i na studii DIAMANTE od Aguilery, přestože se zaměřovala spíš na načasování zpráv a širší podporu aktivity. Ukázala, že systémy s reinforcement learningem mohou zlepšovat behaviorální výsledky tím, že se v čase přizpůsobují jednotlivci místo toho, aby se ke každému chovaly stejně.

Praktický význam je jednoduchý: lepší AI systémy nevybírají jen cviky. Učí se, jak a kdy člověk nejspíš zareaguje dobře.

Co nejlepší aplikace personalizují

Nejsilnější personalizace se obvykle děje ve třech proměnných:

1. Objem

Kolik celkové práce lekce obsahuje.

2. Obtížnost

Zda mají být pohyby, pauzy nebo tempo těžší, nebo snazší.

3. Výběr

Které cviky má uživatel větší šanci provést dobře a pravidelně opakovat.

Třetí bod je důležitější, než vypadá. Technicky „dokonalý“ cvik není dokonalý, pokud ho uživatel pokaždé přeskočí. Dobrá personalizace není jen fyziologie. Je to chování plus fyziologie.

Právě to odlišuje silné produkty v kategorii nejlepších AI fitness aplikací od aplikací, které používají AI hlavně jako nápis v titulku. Stejná logika se uplatňuje i při měření fitness pokroku doma, kde adaptace závisí na jasné zpětné vazbě.

Co AI pořád nedokáže plně

Nevidí všechno.

Může minout jemné zhoršení techniky.

Může špatně pochopit, proč byla lekce vynechána.

Může zaměnit životní stres za nedostatek motivace nebo naopak.

A pokud produkt nemá mimořádně silný sběr kontextu, pořád je slabší než pozorný lidský kouč ve spojení historie zranění, emočního stavu a pohybových detailů do jednoho rozhodnutí.

Závěr

AI personalizuje tréninky nejlépe tehdy, když se může učit ze skutečného používání, ne jen z odpovědí při registraci.

To znamená, že aplikace potřebuje dost dat ze zpětné vazby, dost konzistence a dost dobrý design na to, aby smyčka zůstala živá.

Slib v titulku je personalizace.

Skutečný mechanismus je adaptace.