Denne artikkelen er produsert og finansiert av NILU - les mer.
Denne digitale treneren vet når du bør droppe løpeturen
Forskere har utviklet en ny måte for å hjelpe folk å trene bedre.
Forskning har vist at værforhold kan ha mye å si for hvor fysisk aktive folk velger å være. Hva om en digital trener kan tilpasse rådene til været?(Foto: Colourbox)
Sommeren er snart over. Høstens pøsregn og vind nærmer seg.
Nå kan det være vanskelig å følge et treningsprogram som foreslår en løpetur ute. Regn, snø eller kulde kan ta motivasjonen fra enhver. Resultat: mer stillesitting inne.
Hva om en treningsapp kunne foreslå treningsopplegg som tar høyde for både brukerens fysikk og preferanser, men også miljømessige hindringer?
Se for deg et digitalt trenings- og motivasjonssystem som tar hensyn til været. Og hva om det i tillegg forklarer deg hvorfor det anbefaler akkurat dette når det gir deg tilpassede treningsråd?
Slik kan en trenings- og motiveringsapp som tar i bruk denne forskningen, se ut.(Illustrasjon: Ingunn Marie Ruud, NILU)
En smart digital trener
Ayan Chatterjee er forsker ved NILUs avdeling for digitale teknologier. Han har nylig publisert en studie i samarbeid med forsker Nurilla Avazov ved Universitetet i Innlandet.
De har utviklet en smart, digital trener som bruker kunstig intelligens. Den kan gi deg skreddersydde treningsråd som også tar været med i betraktning.
– Mange eCoaching-systemer er utviklet for å hjelpe folk med å redusere stillesittende atferd. Det gjør de ved å spore aktiviteten deres og motivere dem til å bli mer fysisk aktive, forteller Chatterjee.
De fleste gir imidlertid bare generelle råd.
– De er hovedsakelig avhengige av en persons treningsvaner. Dermed tar de lite hensyn til faktorer som vær eller miljøforhold, sier han.
Forskning har vist at værforhold kan ha mye å si for hvor fysisk aktive folk velger å være.
– Selv om mange studier utforsker forholdet mellom vær og fysisk aktivitet, er det få som oversetter virkelige værforhold til personlige treningsråd. Det er gapet vi ønsket å ta tak i.
Logisk forklaring øker tilliten
Det som gjør teknologien i denne studien spesiell, er at den ikke bare er treffsikker, men også gjennomsiktig. Systemet bruker såkalt forklarbar KI (X-AI). Dermed kan det forklare hvorfor det gir et bestemt råd. Da kan du sjekke logikken bak anbefalingen.
– Mange eksisterende systemer bruker kunstig intelligens til å anbefale fysiske aktiviteter. Men de forklarer sjelden hvorfor en bestemt aktivitet foreslås, sier Chatterjee.
– Ved å synliggjøre begrunnelsen kan vi hjelpe brukerne med å forstå og stole mer på anbefalingene.
I studien er all kunnskapen i systemet organisert i et logisk kart. Dette gjør at den digitale treneren kan «tenke selv» og gi fornuftige råd som henger sammen.
– Vi ønsket å utvikle et system som ikke bare gir anbefalinger, men som også kan forklare begrunnelsen bak, sier Chatterjee.
Annonse
Maskinlæring hjelper systemet med å forstå værforhold. Kunnskapsmodellen gjør det mulig å forklare hvorfor en bestemt aktivitet anbefales for den spesifikke situasjonen, forklarer forskeren.
Teknologien oppmuntrer til jevn aktivitet
Målet med den digitale treneren er å fjerne miljømessige hindringer. Slik blir det lettere å holde seg aktiv året rundt og unngå sykdom.
– Løsningen vår kombinerer værdata med personlige preferanser og informasjon om hvor fysisk aktiv brukeren faktisk er. På den måten kan rådene tilpasses både omgivelsene og den enkelte personen, forteller NILU-forskeren.
Omfattende tester utført under skiftende norske værforhold bekrefter at systemet er svært pålitelig. KI-modellen treffer riktig på type aktivitet i over 99 prosent av tilfellene.
– Hva gjør systemet hvis værmeldingen varsler styrtregn og det ser at brukeren har vært lite aktiv den siste uken? Det foreslår en enkel innendørs treningsøkt. Er det derimot fint vær og brukeren har sittet mye stille, kan anbefalingen være å gå en tur eller sykle.
Ingen unnskyldning lenger
Med denne teknologien på laget er det med andre ord ingen unnskyldning for å bli sittende i sofaen, uansett vær.
– Ved å kombinere kunstig intelligens med en kunnskapsmodell får vi et system som kan resonnere mer systematisk. Det gjør forslagene mer personlige, mer pålitelige og lettere å forstå. Dette er viktig hvis kunstig intelligens skal brukes i beslutninger relatert til helse, mener Chatterjee.
Foreløpig er det ikke mulig for allmennheten å teste ut trenings- og motivasjonssystemet NILU-forskeren har utviklet. Chatterjee håper på å få publisert en prototype etter hvert.
