专题研究 || 胡海旭，金成平：智能化时代的个性化训练——机器学习应用研究进展与数字化未来

智能化时代的个性化训练——机器学习应用研究进展与数字化未来

01

文章来源

作　　者：胡海旭，金成平

单　　位：南京体育学院 武汉理工大学

原文刊发：《体育学研究》2021年第4期

02

作者简介

胡海旭，1983年生，男，博士，博士后，副教授，硕士研究生导师，主要研究领域为运动训练理论与方法。主持国家社科基金一般项目1项，中国博士后基金1项，江苏省博士后基金等省部级课题3项，参与国家体育总局决策咨询研究重大项目2项；公开发表学术论文35篇，其中，以第一作者和通讯作者在《Frontiers in Human Neuroscience》《体育科学》《上海体育学院学报》等SCI/CSSCI检索期刊发表论文15篇。南京体育学院运动训练理论与方法学术带头人、中国体育科学学会会员、江苏省运动与健康工程协同创新中心骨干成员、南京航空航天大学生物医学工程系钱志余教授课题组成员、武汉体育学院青少年运动评价中心特聘专家。

03

文章概要

复杂性科学被誉为“21世纪的科学”，同时，21世纪也是信息科学时代，信息的载体就是数据。2007年,图灵奖获得者吉姆·格雷(Jim Gray)指出大数据将成为人类触摸、理解和逼近现实复杂系统的有效途径，并认为在实验观测、理论推导和计算仿真等三种科学研究范式后，将迎来第四范式——“数据密集型的科学发现”，亦即大数据科学。因此有学者指出，“大数据科学被认为是一种新的复杂性科学，其具有特色的方法论特征也给复杂性科学解决其他问题提供了新思路”。基于数据密集型技术的大数据的“量变” 引发了人类分析和思考模式的“质变”,大数据时代最大的转变从探求因果关系变成挖掘相关关系, 也就是说只要知道 “是什么”, 而不需要知道“为什么”。大数据的核心是利用数据（数字）的价值，机器学习则是利用数据价值的关键技术，是实现人工智能的有效技术途径，而人工智能研究的系统无一不是复杂系统，其前提是系统的数字化转型、网络化重构、智能化升级。为了能更好地理解、吸纳、推动人工智能技术（即当前的机器学习算法）生成的个性化训练新范式的研究与应用，本文拟先就机器学习定义及其在运动训练中的应用典范进行归纳，提炼应用现状的要点与不足，再构建一般性应用框架示例以推动其交流应用进程。最后，展望人工智能时代的数字化训练未来与挑战。

......

运动训练影响因素涉及深层表型与外部数字表型等，并且还需要训练之前的识别诊断、之中的训练方法实施、之后的运动适应与恢复调理等过程调控，其复杂性不言而喻，整合分期训练思维及模式应用亦必不可少。智能化时代为解决复杂性问题提供了新观念、新技术、新方法，该方法具有典型的非消耗性、非竞争性、非排他性和“正外部”性（经济学术语，指生产和消费给他人带来收益而受益者不必为此支付的现象。本文特指未被训练所体现的额外训练收益）。机器学习作为人工智能的主要技术为赋能个性化、瞬时动态反馈等精准训练方法提供了强力支撑。基于数据驱动、模型驱动、知识驱动的智能训练系统已经吸引了国际上大批计算科学专家学者的验证追捧，机器学习和人机交互相结合的数字孪生训练系统的研制也开始被青睐。它们都为我们运动训练从业者提供了详实的素材和宝贵经验。同时，当前运动训练大都是“外行”学者们在投石问路，以人工智能技术验证性应用为主流，绝大多数研究的样本数量、数据质量和训练理论与实践深度都存在客观缺陷，这为直接接触运动训练实践活动运动训练从业者们预留了巨大空间。就国内而言，完全可以充分发挥我国举国体制优势，借鉴英国生物银行、美国全民研究计划等成功模式建立国家体育行政系统主导的训练数据银行，并与计算科学、数据科学、行为科学、生物科学、神经科学等领域精诚合作，达成数字化训练与科研共赢的美好未来。

04

作者贡献声明

胡海旭：选题撰写、修改定稿；

金成平：选题讨论、修改完善。

胡海旭，金成平《智能化时代的个性化训练——机器学习应用研究进展与数字化未来》一文已在中国知网（CNKI）首发，欢迎大家下载关注。

长按二维码

阅读全文

胡海旭，金成平《智能化时代的个性化训练——机器学习应用研究进展与数字化未来》

注：如需转载，请标明文章出处！

推荐阅读