CC BY
39
ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ФИЗИЧЕСКОЙ КУЛЬТУРЫ И СПОРТА
ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ ОПТИМИЗАЦИИ ТРЕНИРОВОЧНОГО ПРОЦЕССА НА ОСНОВЕ ПРИМЕНЕНИЯ «УМНЫХ» ВЕЩЕЙ, НЕЙРОННЫХ СЕТЕЙ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
В.Л. РОСТОВЦЕВ, ФГБУ ФНЦ ВНИИФК; Ф.В. РОСТОВЦЕВ, МИЭМ им. А.Н. Тихонова, г. Москва;
С.В. КРЯЖЕВ, МГТУ им Н.Э. Баумана, г. Москва
Аннотация
Статья посвящена обсуждению возможностей применения «умных» технологий для контроля, управления и создания тренировочных планов спортивной подготовки. Дается представление об умных технических устройствах на основе традиционного программирования и программного обеспечения (ПО) на нейронных сетях. Обсуждается вопрос о возникновении названия «искусственный интеллект». На примере простейшей «нейронки» поясняется возможность ее самообучения и развития. Приводятся признаки отличия традиционного программного обеспечения от ПО на нейронных сетях. На примере контроля и управления тренировочным процессом обсуждаются возможности использования искусственного интеллекта. Приведены результаты применения умной технологии - программируемой динамической электромиостимуляции (рЕМБ), которые показали высокую эффективность в развитии физических качеств после 10-дневного курса. На примере использования искусственного интеллекта показана уникальная возможность оптимизации и управления тренировочным процессом.
Ключевые слова: тренировочный процесс, планирование, спортивная подготовка, программируемая динамическая электромиостимуляция, умные вещи, нейронные сети, искусственный интеллект.
INNOVATIVE TRAINING PROCESS OPTIMIZATION TECHNIQUES BASED ON NEURAL NETWORKS AND ARTIFICIAL INTELLIGENCE
V.L. ROSTOVTSEV, FSBIFSC VNIIFK; F.V. ROSTOVTSEV, MIEM named after A.N. Tikhonov, Moscow;
S.V. KRYAZHEV, MSTU named after N.E. Bauman, Moscow
Abstract
This article discusses various ways of integrating smart technology into management of sports training plans. An insight into smart devices that utilize traditional and neural network-based software is given. Origins of the term "artificial intelligence" are discussed. Description of a simple neural net serves as an example of neural nets' capability of self-development. Differences between traditional and neural network-based software are also highlighted. Discussion of artificial intelligence's applications in sports training process takes place. Results of applying smart technology such as programmed electromyostimulation (pEMS) yield high efficiency in physical development after a 10-day training course. Integration of artificial intelligence is proposed
as a way of sports training process optimization and control.
Keywords: training process, sports training, planning, programmed electromyostimulation, smart devices, neural networks,
artificial intelligence.
Информационное обеспечение физической культуры и спорта
Введение
Спорт, как и большинство сфер жизни человека, немыслим без стремления заинтересованных лиц к совершенствованию средств и методов подготовки атлетов. В течение относительно короткого периода времени наблюдаются качественные изменения в инвентаре, оборудовании, инструментах практически во всех видах спорта. Однако, пожалуй, наиболее консервативной остается позиция тренеров относительно внедрения новых методических подходов и технических инноваций в конкретных направлениях своей работы. Безусловно, что в такой деликатной области знаний, как целенаправленная биологическая перестройка работы организма человека под воздействием различных вариаций физических упражнений, должны быть использованы проверенные практикой догматические принципы. Однако преемственность многолетней спортивной подготовки не должна соседствовать с ретроградностью и нежеланием применять инновационные эффективные методики, основанные на цифровых информационных разработках и достижениях. Использование современных информационных технологий, основанных на «умных» технических средствах, мобильных приложениях и, наконец, искусственного интеллекта, необходимо, чтобы не остаться в хвосте спортивных побед [5].
Цель работы: создание представления о разработке и применении в спортивной подготовке «умных» технологий и средств искусственного интеллекта.
Задачи работы: 1) дать представление об «умных» технологиях, нейронных сетях и искусственном интеллекте; 2) на примере специального программного обеспечения показать работу «умного» комплекса; 3) определить перспективы применения нейронных сетей (искусственного интеллекта) в спортивной подготовке.
Что же такое умная техника и искусственный интеллект? Умными принято называть такие технические изделия, которые содержат в себе электронный элемент -микропроцессор с «зашитой» в нем электронной (компьютерной) программой, которая обладает свойствами обра-
батывать, оценивать и структурировать показатели от датчиков, входящих в это изделие. Назначение датчиков зависит от необходимости получения той или иной информации. В спорте это чаще всего показатели интенсивности работы органов, систем энергообеспечения, физических качеств организма при выполнении упражнений. В зависимости от того, в какой раздел и на какой уровень попали эти показатели, открывается тот или иной канал передачи команд на другой (другие) механизм(ы) (их еще называют серверными), например, звуковой, световой, электрический и т.п. сигнал и воздействие. Возможность принятия решения в зависимости от характера полученных значений и определяет весь «ум» такого «умного» устройства. В сочетании с беспроводной передачей этих данных и мобильным приложением такое устройство представляется еще умнее. Такие устройства больше похожи на автоматические и далеко не в полной степени отражают умственные способности человека. В них заложен постоянный, неизменный алгоритм. Такие системы не способны к самообучению и самосовершенствованию [4].
Совсем другое дело обстоит с нейронными сетями [6]. Название базы для написания программного обеспечения - нейронные сети, безусловно, связано с нервной системой человека. В мозге человека находится около 86 млрд нервных клеток - нейронов, которые вместе с проводящими путями и взаимосвязями, аксонами, синапсами, дендритами и т.п. составляют систему нейронных сетей. До конца понимания происходящих процессов в мозге пока нет [1]. Это связано с тем, что нет механизма, методик и инструментария регистрации химических и электрических явлений, происходящих в процессе работы мозга в каждом нейроне или хотя бы внутри их однородных групп (ансамблей). Процессы «мыслительных технологий» оцениваются по очагам электрических возбуждений в разных зонах мозга [2]. Однако общее представление о работе нейронных сетей имеется, что по аналогии было использовано технарями - создателями искусственных нейронных сетей.
Матрица весов И/
Матрица весов V
Входной слой (4 нейрона)
Скрытый слой (3 нейрона)
Выходной слой (2 нейрона)
Рис. 1. Простой пример работы нейронной сети
Самый простой пример архитектуры нейронной сети (перцептрон [7]) показан на рис. 1. Каждому нейрону во входном слое присваивается значение из данных, получаемых с разных датчиков. Взаимосвязям между нейронами входного и скрытного слоев назначается вес (коэффициент), сначала случайным образом. Потом веса будут изменяться в зависимости от степени влияния (тесноты связи) на интегральный критерий - например, на заданный тренером выходной параметр - более высокую скорость передвижения. Чем больше влияние, тем больше вес этой связи. Все значения нейронов перемножаются на веса их взаимосвязей с нейроном в следующем слое, а при переходе на следующий нейрон суммируются. Увеличение суммы этих произведений влечет за собой увеличение выходного значения нейрона. Таким образом, программные средства, написанные с использованием нейросетевой математической модели, позволяют уменьшать разницу между значениями нейронов выходного слоя и выходными значениями, заданными пользователем, что достигается изменением весовых коэффициентов в соответствии с программным алгоритмом. В этом и заключается свойство нейронной сети к самообучению.
Количество слоев нейронной сети и нейронов в каждом слое не ограничено и может в общей сложности достигать числа нейронных связей в мозге человека. Увеличение числа нейронов во входных и выходных слоях позволяет учитывать большее количество аспектов, а большее число скрытых слоев и нейронов в них повышает точность обучения и влияет на его скорость.
Главное отличие устройств с традиционным программным обеспечением от изделий, ПО которых создано на нейронных сетях, - это возможность последних учиться в ходе их применения так же, как дети учатся под руководством своих родителей и учителей. По завершении «тренировки» на достаточном количестве данных нейронная сеть будет «понимать» тенденцию тренерского подхода и сама найдет еще более эффективное решение задач, поставленных человеком. Таким образом, происходит самообучение и самосовершенствование искусственных нейронных сетей. Эти свойства и дают право называть такие системы искусственным интеллектом.
Результаты исследования
В качестве примера умной технологии можно привести разработку изделия (см. фото) для регистрации уровня спортивной формы и совершенствования двигательного стереотипа для циклических видов спорта [5].
Изделие позволяет:
► определять уровень и структуру специальной подготовленности спортсмена и его текущее состояние. Благодаря показателям датчиков (всего на теле спортсмена и одежде установлено 3 трехосевых акселерометра, 2 гироскопа, грудной пульсометр, альтиметр, тензометри-ческие датчики), программному обеспечению и мобильному приложению пользователь получает всю информацию о технике, физическом состоянии, экономичности передвижения, переносимости нагрузки, распределению
объемов проделанной работы по зонам и отрезкам, скорости, силе, дистанции.
► подавать электрический импульс на главные (лимитирующие) группы мышц (сделана версия для четырехглавой мышцы бедра) во время передвижения в моменты отталкивания и их наибольшего напряжения. Такой подход основан на теории функциональных систем академика П.К. Анохина [1] и электромиостимуляционной терапии [3] и приводит к срочному и долговременному повышению специальных сил, скоростно-силовых качеств, выносливости, экономичности и спортивного результата.
«Умные» шорты
Электрический импульс «автоматом» повышает мощность отталкивания, скорость передвижения, совершенствует все системы энергообеспечения организма. Достаточно курса в 10 занятий, чтобы спортсмен перешел на более высокий классификационный уровень.
Внутри шорт зашиты датчики (акселерометры и датчики углового положения бедра) для регистрации параметров движения и тренировки и силиконовые электроды для передачи электрических импульсов. Электростимулятор, батарея, микропроцессор, в котором находится программное обеспечение и другие электронные элементы, расположены в миниатюрной коробочке (электронном блоке), закрепляемой на поясе.
После 10-дневного курса по методике программируемой динамической электромиостимуляции - рЕМБ обнаружены существенные сдвиги физических качеств: взрывная сила (градиент силы при прыжке вверх) в среднем возрастает с 8 до 13%, снижаются потребление кислорода на скорости ПАНО (на 2,3-4,5%) и дистанционный пульс (ДП) - на 6,4%. [ДП = (7x60) : ЧСС, уд./мин]. После 10 занятий такой эффект сохраняется в течение 17-20 дней. В пересчете на дистанцию 10 км спортивный результат в наших исследованиях повышался от 18 до 50 с.
В настоящее время созданы версии для бега, лыжего-ночных видов спорта, велосипеда, можно использовать при катании на роликовых коньках, лыжероллерах, прыжковых упражнениях, имитации лыжных ходов в подъемы.
Перспективы применения нейронных сетей в спортивной подготовке
Создание программного обеспечения на основе нейронных сетей - искусственного интеллекта - открывает массу возможностей, о которых пока только может мечтать прогрессивный тренер.
Тренер, как правило, хочет получать ответы на следующие вопросы:
1. Текущее состояние организма и подготовленность (спортивная форма) спортсмена. Здесь мы разделяем понятия: состояние организма - это степень утомления от проведенной тренировочной работы, связанная с текущей переносимостью нагрузки, а подготовленность - уровень и структура развития его специальных качеств.
2. Выбор средств и методов тренировочной работы.
Искусственный интеллект (ИИ) в составе ПО на нейронных сетях и «железа» (регистрационная и рабочая -серверная части) решит следующие задачи:
> соберет и оценит показатели всех датчиков, находящихся на теле спортсмена. Благодаря развитию технологий у спортсмена в любые отрезки времени могут быть взяты все необходимые показатели для оценки его текущего состояния, качества сна и восстановительных мероприятий. Сейчас уже есть разработки миниатюрных микроскопов, которые неинвазивно проведут анализ крови. Кардиофутболки, по типу холтеровской методики, обработают показатели вашего сердца и оценят вашу кардиограмму;
> предложит программу тренировки на один день и перспективу! ИИ с увеличением статистики будет подвергать анализу те группы показателей, которые интересуют вас больше. Так, тренер сможет получать, например, утром, подробную информацию о текущем состоянии спортсмена. На основании регулярного получения этих данных, ИИ, по мере набора достаточной статистики и корректной постановки тренером критериев достижения, сам предложит вариант тренировки на этот день. Также он сможет выделить, например, отрезок времени, в течение которого проходили восстановительные мероприятия, оценить их эффективность и т.п.
Вообще, искусственный интеллект «сродни» естественному, причем требует только правильного обращения с ним. Если тренер организует каждодневный поток информативных показателей реакций спортсмена на физическую нагрузку при применении им различных средств и методов развития и восстановления, то в соответствии с поставленными критериями целей ИИ укажет оптимальный путь их достижения. Здесь всё имеет значение: профессионализм тренера и 1Т-специалиста, их взаимопонимание, правильно поставленные промежуточные задачи развития спортсмена и цели подготовки за день, микро- и макроцикл.
На практике спортсмену необходимо надеть костюм с датчиками и серверными (выходными) управляющими механизмами, подобному шортам на фото, обеспечить передачу показателей на мобильное устройство и стремиться к выполнению задания, применяя указанное тренером средство и метод тренировки.
Например. Утренние данные кардиофутболки показали полное восстановление организма спортсмена после предыдущей нагрузки. На мобильном приложении отразился средний пульс за ночь, оптимальные величины продолжительности глубокого и общего сна, пульса, давления (в покое), кардиограммы (без изменений) и т.п. Тренер по плану дает задание спортсмену на развитие скоростно-силовых специальных физических качеств в виде повторной тренировки: 10 ускорений на уровне 90% от максимума по 500 м. ИИ на вопрос «готов ли спортсмен выполнить такое задание», сопоставив утренние показатели с имеющимися в ПО границами нормы, дает положительный ответ.
Далее, во время тренировки устройство ИИ с первых шагов накапливает информацию о наиболее информативных показателях, в нашем устройстве - через каждые 5 миллисекунд (0,005 с).
В лыжных гонках, например, такими показателями могут быть:
■ дистанция по отрезкам, за всю тренировку (объем нагрузки);
■ средняя скорость в цикле, вариативность скорости в цикле;
■ средняя скорость по отрезкам, за всю тренировку;
■ длина, частота шагов на подъемах и равнине;
■ ускорения тела, их направления;
■ сила, импульс силы, мощность отталкивания ногами и руками;
■ дистанционный пульс (количество метров дистанции за один удар пульса);
■ дистанция (объем нагрузки) по зонам интенсивности.
Эти данные могут быть подвергнуты сравнению с данными аналогичных тренировок в предыдущих микро-и макроциклах. Может быть проведен анализ изменения (динамики) каждого из этих параметров за любой отрезок подготовки каждого спортсмена и всей группы. С помощью такого количества показателей и возможностей анализа тренер будет иметь полное представление о состоянии спортивной формы всех спортсменов, переносимости ими нагрузки и изменений соотношений и уровней развития их скоростно-силовых качеств и выносливости.
Заключение
И последнее, самое интересное. Благодаря тому, что искусственный интеллект - это самообучающаяся система, состоящая из периферии с датчиками, микропроцессорами, электронными элементами, серверными механизмами, программным обеспечением на нейронных сетях и мобильным приложением, то чем больше данных извне она получает, тем совершеннее становится. И этим она обязана математической модели, на основе которой пишется программа ее работы, - нейронным сетям. Поэтому по истечении замкнутого (годового) цикла подготовки спортсмена, а еще лучше - четырехлетнего, такая система получит многогранный опыт влияния различного характера физической нагрузки на его организм и уже будет в состоянии самостоятельно практи-
чески выбирать оптимальные тренировочные средства и методы спортивной подготовки в соответствии с поставленными срочными и долговременными тренерскими целями и задачами. Такие системы могут в значительной степени облегчить работу тренера, спортивного врача и педагога.
Например, тренер поставил следующие цели и промежуточные задачи: после 1 этапа подготовительного периода спортсмен должен прыгать с места 2 м 90 см, десятерные прыжки с каждой ноги - не менее 14 м, работа на ручном лыжном тренажере с определенной мощностью - не менее 10 мин, кросс 5 км он должен пробежать не более чем за 16 мин 40 с и т.п. В ПО есть информация за прошлые годы об уровнях и соотношениях физических качеств, оцениваемых указанными тестами. Возможности нейронных сетей и уровень развития компьютерных технологий позволят программе за считанные секунды представить тренировочный план на этот (а вообще, - на любой) период с описанием характера, средств и методов каждой тренировки, прогнозами их переносимости, уровнями и соотношениями физических качеств спортсмена для достижения поставленных целей.
Выводы
Таким образом, полноценное применение ПО на нейронных сетях после их «тренировки» достаточным объемом статистических данных, а также корректирующих указаний тренера, позволяет такому комплексу составлять планы тренировок на каждый день и другие периоды подготовки с учетом индивидуальных особенностей и динамики состояния спортсмена и при наличии серверных управляющих механизмов (средств обратной связи, программируемой динамической электро-миостимуляции и т.п.), направленно корректировать техническое мастерство и развитие физических качеств. «Тренировка» такого ПО состоит в его регулярном использовании и представляет собой прием каждодневных показателей переносимости нагрузки, специальной подготовленности, результатов контрольных тестов и соревнований, эффективности восстановительных мероприятий и отношения (оценки) тренера и спортсмена к этим результатам. Годичный, а лучше - многолетний, опыт применения таких комплексов - искусственного интеллекта, дает им возможность всестороннего управления тренировочным процессом. Тренер только обозначает и корректирует цели и задачи различных разделов подготовки спортсмена.
Литература
1. Анохин, П.К. Очерки по физиологии функциональных систем. - М.: Медицина, 1975. - 447 с.
2. Бехтерева, Н.П. О мозге человека. - СПб: НотаБене, 1994. - 248 с. Подробнее на livelib.ru: Ьйрз:/^'^«'. livelib.ru/author/198183-nataliya-behtereva
3. Бехтерева, Н.П. Электрическая стимуляция мозга и нервов у человека (отв. редактор Н.П. Бехтерева). - Л.: Наука, 1990. - 263 с.
4. Ростовцев, В.Л. Биологическое обоснование технологии применения внетренировочных средств для повышения работоспособности спортсменов высокой квали-
фикации: автореф. дис. ... докт. биол. наук / В.Л. Ростовцев. - М., 2009. - 45 с.
5. Ростовцев, В.Л., Кряжев, В.Д. Совершенствование спортивных движений на основе смарт-технологий искусственной активации мышц // Вестник спортивной науки. - 2018. - № 1. -63 с.
6. Fausett, L. Fundamentals of Neural Networks. Architectures, Algorithms, and Applications. - 1994. - 461 p.
7. Murtagh, F. Multilayer perceptrons for classification and regression // Neurocomputing. - 1991. - Vol. 2. - Pp. 183197 (DOI: 10.1016/0925-2312(91)90023-5)/
Reference
1. Anokhin, P.K. (1975), Essays on the physiology of functional systems, Moscow: Meditsina, 447 p.
2. Bekhtereva, N.P. (1994), On brain of human, SPb: Nota Bene, 248 p.
3. Bekhtereva, N.P. (1990), Electrical stimulation of the brain and nerves in humans (editor-in-chief N.P. Bekhtereva), Leningrad: Nauka, 263 p.
4. Rostovtsev, V.L. (2009), Biological substantiation of the technology of using extra-training means to increase the
working capacity of elite athletes: abstract. Dis. ... Doctor of Biology, Moscow, 45 p.
5. Rostovtsev, V.L. and Kryazhev, V.D. (2018), Improving of sports movements based on smart muscle-activation technologies, Vestnik sportivnoy nauki, no. 1, 63 p.
6. Fausett, L. (1994), Fundamentals of Neural Networks. Architectures, Algorithms, and Applications, Prentice-Hall, 461 p.
7. Murtagh, F. (1991), Multilayer perceptrons for classification and regression. Neurocomputing, vol. 2, pp. 183-197.
