CC BY
10ИСПОЛЬЗОВАНИЕ АКТИВНОГО ВЫВОДА ДЛЯ АНАЛИЗА ТРЕНИРОВОЧНОГО ПРОЦЕССА
УДК/UDC УДК 573.2+ 796.926
Информация для связи с автором: mshtv@mail.ru
Поступила в редакцию 14.02.2022 г.
Доктор педагогических наук, профессор М.П. Шестаков1 Кандидат педагогических наук А.С. Крючков1 Доктор физико-математических наук, профессор И.Г. Шевцова2, 3 А.А. Наволоцкий2
Доктор педагогических наук, доцент Т.Г. Фомиченко1
Федеральный научный центр физической культуры и спорта, Москва 2Московский государственный университет, Москва Электротехнический университет Ханчжоу, Китай
USiNG ACTIVE iNFERENCE ТО ANALYZE THE TRAiNiNG PROCESS
Dr. Hab., Professor M.P. Shestakov1 PhD A.S. Kryuchkov1
Doctor of Physical and Mathematical Sciences, Professor I.G. Shevtsova2'3 A.A. Navolotsky2
Dr. Hab., Associate Professor T.G. Fomichenko1
1 Federal Science Center of Physical Culture and Sports, Moscow
2 Moscow State University, Moscow
3 Hangzhou Electrotechnical University, China
Аннотация
Цель исследования - научно обосновать использование активного вывода для анализа тренировочного процесса.
Методика и организация исследования. В эксперименте приняли участие спортсмены-горнолыжники (мужчины п=10, женщины п=10), выступавшие на этапах Кубка мира. В ходе тестирования использовался биомеханический комплекс с биологической обратной связью «Стабилан-01». Результаты исследования и выводы. Во время подготовительного периода макроцикла высококвалифицированных горнолыжников происходят значительные изменения в системе управления движениями следящего типа под влиянием физических упражнений различной направленности. В соответствии с теорией активного вывода, эти изменения связаны с изменением прогноза соматосенсорной системы по ожидаемым результатам движения в зависимости от состояния соматомоторной системы.
Ключевые слова: горнолыжники, следящие движения, активный вывод, моторный контроль.
Abstract
Objective of the study was to scientifically substantiate the use of active inference for the analysis of the training process.
Methods and structure of the study. Alpine skiers (men n=10, women n=10) who competed at the World Cup took part in the experiment. During testing, a biome-chanical complex with biofeedback "Stabilan-01" was used. Results and conclusions. During the preparatory period of the macrocycle of highly skilled skiers, significant changes occur in the control system of servo-type movements under the influence of physical exercises of various directions. According to the theory of active inference, these changes are associated with a change in the forecast of the somatosensory system for the expected results of movement, depending on the state of the somatomotor system.
Keywords: alpine skiers, tracking movements, active inference, motor control.
Введение. В исследованиях управления движениями распространен ряд теоретических концепций, связанных с представлением о наличии в ЦНС внутренних моделей [9]. Внутренние модели являются теоретической гипотезой об информационных взаимоотношениях соматомоторной и соматосенсорной систем, которые лежат в основе вычислительных способностей нервной системы обучаться сложным движениям и выполнять их. Выделяют прямую и обратную внутренние модели, соответственно, прямую и обратную динамику двигательной системы [9]. В результате движения прямая модель прогнозирует новое состояние двигательного аппарата и сенсорных стимулов, так как обратная модель
формирует моторную программу выполнения движения. Обратная модель передает двигательную команду, а прямая модель преобразует эфферентную копию двигательной команды в сенсорные прогнозы [14] для оптимизации запланированного состояния моторного аппарата, требуемого обратной моделью.
В конце прошлого века исследователи стали применять байесовскую теорию принятия решений и методы математической статистики для разработки моделей перцептивных процессов и сенсорно-моторного контроля [11]. Модель управления на основе байесовской теории получила название «активный вывод» [3], или же «подход минимизации
□ и
£ г. CL
ч—
О 0J и
IS CL ' -о с
га
^
О (U .с Н
ошибки в предсказании» [8]. Идея, заложенная в модель, предусматривает работу когнитивной системы на минимизацию ошибки в предсказании при помощи двигательной активности (движений) таким образом, чтобы сенсорный вход в лучшей степени соответствовал предсказаниям модели [8]. В теории активного вывода утверждается, что нисходящие сигналы являются предсказаниями сенсорных последствий движения. Нисходящие сигналы определяют сенсорные траектории, фиксированной точкой которых является точка равновесия; то есть динамика движения (включая скорость, ускорение, рывки и т. д.), а не только положение и крутящий момент в конечной точке [6]. В модели активного вывода функции механических затрат заменяются представлениями человека о желаемых траекториях движения во внешних системах отсчета. Активный вывод преобразует желаемые (ожидаемые) траекторий движения во внешних координатах в двигательные команды во внутренних координатах. В этом случае обратная задача, которая заключается в том, чтобы вызвать возбуждение в определенном рецепторе растяжения и сократить соответствующее мышечное волокно, переносится на спинальный уровень [7].
Многочисленные исследования дофамина показывают его участие в процессе управления движением [2, 10]. Дофамин играет большую роль в активном выводе. В недавних работах эффекты нейромедиатора дофамина представлены как один из возможных нейронных механизмов кодирования точности. Большая точность (как бы она ни была закодирована) означает меньшую неопределенность. Неопределенность может быть закодирована тем же постсинаптическим усилением нейронов, которое модулируется дофамином. Это означает, что изменение уровня дофамина изменяет уровень неопределенности в отношении различных представлений. Физиологически это представляет собой процесс коротких латентных всплесков дофамина в базальных ганглиях, которые возникают после любого значимого события, полезного или нет.
Цель исследования - научно обосновать использование активного вывода для анализа тренировочного процесса.
Методика и организация исследования. В эксперименте предпринята попытка интерпретации экспериментальных данных спортсменов с позиции принципа активного вывода. В качестве экспериментального движения выбраны следящие движения спортсменов-горнолыжников.
В работе предполагается, что во время тренировок у горнолыжников происходят изменения в системе управления движениями следящего типа из-за использования упражнений различной направленности. В соответствии с теорией активного вывода, эти изменения связаны с изменением прогноза соматосенсорной системы по ожидаемым результатам движения в зависимости от состояния соматомотор-ной системы.
В эксперименте приняли участие спортсмены-горнолыжники (мужчины п=10, женщины п=10), выступавшие на этапах Кубка мира. Тестирования проводились ежемесячно с апреля по ноябрь, а также проводилось ежедневное фиксирование выполнения тренировочных нагрузок. В ходе тестирования
Результаты выполнения стабилометрического теста «Эвольвента»
использовался биомеханический комплекс с биологической обратной связью «Стабилан-01» («Ритм», г Таганрог) [12].
Процедура тестирования заключалась в движении телом в голеностопных суставах по кривой со скоростью 30 мм/с, называемой «эвольвента», которая отображалась на экране монитора в виде курсора. Испытуемый должен был удерживать маркер общего центра давления (ОЦД) максимально приближено к маркеру, задающего круговую траекторию. Фиксировались скорость и величины отклонения траектории ОЦД от шаблона.
На основе численного моделирования с использованием методов фильтра Калмана или линейно-квадратичного оценщика (Linear-Quadratic Estimator) и линейно-квадратичного регулятора (Linear-Quadratic Regulator) проведена численная оценка вклада составляющих двигательных ошибок: планирования xplan, предполагаемого (то есть ощущения спортсмена на основе предыдущего опыта) xperf и выполненного xtarg движения, отклонением от шаблона по направлению a и усилию n [13].
Также у спортсменов проводился забор крови для определения количественного уровня дофамина. Применялся метод высокоэффективной жидкостной хроматографии в сочетании с тандемной масс-спектрометрией (ВЭЖХ-МС/МС). [4]. Интегрирование хроматографических пиков проводили в автоматическом режиме с применением программного обеспечения LabSolutions версии 5.97.
Результаты исследования и их обсуждение. Для анализа были выбраны два месяца с максимальным (ноябрь, состояние В) и минимальным (июнь, состояние А) (p<0,01) уровнем дофамина спортсменов (см таблицу). Характер тренировочных нагрузок в этих месяцах имеет принципиальную разницу в использовании упражнений силовой и технической направленности. В июне спортсмены выполняли силовые тренировки по увеличению максимальной силы мышцы, за счет упражнений, приводящих к изменению структуры мышц, направленных на увеличение объема миофибрилл и возрастание плотности укладки миофибрилл в мышечном волокне. В этот период отсутствуют упражнения, близкие по своей структуре к соревновательным. В ноябре спортсмены выполняли значительный объем технической, сложно-координационной работы, а силовая подготовка была направлена на поддержание уровня силовых возможностей за счет средств (по развитию взрывной силы и максимальной силы), с режимами, близкими по своей структуре спуску с горы. Тренировки технической направленности, выполняемые на горе, составили 9 % от максимально зафиксированных в течение всего сезона.
В июне отмечается меньшее значение скорости выполнения теста и больший пройденный путь ОЦД. В ноябре скорость движения, наоборот, превышает требуемую скорость движения, а пройденный путь меньше. Что касается ошибки выполнения следящего движения, то суммарная и средняя ошибки во фронтальной и сагиттальной плоскости больше в ноябре, чем июне, но в обоих случаях значения ошибок находятся в границах, относящихся к оценке выше нормы [12].
Состояние Дофамин, пг/мл V, мм/с SummErrX, мм SummErrY, мм MidErrX, мм MidErrY, мм KorrCount
В, ноябрь 26,46±5,20 30,24±3,84 25667,1±6239,7 25180,6±4869,9 5,68±1,38 5,57±1,07 192±41,19
А, июнь 88,87±22,58 29,50±3,17 24393,6±4504,9 23861,4±4412,3 5,39±0,99 5,28±0,97 185±48,24
Разница, % -29,77* 2,45 4,97 5,24 5,11 5,21 3,78
Примечание: V, мм/с - скорость перемещения ОЦД, SummErrX - суммарная ошибка в фронтальной плоскости; SummErrY - суммарная ошибка в сагиттальной плоскости; КжСоиП - количество коррекций. А - состояние спортсменов по данным тестирования в ноябре, В - в июне.
10
http://www.teoriya.ru
№5^ 2022 Май | May
Ошибки по направлению Ощущения
Прогноз
Ощуще
Ошибки по усилию Прогноз
Ощущ
Ощущения
1,22 1,11 0,94 Ошибка, мм
Прогноз
Реальность 1 ОщУщения
Лш
8,85 8,71 ^12 1,27 1,12 0,95
Ошибка, мм Ошибка, мм
Ошибки, связанные с направлением движения и прилагаемым усилием при выполнении тестовой процедуры
На рисунке показаны результаты значений двигательных ошибок управления различной природы. В ноябре месяце ошибка предсказания, то есть разница значений между реальным выполнением и прогнозом, уменьшается по сравнению с июнем. Разброс величин при прогнозе может характеризовать величину неопределенности, которая в ноябре выше июньских данных. Разброс данных ошибок по факту выполнения движений соответствует величине шума, который преобладает в ноябре. В этом месяце также отмечается значительный сдвиг данных по ощущениям спортсменов. Снижение этого рода ошибок и приближение данных к реальному выполнению, вероятно, связано с процессом обучения спортсменов управлению в вариативных внешних условиях. Но это в обоих случаях происходит с пространственными характеристиками следящих движений, а не с силовыми. Во всех случаях показатели ошибок планирования хр1а" остаются неизменными. В ноябре ошибка ощущения хрег' больше соответствует реальному выполнению движения, то есть разница между хрег' и хшя (реальное) меньше. В июне ошибка планирования несколько меньше соответствует реально выполненному движению, также значения ощущений ХреГ располагаются дальше от реального хшя.
Обсуждение результатов. Модель активного вывода предполагает, что сенсорные входы в моторную кору определяют ее качество. Эти входные данные являются проприо-цептивными и соматосенсорными ошибками прогнозирования, которые в прямой модели используются для вывода проприоцептивных предсказаний [7]. В схемах активного вывода функции затрат усилий заменяются представлениями о желаемых траекториях во внешней системе координат [6]. Таким образом, активный вывод позволяет минимизировать ошибки прогнозирования за счет предсказания траектории движения. В наших данных это отчетливо проявляется в изменениях ошибок, связанных с направлением движения, так как силовые проявления остаются практически неизменными.
Это особенно интересно с точки зрения сравнения тренировочной работы, выполненной спортсменами в июне (обще-подготовительный этап) и ноябре (предсоревнователь-ный). Различием на этих этапах является биомеханическая специфичность выполненных упражнений, относительно соревновательных движений.
В июне выполнялись упражнения с неспецифическими движениями, направленные на повышение функциональных возможностей мышц спортсменов. Соответственно, рецепторная информация от нервно-мышечных веретен и сухожильных органов Гольджи являлась доминирующей при управлении движениями, сознание спортсменов было сконцентрировано на ощущениях величины прикладываемых усилий, которые связаны с внутренней системой координат. Управляющая информация связана с изменениями в нерв-
но-мышечной системе, и система управления решает задачу уравнивания внутренних восходящих и нисходящих потоков информации, что приводит к возрастанию нагрузки на ба-зальные ядра и повышению уровня дофамина в крови спортсменов. В ноябре использовалось значительное количество спусков по трассе.
Выполнение упражнений требует акцента на получение экстрацептивной информации о месте нахождения спортсмена в окружающем мире и характере условий, в которых происходит его перемещение, что определяет ведущей зрительную систему, информация от которой составляет основу внешней модели управления.
Специфика модели управления и сенсорная информация предельно соответствуют друг другу, что уменьшает ошибки в предсказании траектории выполняемого горнолыжного движения, соответственно, уменьшается вероятность неожиданностей [6]. В этом случае нагрузка на базальные ядра ниже, что ведет к снижению уровня дофамина в крови спортсменов. В активном выводе это соответствует прогнозам, основанным на точности сенсорного ввода и оптимизирующим постсинаптическое усиление единиц ошибки предсказания. Процесс формирования второго вида прогнозов более медленный по времени, чем процесс первого вида, при котором используются нейромодуляторы, в том числе дофамин, а не быстрое включение-выключение передачи информации [5].
Вывод. Применение теории активного вывода позволило по новому интерпретировать влияние разных по своей сути тренировочных воздействий на организацию управления движениями. Принципиальным отличием является переход к оценке вероятности сенсорной информации при выполнении произвольных движений, взамен традиционной оценки результативности.
References
1. Adams R.A., Shipp S., Friston K.J. (2013) Predictions not commands: Active inference in the motor system. Brain Struct Funct. 218: 611 — 643.
2. Christiansen L., Thomas R., Beck M.M., et al. (2019) The Beneficial Effect of Acute Exercise on Motor Memory Consolidation is Modulated by Dopaminergic Gene Profile. J Clin Med. 8 (5): 578.
3. Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36, 181-204.
4. Dikunets M., Dudko G., Glagovsky P., Mamedov I. (2020) Simultaneous quantitation of plasma catecholamines and metanephrines by LC-MS/MS // J. Braz. Chem. Soc. Vol. 31. No 7. P. 1467-1474.
5. Feldman H., Friston K. (2010) Attention, uncertainty, and free-energy //Frontiers in human neuroscience. Т. 4. С. 215.
6. Friston K. (2010). The free-energy principle: a unified brain theory? Nat Rev Neurosci 11(2). Р. 127.
7. Friston, K. (2011). What is optimal about motor control? Neuron, 72 (3), 488-498. Trends Cogn Sci 13 (7). Р. 293-301.
8. Hohwy, J. (2013). The predictive mind. Oxford University Press.
9. Kawato M. (1999) Internal models for motor control and trajectory planning. Curr Opin Neurobiol. Dec;9(6):718-27.
10. Mang, C.S., McEwen, L.M., Maclsaac, J.L., Snow, N.J., Campbell, K.L., Kobor, M.S., Ross, C., & Boyd, L.A. (2017). Exploring genetic influences underlying acute aerobic exercise effects on motor learning. Scientific reports, 7(1), 12123.
11. Rescorla, M. (2015) Bayesian perceptual psychology. In: The Oxford handbook of philosophy of perception, New York, NY: Oxford University Press, pp. 694-716.
12. Shestakov M.P. (2012) Stabilometry in sport. Palmarium Academic Publishing, 116 p.
13. Shevtsova I.G., Navolotskii A.A., Eremich N.A., and Shestakov M.P. (2020) Way of Assessing an Athlete's Upright Posture Control while Performing Tracking Movements / Vestnik Moskovskogo Universiteta, Seriya 15: Vychislitel'naya Matematika i Kibernetika, No. 4, pp. 46-60.
14. Wolpert, D., & Kawato, M. (1998). Multiple paired forward and inverse models for motor control. Neural Networks, 11, 1317-1329.
