在最近的一次关于 AI 的圆桌会议上,三位业内专家讨论了 AI 体适能穿戴设备方面的突破,这些突破将对跑步者和运动员产生巨大影响。
这次讨论中涌现出了许多非常有见地的观点——这些关于工程实践的背景内容让我们看到了为何 AI 能够如此有效地支持人们的运动表现。
接下来,我将逐一介绍每位专家提出的一个核心观点,展示三个设计理念,这些理念构成了我们探索 AI 在运动领域应用的重要部分。
边缘设备与原始个人数据
这一关于 AI 的观点实际上包含两个组成部分——一部分涉及我们如何部署大语言模型,另一部分则围绕我们人类语言与我们生命体征在实时测量时所“表达”的语言之间的差异展开。
Alexander Amini 对跑步(以及网球)相当了解,他同时还参与了一家正在革新当代 AI 的公司。
在讲述 AI 如何为运动员服务时,Amini 首先指出,这在于“让 AI 与数据所在的位置共存”。
他解释道——早期的大语言模型部署在互联网上,因为边缘设备没有足够的运行能力。Transformers 昂贵且复杂。
而现在,新模型使我们能够在边缘设备上安装智能大语言模型,这不仅大幅降低了成本,还能帮助那些处于无互联网接入区域的运动员。
“这为我们与 AI 互动的方式开辟了全新的维度,”他说,“AI 已不再是一个需要将你所有数据上传给第三方服务商的工具,而可以深度嵌入到你生活的每个时刻。”
他的另一个观点在于,通过使用这些穿戴设备,我们可以收集到比单纯语言交流更多、更丰富的数据。
“这一切归根结底在于我们与 AI 交流的方式,”他说。
他还进一步解释道。以下是我的理解:本质上,语言是一套用以传递思想的符号,正如他所说,是经过‘压缩’的,而非原始数据。相比之下,想想看你身体每一微秒释放的所有数据,那是一种完全不同的沟通媒介。如果 AI 能够获取并利用所有这些数据,而不只是单纯倾听你的言语,它就能更全面地了解你这个人。
“我们身体生成的数据无法通过语言进行压缩,”Amini 说,“这些数据具有高度多维性,信号表达十分丰富,并且是连续不断的。数据量巨大,在许多情况下,我们无法将所体现的全部体能复杂性实时传输给这些系统。这正是当我们谈论将 AI 引入自身时……我们所解锁的全新可能。”
我是否脱水?
另一个精彩的观点来自 Emily Capodilupo,她设计了一款名为 Whoop 的工具。
她解释说,人类在判断自己是否脱水方面表现极差。
“我们实际上在判断脱水状态上非常糟糕,”她表示,“人们往往没意识到自己正处于脱水状态。总体而言……你的身体知道许多信息,但如果你腕上运行着算法,能够帮你理解身体在努力工作的程度与运动速度之间的比例——如果这两个指标开始迅速背离,那就可能是你即将‘撞墙’或正受到脱水困扰的信号。”
作为一名跑者,我对此颇有共鸣:如果完全依靠自身感觉去判断,通常只能依据口渴、发热或皮肤状况来判断脱水。而 AI 能够精准到更细微的层面检测你身体的实际需求,这对于任何装备了这些工具的运动员来说都将是巨大的优势。
我的数字孪生体
当天,另一位发言者 Jamie 也上台发言。他采用一种叫做数字孪生(digital twinning)的技术,对自己的身体进行了大量研究。
数字孪生简单来说就是对现实中某物的一个健全模型。我常用“分身”这一词来描述这种系统,也就是对实体或模拟空间中实体事物的高度详细仿真。
这一数字孪生为我们提供了一个分析试验场,帮助我们不断改进测量技术。
Jamie 透露,他已经为自己构建了 100 个样本,每个样本的成本大约为 5000 美元。
“在过去十年中,我在测量自身生物数据变化上花费了大约 50 万美元,”他说,“这些结果变化累计构成了一个数字孪生,它不仅能预测我的未来,还能预测我面临的各种疾病风险,如今我们甚至可以通过血液测试来实现。”
谈到普及性,他引用了 William Gibson 的话:“未来已经到来——只不过分布并不均匀。”
“我们现在几乎对所有人类疾病都有血液测试,”他继续说道,“这些测试的准确率比市场上现有的预测高出五到十倍。”
更进一步,他解释称,在运用新技术的研究中发现,通过对收集到的数据进行分析,有一半接受分析的患者能够从显著的干预中获得益处。
“在我们进行的数据分析中,发现一半的个体具备了一个能改变生活、显著延长寿命的关键可操作信息——这一切都是经过计算、预测与分析得出的,”他说。这是一个了不起的统计数据。
面向未来的创新
这三项发现分别展示了 AI 在帮助我们“微调”生活(无论是在体能、长寿等方面)上的巨大潜力,使我们不再需要凭直觉或猜测。
基本上,以前我们认为只存在于科幻小说中的许多工具,如今已变为现实。某些工具可能尚未全面推向市场——目前我们还未见到所有相关技术在生活中的完全展示,但这一现状很快就会改变。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。