91̽»¨

Bild
Porträtt på docent Moa Johansson
³¢Ã¤²Ô°ì²õ³Ù¾±²µ

Hur kan artificiell intelligens göra löpningen säkrare?

En datainlärningsmodell för att optimera din prestation och ta dig i mål med hälsan i behåll. Det eftersträvar Moa Johansson, docent på Avdelningen för computing science, som tillsammans med två masterstudenter är involverade i ett projekt på Institutionen för data- och informationsteknik.

I maj är det mÃ¥nga som ser fram emot att Göteborgsvarvet kommer tillbaka efter tvÃ¥ Ã¥rs uppehÃ¥ll pÃ¥ grund av coronapandemin. Varje Ã¥r kämpar ungefär 40,000 löpare längs med det som arrangörerna menar är världens största halvmaraton och mÃ¥nga är de som utmattade ramlat ihop pÃ¥ endera sidan av mÃ¥llinjen. Oftast är de pÃ¥ benen efter en stunds vila och pÃ¥fyllning av vätska, men varje Ã¥r händer det att en och annan behöver sjukvÃ¥rd. 
 
Moa Johansson, docent pÃ¥ Institutionen för data- och informationsteknik, hÃ¥ller i dagsläget pÃ¥ att tillsammans med masterstudenterna med amanuenstjänster, Johan Lamm och Johan Attefors, sammanställa kunskap som ska ge idrottare förutsättningar att utmana sig själva pÃ¥ bästa tänkbara sätt under en fysisk prestation och dessutom minimera risken för att de tar ut sig sÃ¥ mycket att de äventyrar sin hälsa. 
 
- Jag är jätteintresserad av sport, så för mig är det roligt att se hur de tekniker som jag själv forskar om kan bidra inom sporten, säger Moa.
 
Studien görs i samarbete med Göteborgsvarvet, genom att analysera data som samlats in under tio Ã¥r och finns tillgänglig i Göteborgsvarvets databas. Där loggas mellantider, slutresultat och deltagarnas Ã¥lder och kön. Som komplement har Moa, Johan och Johan hämtat uppgifter om väderförhÃ¥llandena, för att kunna se hur sambandet ser ut mellan till exempel höga temperaturer och hur mÃ¥nga som gÃ¥r in i väggen. 

En virtuell AI-coach

Som en del i projektet arbetar de med att ta fram en maskininlärningsmodell. Tanken är att den dels ska kunna estimera vilken sluttid löparen kommer att landa på, dels kunna förutse vilka löpare som riskerar att överanstränga sig, genom att dra slutsatser utifrån den insamlade datan.
 
I framtiden föreställer sig Moa att modellen skulle kunna användas i en mer utvecklad produkt i stil med de löparklockor som finns idag, där fler parametrar som personliga förutsättningar, tidigare prestationer och utomhustemperatur kombineras med mätning av kroppens funktioner för att hjälpa löparen att anpassa takten till vad hen klarar av. 
 
- Lite som en virtuell AI-coach som säger till när det är dags att sakta ner och öka takten, eller stanna och dricka en extra gÃ¥ng, säger Moa. 

Vad är det då vi gör för fel när det slutar med att vi rusar in i väggen?

Ofta tycks det handla om att gå ut för hårt i början. Moa tror att det delvis kan vara en prestigefråga.
 
- Folk vill slå personligt rekord, säger hon. Och vissa vill ligga på gränsen trots att de inte klarar av lika mycket som de gjort tidigare i livet.
 
Det finns en tendens i medelÃ¥ldersgruppen att felbedöma hur mycket man klarar av. NÃ¥got som man inte ser pÃ¥ samma sätt hos den äldre gruppen och bland elitlöparna, som springer med ett annat mönster. 

Info om projektet

Projektet ryms inom styrkeområdet Hälsa och teknik och genomförs på Institutionen för data- och informationsteknik vid Chalmers och Göteborgs universitet.

Projektet är ett resultat kring diskussioner förda inom GoCo Active-samarbetet, där Chalmers tekniska högskola, Göteborgs universitet, RF-SISU, GoCo Health Innovation City och Göteborgs Friidrottsförbund aktivt deltagit.

Under våren skrivs en vetenskaplig artikel om projektet.