W nowoczesnej, zorientowanej na naukowe dowody biomechanice sportowej pomiar docelowej fizycznej siły dewastującego uderzenia zazwyczaj wymaga obłędnie drogiego i nieporęcznego sprzętu laboratoryjnego (np. wbudowanych w ściany bądź podłogi pomiarowych platform sił w Newtonach). Ze względu na to wielu trenerów decyduje się powierzać optymalizację ciosów instynktowi i własnemu oku na sali, odtrącając inżynierię technologiczną.
Postanowiliśmy rzucić temu wyzwanie. Moja najnowsza publikacja połączona na drodze fizjoterapii i eksploracji zasobów Data Science, upubliczniona z całym zespołem badawczym w cenionym periodyku Acta of Bioengineering and Biomechanics (2025), dotyka technologicznego przełomu w świecie sportu. Sprawdziliśmy bowiem dogłębnie czy zastosowanie złożonych sieci neuronowych i technologii bazującej na systemach uczenia głębokiego – konkretnie modelu Long Short-Term Memory (LSTM) połączonego z pospolitymi i ultra-tanimi mikroskopijnymi czujnikami ruchowymi (szeregi miniaturowych IMU), potrafi "zastąpić" sterylne, ciężkie zaplecze laboratoryjne.
Metodologia: Jak uczymy komputery "widzieć" siłę obwodu nerwowych ludzi?
System uczenia maszynowego nakarmiliśmy milionami nieuporządkowanych ciągów ludzkich uderzeń. Precyzję pozyskiwano prosząc wyselekcjonowaną elitarną grupę 20 mistrzowskich zawodników koreańskiej sztuki walki o seryjne wykonania morderczo skutecznego bocznego kopnięcia – potocznie turning kicks (Dollyo Chagi) we frontową klasyczną platformę pomiarową, potężnie rejestrującą wygenerowaną siłę w setkach kilogramów z precyzją szwajcarskiego zegarka.
Ten proces był w dużej mierze standardem. Prawdziwą magią inżynierii było nałożenie w tle gęstej sieci maleńkich czujników IMU wzdłuż biomechanicznych osi ud i na samych piszczelach testowanych sportowców. Te maleńkie "kropki" milisekundę po milisekundzie zbierały szumy pomiarowe tysięcy parametrów w chmurze – śledząc czasoprzestrzenne odczyty przyspieszeń, koordynat i kątów ułożenia segmentów we wszystkich stadiach rozbiegowych w pustym powietrzu. Gigantyczny dataset wejściowy trafił następnie prosto we wstęgę modelu sztucznych konwolucji (Sieć LSTM). Algorytm otrzymał banalne pod kątem programistycznym zadanie polegające na rozwiązaniu funkcji optymalizacyjnej. Jego celem na miliony powtórzeń pętli obliczeniowych w procesorowym zaciszu było nieustannie badać zależności ruchu, szumów, kątów skosów samej lecącej w ataku nogi z późniejszym i udokumentowanym wyrokiem dynamometru docelowo miażdżonym od tego odczytu. Słowem: nauczyliśmy sztuczną inteligencję powiązań widzenia parametrów czasowych kończyn a ostatecznym skutkiem zniszczenia, nie widząc celności uderzenia!
Wyniki badawcze. Co ujawnił nasz spersonalizowany Model AI?
Dane zwrócone po dziesiątkach godzin trenowania samej sieci neuronowej przerosły nasze ambicje zespołu o niemal całą długość odchyleń badawczych. Skonkretyzowaliśmy to punktowo wokół:
- Imponująca hiper-dokładność modelu nad człowiekiem: W odpowiednio podziałowym bloku testowym walidacji naszych pomiarów, ten nieświadomy przecież niczego oprócz suchych matematycznych macierzy cyfrowy, zaprogramowany model LSTM osiągnął wskaźnik ufności odwzorowania korelacją R² oscylujący we wręcz przerażających progach granicy aż 0.972–0.978! Dla niemających pasji inżynieryjnej fizjoterapeutów to czytelny wniosek - sztuczna inteligencja tak głęboko "zrozumiała" mechanizm rzuconej pod uderzenie masy własnej człowieka posklejanej w ucieczkę bioder, stóp, kostki w danym czasie, że przewiduje faktyczną i realnie odegraną przez nogi destruktywną siłę mierzoną na tarczy z zabójczo-prawie stuprocentową poprawnością, widząc wyłącznie wycinek czasu w postaci samego rozpędzania przed kopnięciem z malutkich płytek Bluetooth zamaskowanych w tkaninach doboku. Pomyłki wynosiły mikromilimetry w skali całego ciała sportowca.
- Nieodkryte parametry i sekrety potężnych kopnięć: Wprowadzone przez inżynierię oprogramowania metody sprawdzające samoistny toku decyzyjnego wektorowych drzew tego wielowymiarowego programu LSTM zaprowadziło nas na wyższy etap wtajemniczonej analizy struktury narządu ruchu. Otóż podczas zaawansowanego skanowania i profilowania badawczego (ang. feature validity analysis) by zrozumieć po jakiej drabinie wag program dokonał weryfikacji nokautu zawodnika z rzeszy sygnałów czujnika... Zaskakująco to właśnie algorytm SI uświadomił w wynikach nam ludziom (jako naukowcom medycznym), na co dożywotnie należy kłaść sztywny klin. Modele wywnioskowały to obiektywnie upewniając się tysiąckrotnie, że ogromne (najpotężniejsze) znaczenie ułożenia całego potencjału uderzeniowego (w tym nogi we fragmencie finalnym uderzenia Taekwon-do) dzierży skromne zgięcie grzbietowe najniższego ułamka, czyli stawu skokowego we skorelowaniu z czasem wypływu reszty łańcucha z biodra! SI znalazło mierzalne anomalne wąskie gardło potęgi uderzeniowej człowieka na drodze obiektywnej optymalizacji samej czystej, zimnej logiki liczb zebranych w chmury błędu, tam gdzie wielu wciąż domniema stawiać głównie najszersze i potężne wielkie zgięcia w lędźwi o pędy na prostym stawie i kolanie.
Perspektywy innowacji – czyli co oznacza nadejście AI dla trenerów z sal i mat?
Moje głębokie przekonanie jest jedno - powyższe pionierskie eksperymentalne badanie jest dowodem nadejścia wspaniałej, nieograniczonej nowymi możliwościami analitycznymi w sporcie profesjonalnym epoce. Stworzenie silników Data Science do przewidywań obciążeń, połączonych z minimalnym zestawem i niemal bezbateryjnymi sensorami z inercji za parędziesiąt złotych - otwiera po raz setny niewyobrażalnie wielkie wrota innowacji na szeroką skalę, poza hermetyczny świat instytutów biomechaniki podziemnej.
Dzięki zoptymalizowanemu i zwalidowanemu modelowi my naukowcy dzisiaj jesteśmy w stanie mierzyć destrukcyjne zdolności, testować sportowców z poty obciążeń predykcyjnych o ułamki gramów nacisku na rzepkę łąkotkową lub szacować postępy w prewencyjnej potocznie rehabilitowanej sile mięśniowej stawu tuż u powrotu z więzadła bezpośrednio pod samą sterylna taflą prawdziwego ringu – bez drogiego platformowania celowego oporu dynamometrów i krępujących ich ruchu ścian laboratorium. Zawodnicy podczas swoich najbardziej optymalnych realnych testów zadają puste, luźne naturalne formy w worki bokserskie, gąbczyste tarcze albo pustkę wyobrażonego przeciwnika za pomocą samej fizjologii bezstresowej dla nóg a w tle sztuczny twór o mózgu ze zbiorem danych opowiada nam jaka ta ich noga z precyzją skalpela odda w pełni sił moc i dlaczego tuż nad kostką doszło do technicznego minimalnego załamania pędu uniemożliwiającego oddanie złotego medalu. A to właśnie jest potęga technologii we wsparciu ludzkiej opieki fizjoterapeutycznej.
Mosler D., Błażkiewicz M., Góra T., Bednarczuk G., Wąsik J. (2025). Using a long short-term memory model to predict force values of Taekwon-do turning based on spatio-temporal parameters. Acta of Bioengineering and Biomechanics.
