AI가 트레이너처럼 생각하도록 가르치기

AI는 어디에나 있지만, 피트니스에서는 일반 모델만으로는 충분하지 않습니다. 운동 경험을 진정으로 향상시키기 위해 AI는 신체, 행동, 환경 및 실제 한계의 뉘앙스를 이해해야합니다.

매트릭스 운동 학습 인텔리전스 (Matrix Exercise Learning Intelligence) 는 스마트 피트니스 기술과 의료용 체성분 데이터를 결합한 AI 기반 트레이닝 솔루션으로, 개인화된 피트니스의 미래가 자동화된 운동이 아님을 증명하기 위해 출발했습니다.

피트니스의 다음 진화는 인간의 전문 지식, 경험 및 통찰력에 기반을 두고 있으며 독점 AI를 통해 책임감 있게 인코딩되고 확장됩니다.

매트릭스의 글로벌 피트니스 프로그래밍 디렉터인 스티브 배럿 (Steve Barrett) 은 "이 프로젝트는 청사진으로 시작하지 않았습니다. 유기적으로 자랐다. 우리는 기계 학습 시스템을 처음부터 구축하고 있었습니다. 왜냐하면 우리는 이것을 해본 적이 없었기 때문입니다. 그리고 선반에서 무언가를 사면 그것을 자르지 않을 것입니다. "

피트니스 맞춤화에 대한 AI의 도전 과제

Exercise Learning Intelligence를 개발하는 데 있어 도전은 결코 순전히 기술적인 것이 아니었습니다. 왜냐하면 아이디어 자체가 고유한 시장 요구에서 탄생했기 때문입니다. 피트니스 시설은 회원들이 원하는 것과 전통적인 장비가 제공할 수 있는 것 사이의 격차가 커지고 있습니다.

회원들은 마찰 없이 맞춤형 지침을 원합니다. 운영자는 직원을 관리하거나 고용하지 않고 운동 맞춤화를 제공하고자 합니다. 트레이너는 전문성을 강화하고 업무 절차를 간소화하여 프로그램을 진행하는 ���신 관계를 구축하는 데 더 집중할 수 있는 도구를 원합니다.

문제를 복잡하게 만들기 위해 기존 장비와 디지털 제품을 포기할 시설이 필요한 많은 폐쇄형 디지털 생태계가 있습니다. 또한, 많은 피트니스 시설은 실제 목표, 실제 일정 및 실제 신체 조건을 반영한 운동을 포함하여 전체적인 웰니스 경험을 제공하고자 열망했습니다.

매트릭스는 좀 더 유연한 것을 만들 수 있는 기회를 보았습니다. 2024년 말, 매트릭스는 트레이닝 층 전체를 향상시키면서 기존 장비와 함께 작동하는 적응형 코칭 경험을 개발하기 위한 첫 걸음을 내디뎠습니다.

정확한 파트너 선택

진정한 운동 맞춤화는 각 고유한 인체를 안팎으로 이해하는 것에서 시작됩니다. 이러한 요구 사항으로 인해 Matrix는 의료 등급 측정 및 계량 솔루션 분야에서 거의 2세기에 걸친 경험을 가진 SECA와 파트너십을 맺게 되었습니다.

sECA의 체성분 솔루션은 실제 건강 및 성과 프로파일을 반영하여 근육량, 지방량 및 수위를 포함하여 신뢰할 수 있고 의학적으로 검증된 메트릭스를 기반으로 각 개인의 포괄적인 스냅샷을 제공합니다.

그러나 정확한 의학적 통찰력만으로는 효과적인 운동을 처방하기에 충분하지 않습니다. 데이터는 공유 장비와 제한된 시간 동안 바쁜 피트니스 시설에서 작동하는 프로그래밍으로 변환되어야 합니다.

그것이 Matrix가 들어온 곳입니다. SECA는 타의 추종을 불허하는 임상 정확도를 제공했지만 Matrix는 수십 년간의 피트니스 전문 지식을 추가하여 그림을 완성했습니다. 이 파트너십은 정확한 측정과 실질적인 조치 사이의 교두보를 마련하여 데이터를 사람들이 신뢰할 수 있고 즉시 적용할 수 있는 지침으로 전환했습니다.

매트릭스가 FITNESS-SPECIFIC AI 모델을 구축한 방법

매트릭스는 처음부터 피트니스를 위한 독자적인 AI 모델을 구축하기로 신중하게 결정했습니다. 일반 AI 시스템은 종종 스크랩되거나 맥락이 없는 정보에 의존하여 신뢰할 수 있는 것처럼 보이지만 실제 교육 환경에서 무너지는 권장 사항을 생성합니다.
이 새로운 모델은 더 교육적이고, 더 통찰력 있고, 더 공감할 수 있어야 했습니다. 즉, 일반적인 모델보다 더 인간적이어야 했습니다.

이것이 바로 Matrix의 개발자가 AI를 처음부터 다르게 훈련한 이유입니다. Matrix는 확립된 스포츠 과학 원칙, 구조화된 프로그래밍 논리 및 수십 년간의 성공적인 코칭 경험을 바탕으로 기반을 구축했습니다.

충분히 부드러운 교정으로, 시스템은 곧 처방해야 할 것뿐만 아니라 피해야 할 것을 이해했습니다. 업계 전문가로부터 배운 Exercise Learning Intelligence는 곧 운동이 어떻게 시퀀싱되어야 하는지, 강도가 어떻게 진행되어야 하는지, 회복이 어떻게 장기적인 성공으로 이어지는지 이해하게 되었습니다.

이 필수적인 기초 작업은 AI가 실제로 수행하는 사람들을 고려하지 않고 운동을 생성하지 않도록 보장했습니다. 이러한 기본 접근 방식 덕분에 운동 학습 지능은 규모에 맞는 건전한 실제 코칭을 제공할 수 있습니다.

AI 피트니스 코칭에서 인간의 전문성이 여전히 중요한 이유

유망한 초기 결과에도 불구하고, 규정된 운동을 훈련 층으로 가져가는 것은 중요한 진실을 드러냈다.

안타깝게도 종이에 완벽하게 보이는 프로그램이 실제로는 항상 원활하게 작동하지는 않았습니다. 사용자가 교육 층의 한 부분에서 다른 부분으로 이동하는 데 걸리는 시간을 거의 고려하지 않고 세션이 길게 진행되는 경우가 많습니다. 바쁜 피트니스 시설에서 흔히 발생하는 장비 사용 충돌도 고려되지 않았습니다.

또한, 강도 수준은 종종 최적의 훈련 이론을 반영하여 전담 운동 선수에게는 좋았지만 평균 피트니스 시설 구성원과 목표에는 과잉입니다.

Matrix 팀은 시스템을 단순화하는 대신 시스템을 개선하기 위해 끊임없이 노력했습니다. 연습 학습 지능이 실제 상황에서 효과적으로 기능할 수 있도록 가드레일을 추가했습니다.

얼마 지나지 않아 바쁜 일정, 제한된 운동 시간, 훈련 현장의 혼잡, 현실적인 회복 등을 고려하고 조정할 수 있었습니다. 아마도 가장 중요한 것은 Matrix의 개발자들이 봇이 이상적인 조건에서 훈련하는 방식이 아니라 실제 사람들이 실제로 훈련하는 방식을 반영하기 위해 규정된 프로그램을 조정했다는 것입니다.

Exercise Learning Intelligence는 살아있는 경험과 공감하는 인간의 통찰력을 기본 수준에서 모델에 포함시킴으로써 일반적인 AI 시스템을 넘어섰습니다. 그 중심에 있는 인공지능은 더 접근하기 쉽고, 더 신뢰할 수 있으며, 훨씬 더 효과적이 되었습니다.

실제 헬스장 환경에서 인공지능 운동 테스트

물론 이론적으로 Exercise Learning Intelligence를 검증하는 것만으로는 Matrix가 만족스럽지 않았습니다. 개발자의 다음 단계는 실제 공간에서 수개월 동안 실제 운동을 통해 새로운 AI를 테스트하는 것이 었습니다.

종종 Matrix의 개발자는 운동 경험이 어떻게 진행되었는지에 따라 타이밍 격차, 강도 문제 및 운영 마찰을 식별하여 AI 생성 운동 프로그램을 직접 수행했습니다.

이러한 실제 시간의 심장 박동 운동은 또 다른 비판적 개선으로 이어졌습니다. 수동 재정의는 유연성을 유지하기 위해 도입되었으며, 최종 사용자는 정해진 운동을 수정하거나 완료하기 위해 인간의 통찰력의 마지막 터치를 추가 할 수 있습니다. 진보 로직은 이상화된 훈련이 아닌 일관성을 지원하도록 개선되어 실용적이고 효율적인 운동 프로그래밍으로 이어졌습니다.

이 시스템은 심지어 사용자를 이론적 한계로 밀어붙이는 것보다 운동 준수와 사용자 신뢰를 우선시하는 방법을 배웠습니다.

매 라운드의 개선과 개선은 매트릭스가 시작했던 원칙을 강화했습니다. 개인 맞춤형 운동은 실제 환경에서 실제 사람들에게 실용적이고 달성 가능하며 지속 가능한 경우에만 작동합니다.

맞춤형 적응형 코칭 경험 (PACE)

보다 성숙한 형태로, PACE는 SECA 제품에 대한 24초 체성분 스캔을 매트릭스 콘솔을 통해 직접 전달되는 적응형, 목표 기반, AI 기반 운동으로 변환합니다. 각 세션은 새로운 성능 데이터를 시스템에 다시 제공하여 프로그래밍이 사용자와 함께 자신감을 키우고 능력을 향상시킬 수 있도록 합니다.

AI는 각 개별 시설에서 사용 가능한 장비와 개별 출석 패턴을 조정하여 실시간으로 프로그래밍을 조정하고 조정합니다. 모든 종류의 사용자를 위한 확장 가능한 온보딩을 지원하며 수동 프로그래밍의 부담을 사실상 없애줍니다.

트레이너는 또한 경험의 중심을 유지하며, 이제 AI가 복잡성을 처리하는 동안 자유롭게 관계를 강화하는 데 집중할 수 있습니다. 회원과 직원 간에 더욱 의미 있는 상호 작용 지점을 생성하며, 이는 회원 만족도의 핵심 지표입니다.

진화하는 지능

매트릭스에게 운동 학습 지능은 결승선이 아닌 기초입니다. 이 아키텍처는 각 고유한 시설 생태계가 발전함에 따라 웨어러블, 향상된 의료 통찰력 등으로 향후 확장할 수 있습니다.

스티브 배럿 (Steve Barrett) 은 "개인에 대해 더 많이 배울수록 더 개인적인 것이 된다. 맞춤 설정은 기능이 아니라 미래입니다. 그리고 이 시스템은 마침내 우리에게 대규모로 전달할 수 있는 책임감 있는 방법을 제공합니다. ”

Exercise Learning Intelligence는 AI가 전문가에 의해 형성되고, 현실에서 테스트되고, 인간의 통찰력에 의해 인도될 때, 코칭을 대체하지 못한다는 것을 증명합니다. 모든 사람의 운동 경험을 향상시킵니다.