Kan en kombinasjon av maskinlæring, forklarbar KI (X-AI) og logiske kart hjelpe folk å trene bedre? NILU-forsker har utviklet en ny måte å anbefale trening på.
Når sommeren er over og høstens pøsregn og vind tar over kan det være vanskelig å følge et treningsprogram som foreslår en løpetur ute. Uegnet vær som regn, snø og kulde kan ta motivasjonen fra enhver og føre til mer stillesitting inne.
Hva om en treningsapp kunne foreslå treningsopplegg som tar høyde for både brukerens fysikk og preferanser, samt miljømessige hindringer?
Se for deg et digitalt trenings- og motivasjonssystem (eCoach) som tar hensyn til været. Og hva om det i tillegg forklarer deg hvorfor den anbefaler akkurat dette når den gir deg sine tilpassede treningsråd?
En smart digital trener
Forsker ved NILUs avdeling for Digitale teknologier, Ayan Chatterjee, har nylig publisert en studie i Frontiers in Digital Health. Studien er publisert i samarbeid med førsteamanuensis Nurilla Avazov ved Universitetet i Innlandet.
I studien har forskerne utviklet en smart, digital trener som bruker kunstig intelligens (KI). Den kan gi deg skreddersydde treningsråd som også tar været med i betraktning.
– Mange eCoaching-systemer er utviklet for å hjelpe folk med å redusere stillesittende atferd. Det gjør de ved å spore aktiviteten deres og motivere dem til å bli mer fysisk aktive, forteller Chatterjee.
– De fleste gir imidlertid kun generelle råd og er hovedsakelig avhengige av en persons aktivitetshistorikk. Dermed tar de lite hensyn til kontekstuelle faktorer som vær eller miljøforhold, sier han.
Forskning har vist at værforhold kan ha mye å si for hvor fysisk aktive folk velger å være, forklarer han.
– Selv om mange studier utforsker forholdet mellom vær og fysisk aktivitet, er det få som oversetter virkelige værforhold til personlige treningsråd. Det er gapet vi ønsket å ta tak i.
Logisk forklaring øker tilliten
Det som gjør teknologien i denne studien spesiell, er at den ikke bare er treffsikker, men også gjennomsiktig. Ved å bruke såkalt «forklarbar KI» (X-AI) kan systemet forklare hvorfor det gir et bestemt råd. Dermed kan du sjekke logikken bak anbefalingen.
– Mange eksisterende systemer bruker kunstig intelligens til å anbefale fysiske aktiviteter, men de forklarer sjelden hvorfor en bestemt aktivitet foreslås, sier Chatterjee.
– Ved å synliggjøre begrunnelsen kan vi hjelpe brukerne med å forstå og stole bedre på anbefalingene.
I studien er all kunnskapen i systemet er organisert i et logisk kart, en såkalt semantisk ontologi. Dette gjør at den digitale treneren kan «tenke selv» og gi fornuftige råd som henger sammen.
– Vi ønsket å utvikle et system som ikke bare gir anbefalinger, men som også kan forklare begrunnelsen bak, sier Chatterjee.
– Maskinlæring hjelper systemet med å forstå værforhold. Kunnskapsmodellen gjør det mulig å forklare hvorfor en bestemt aktivitet anbefales for den spesifikke situasjonen.
Oppmuntrer til jevn aktivitet
Målet med den digitale treneren er å fjerne miljømessige hindringer. Slik blir det lettere å holde seg aktiv året rundt og unngå sykdom.
– Løsningen vår kombinerer værdata med personlige preferanser og informasjon om hvor fysisk aktiv brukeren faktisk er. På den måten kan rådene tilpasses både omgivelsene og den enkelte personen, forteller NILU-forskeren.
Omfattende tester utført under skiftende norske værforhold bekrefter at systemet er svært pålitelig. KI-modellen treffer faktisk riktig på type aktivitet i over 99 % av tilfellene.
– Hva gjør systemet hvis værmeldingen varsler styrtregn og det ser at brukeren har vært lite aktiv den siste uken? Det foreslår det en enkel innendørs treningsøkt. Er det derimot fint vær og brukeren har sittet mye stille, kan anbefalingen være å gå en tur eller sykle.
Med denne teknologien på laget er det med andre ord ingen unnskyldning for å bli sittende i sofaen, uansett værforhold.
– Ved å kombinere kunstig intelligens med en kunnskapsmodell får vi et system som kan resonnere mer systematisk. Det gjør forslagene mer personlige, mer pålitelige og lettere å forstå. Dette er viktig hvis kunstig intelligens skal brukes i beslutninger relatert til helse, mener Chatterjee.
Foreløpig er det ikke mulig for allmennheten å teste ut trenings- og motivasjonssystemet NILU-forskeren har utviklet, men Chatterjee håper på å få publisert en prototype etter hvert.
Publikasjon: Contextual recommendation modeling in eCoaching with machine learning, X-AI, and semantic ontology
