Ilmaisia tekoälytyökaluja voidaan hyödyntää monin tavoin taitoluistelussa. Valmentaja saa siitä sparraajan valmennusohjelmiin ja ideointiin. Luistelijan avuksi se taipuu esimerkiksi palautumisen ja unen laadun tulkintaan.

– Tekoälytyökaluista saa paljon hyötyä, kunhan innostuu opettelemaan, millä tavalla ne muuttavat ja muokkaavat toimintaamme. Esimerkiksi ChatGPT-työkalua pystyy hyödyntämään kuka tahansa, toteaa Elev Consultingin tekoälyasiantuntija Antti Merilehto.

Eli ChatGPT osoitteeksi selaimeen, tunnukset luontiin ja testaamaan. Tässä muutamia ChatGPT:n tarjoamia ideoita, joilla tekoäly voi parantaa suoritusta ja valmennusta taitoluistelussa. Niitä havainnollistaa Antti Merilehto.

Rutiineihin ja ideointiin

Valmentaja voi keskittyä osaamisensa ytimeen, kun ChatGPT säästää aikaa raportoinnissa, suunnitelmien laatimisessa ja muistioiden kirjoittamisessa. Se nopeuttaa samalla viestintää urheilijoiden ja valmentajien kesken.

Valmentajat ja luistelijat miettivät kausittain teemoja ja musiikkeja kilpailuohjelmiin. ChatGPT:lle voi kertoa, mitä musiikkeja ohjelmassa halutaan käyttää ja kysyä neuvoa, minkälaisen teeman niiden ympärille voisi rakentaa. Tekoälyn tarjoamista vaihtoehdoista voi syttyä idea kehiteltäväksi tai ehkä joku ehdotuksista kelpaa sellaisenaan.

Palautumiseen

Taitoluistelussa seurataan luistelijoiden unta ja palautumista. Muodostelmaluistelussa seurattavia on aina vähintään 20 luistelijaa.

– Sen sijaan, että jokaisen luistelijan tilanne käydään läpi excelissä olevien numeraalisten mittareiden avulla ja kirjoitetaan palautteet, tiedot pystytään antamaan koneelle ja pyytämään kielimallilta, että se kommentoi kootusti nämä kaikki.

”Jatkossa tekoälysovellukset voivat auttaa valmentajaa ja luistelijaa ymmärtämään paremmin tekniikan vahvuuksia ja heikkouksia sekä tarjoamaan suosituksia parannuksista.”

Silloin Sannille, joka nukkuu ja palautuu hyvin, voidaan sanoa, että sinulla on palautuminen absoluuttisesti hyvällä tasolla ja olet tässä joukkueen kärkeä.

Suvinkin unen määrä osoittautuu hyväksi, mutta palautuminen ei ole hyvällä tasolla. Häntä neuvotaan tsekkaamaan vielä, ovatko unitunnit laadultaan kohdallaan.

Harjoitusohjelmiin

Aika moni valmentaja on Antti Merilehdon mukaan luonut harjoitusohjelmia tekoälyn avulla. Kokeneelle valmentajalle tekoäly on sparraaja, kokemattoman se saattaa johtaa harhaan.

– Kaikki kielimallit kuitenkin hallusinoivat, eli voivat keksiä mitä tahansa. Yhtäkkiä ne saattavat esimerkiksi tuottaa ja tarjota kevyelle harjoituskaudelle maksimivoimaa.

Tekoäly voi joka tapauksessa olla valmentajien apuna luomassa räätälöityjä harjoitusohjelmia luistelijoille.

Tekoäly voi joka tapauksessa olla valmentajien apuna luomassa räätälöityjä harjoitusohjelmia luistelijoille. Se voi myös seurata luistelijan edistymistä harjoituksissa ja kilpailuissa antaen reaaliaikaista palautetta ja suosituksia.

– Jatkossa tekoälysovellukset voivat auttaa valmentajaa ja luistelijaa ymmärtämään paremmin tekniikan vahvuuksia ja heikkouksia sekä tarjoamaan suosituksia parannuksista. Tämä vaatii kuitenkin videoanalyysiä, joka tämän vuoden aikana on luvassa muun muassa Googlen Gemini-työkaluun.

Tekoäly voi analysoida kilpailusuorituksia ja harjoitusvideoita tunnistaen virheitä tai alueita, joita voidaan parantaa.

– Se voi myös vertailla luistelijan suorituksia muihin huippuluistelijoihin tai aiempiin omiin suorituksiin. Tämä ei kuitenkaan onnistu ilmaisilla malleilla.

Vammojen ehkäisyyn

Loukkaantumisen ennaltaehkäisyssä tekoälyllä on paljon annettavaa. Se auttaa tunnistamaan potentiaalisia loukkaantumisriskejä luistelijan tekniikassa tai harjoittelumalleissa ja tarjoaa suosituksia niiden välttämiseksi.

– Tämä tuki ei synny hetkessä, mutta useamman kauden tiedoin kokenut kielimalli kuten ChatGPT pystyy ennakointiin. Se pystyy antamaan dataa ja analysoimaan sitä maksullisilla välineillä, kun ensin annetaan sen käyttöön kauden koettu rasitus, lepotunnit sekä todetut rasitusvammat vaikka kolmelta vuodelta.

– Analyysin jälkeen voidaan todentaa koettu rasitus, rasitusvammat ja kenelle ne ovat sattuneet. Kun tietoja annetaan pari kolme vuotta, se pystyy kertomaan, missä kohtaa ja kenellä tässä on tällä kaudella riskejä.

Henkiseen tukeen

Psyykkinen valmennus on ydintuki urheilussa. Tekoäly voi tarjota psyykkistä valmennusta luistelijalle auttamalla häntä hallitsemaan stressiä ja parantamaan keskittymiskykyä.

– Tätä vaihtoehtoa pystyy käyttämään sekä urheilija että valmentaja, mutta tietysti sillä varauksella, ettei tämä ole sertifioitu psykologi. Jos kuitenkin mietitään alemmissa sarjoissa kilpailevaa luistelijaa tai joukkuetta, joilla ei ole varaa käyttää psykologia, tekoälystä saattaa löytyä tukea jaksamiseen ihan arkisten ohjeiden muodossa.

Tuomareille tekniseksi apulaiseksi?

Harjoittelu on subjektiivista, mutta tuomarointi ja pisteytys absoluuttista. Tekoäly tuomaroinnin apuna vaatisi ohjelmia, jotka pystyvät selittämään, mitä luistelija tekee ja miksi. Tuomarointi ja pisteytys edellyttäisivät luistelijoiden oikeusturvan kannalta myös tietoa, millä tavalla ja millä datalla tekoäly on opetettu.

– Tekoälyn eri sovellusten mahdollisuudet – tässä tapauksessa konenäön avulla tehtävä tuomarin avustaminen – ovat kuitenkin teknologisesti mahdollisia jo tänään. Konetta täytyy opettaa sadoilla tai tuhansilla erilaisilla videoklipeillä elementtien suorituksista. Lisäksi kaikki – esimerkiksi hypyt – on ensin arvioitava tuomareiden toimesta ja myös nämä arvioinnit syötettävä koneelle.

Harjoittelu on subjektiivista, mutta tuomarointi ja pisteytys absoluuttista.

– Tämän vuoden aikana on luvassa videopohjaisia ratkaisuja. Aiemmin tekoälyn kouluttaminen arviointiin olisi maksanut kymmeniä tuhansia euroa. Olisi otettu ihmisten arvioimia hyppyjä ja syötetty tulokset tekoälylle ja ryhdytty tällä materiaalilla kouluttamaan sitä itse. Jatkossa sama pystytään tekemään paljon helpommin ja vähemmällä määrällä koulutusta. Edelleen se kuitenkin vaatii alan osaajan, joka on kiinnostunut tarttumaan projektiin.

Merilehto, painottaa, että niin kauan, kun emme aukottomasti tiedä, millä tavalla ja millä datalla koneoppiminen on toteutettu, tekoälyä ei voi käyttää tuomaroinnin apuna.

– Kansainvälisen Luisteluliiton pitäisi rakentaa sellainen malli, josta tiedetään, että opetusdata on objektiivista. Kun taitoluistelussa ja erityisesti muodostelmaluistelussa säännöt vaihtuvat joka kausi, tämä olisi todella vaikea toteuttaa.