به گزارش خبرگزاری ایمنا، با گسترش استفاده از ابزارهای بر پایه هوش مصنوعی، این فناوری بهمرور زمان جای خود را در حوزه ورزش و تناسب اندام نیز باز کرده است. امروزه بسیاری از کاربران تنها با بارگذاری چند تصویر از بدن خود، از هوش مصنوعی میخواهند وضعیت فیزیکی آنها را بررسی و بر اساس آن برنامه تمرینی یا حتی رژیم غذایی طراحی کند؛ قابلیتی که اگرچه تا چند سال پیش بیشتر به فیلمهای علمیتخیلی شباهت داشت، اما اکنون در بسیاری از پلتفرمهای هوش مصنوعی در دسترس قرار گرفته است.
تحلیل وضعیت بدن از روی تصاویر یکی از جدیدترین کاربردهای بینایی ماشین (Computer Vision) در حوزه علوم ورزشی محسوب میشود. این فناوری با استفاده از الگوریتمهای یادگیری عمیق، ویژگیهای ظاهری بدن را شناسایی میکند و بر اساس الگوهایی که از میلیونها تصویر و داده آموزشی آموخته است، گزارشی از وضعیت فیزیکی فرد ارائه میدهد. با وجود استقبال گسترده از این قابلیت، متخصصان علوم ورزشی معتقدند تحلیل تصویری میتواند ابزاری کمکی باشد، اما نباید جایگزین ارزیابی حضوری و اندازهگیریهای تخصصی شود.
هوش مصنوعی هنگام مشاهده تصویر چه چیزی را بررسی میکند؟
برخلاف تصور بسیاری از کاربران، هوش مصنوعی تنها به ظاهر کلی بدن نگاه نمیکند. الگوریتمهای بینایی ماشین تلاش میکنند اجزای مختلف بدن را جداگانه شناسایی کند و ارتباط آنها را با یکدیگر بسنجد. بهعنوان نمونه اگر کاربر تصاویر روبهرو، پشت و نمای جانبی بدن خود را بارگذاری کند، هوش مصنوعی میتواند عرض شانهها، تقارن اندامها، فرم ستون فقرات، وضعیت لگن، راستای زانوها و نحوه قرارگیری سر و گردن را مورد ارزیابی قرار دهد، همچنین نسبت میان بخشهای مختلف بدن، میزان توسعه عضلات در نواحی گوناگون و الگوی توزیع چربی نیز از مواردی است که در تحلیل تصویری مورد توجه قرار میگیرد، البته این تحلیلها بر پایه تخمینهای آماری انجام میشود و بهمعنای اندازهگیری مستقیم نیست.
تشخیص تقارن عضلات
یکی از کاربردهای مهم هوش مصنوعی در ورزش، بررسی تقارن عضلانی است. نبودن تعادل میان عضلات سمت راست و چپ بدن یا تفاوت رشد عضلات بالاتنه و پایینتنه میتواند در طولانیمدت احتمال آسیبدیدگی را افزایش دهد یا بر کیفیت اجرای حرکات ورزشی تأثیر بگذارد. هوش مصنوعی با مقایسه بخشهای مختلف بدن، میتواند اختلافهای ظاهری را شناسایی و به کاربر اعلام کند که کدام گروههای عضلانی نیازمند توجه بیشتری هستند. این موضوع بهویژه برای ورزشکاران رشتههایی همچون بدنسازی، کراسفیت و پاورلیفتینگ اهمیت زیادی دارد، چراکه حفظ تعادل عضلانی یکی از اصول اساسی در طراحی برنامه تمرینی محسوب میشود.
ارزیابی وضعیت بدن یا پوسچر
پوسچر یا وضعیت قرارگیری بدن از دیگر شاخصهایی است که هوش مصنوعی قادر به بررسی آن است. در سالهای اخیر، کمتحرکی، استفاده طولانیمدت از تلفن همراه و نشستنهای مداوم پشت میز موجب افزایش ناهنجاریهای اسکلتی و عضلانی شده است. در صورتی که تصاویر با کیفیت مناسب و از زوایای استاندارد تهیه شده باشد، هوش مصنوعی میتواند نشانههایی از افتادگی شانهها، قوز پشتی، انحراف سر به جلو، چرخش لگن یا نداشتن تعادلهای ظاهری را تشخیص دهد، البته متخصصان تأکید میکنند تشخیص قطعی این ناهنجاریها تنها با معاینه حضوری و انجام آزمونهای تخصصی امکانپذیر است و تحلیل تصویری فقط میتواند احتمال وجود این مشکلات را مطرح کند.
آیا هوش مصنوعی درصد چربی بدن را اندازه میگیرد؟
یکی از رایجترین درخواستهای کاربران از هوش مصنوعی، برآورد درصد چربی بدن است. بسیاری از سامانههای بر پایه هوش مصنوعی پس از تحلیل تصاویر، عددی را به عنوان درصد تقریبی چربی بدن اعلام میکند. کارشناسان علوم ورزشی توضیح میدهند این عدد نتیجه اندازهگیری مستقیم نیست، بلکه بر اساس ویژگیهای ظاهری همچون میزان تفکیک عضلات، فرم شکم، خطوط عضلانی، توزیع چربی و مقایسه با دادههای آموزشی تخمین زده میشود، از سوی دیگر دقت این برآورد به عواملی همچون کیفیت تصاویر، نور محیط، زاویه عکاسی، نوع پوشش و حتی نحوه ایستادن فرد وابسته است، بنابراین نباید این اعداد را معادل نتایج دستگاههایی همچون DEXA یا سایر روشهای تخصصی ارزیابی ترکیب بدن دانست.
شناسایی نقاط قوت و ضعف عضلانی
یکی دیگر از قابلیتهای قابل توجه هوش مصنوعی، تحلیل نسبی توسعه عضلات است. الگوریتمها میتوانند با مقایسه حجم ظاهری عضلات، تصویری کلی از وضعیت رشد عضلات ارائه دهند. بهعنوان نمونه ممکن است سیستم تشخیص دهد عضلات پا نسبت به عضلات بالاتنه توسعه بیشتری دارند یا عضلات پشت در مقایسه با عضلات سینه نیازمند تمرین بیشتری هستند. این اطلاعات میتواند در طراحی یک برنامه تمرینی متعادل استفاده شود. با این وجود متخصصان یادآور میشوند که حجم ظاهری عضله همیشه بیانگر قدرت یا عملکرد آن نیست و ارزیابی عملکرد عضلات نیازمند آزمونهای تخصصی است.
کیفیت تصویر، کیفیت تحلیل را تعیین میکند
کارشناسان حوزه هوش مصنوعی معتقدند یکی از عوامل مؤثر بر دقت تحلیل، کیفیت تصاویر ورودی است. اگر تصاویر از زوایای نامناسب گرفته شده باشد یا نور کافی وجود نداشته باشد، احتمال خطا افزایش پیدا میکند، به همین دلیل بهطور معمول توصیه میشود تصاویر از نمای روبهرو، پشت و جانب، در نور مناسب، با لباس ورزشی ساده و بدون تغییر حالت بدن ثبت شوند، همچنین بهتر است دوربین در ارتفاع مناسبی قرار گیرد.
هوش مصنوعی چگونه برنامه تمرینی پیشنهاد میدهد؟
پس از پایان تحلیل تصاویر، بسیاری از سامانههای هوش مصنوعی با ترکیب اطلاعات تصویری و مشخصات فردی همچون سن، قد، وزن، سابقه تمرین و هدف ورزشی، برنامه تمرینی پیشنهاد میکند. اگر سیستم تشخیص دهد عضلات پایینتنه ضعیفتر از سایر بخشهای بدن هستند، ممکن است حجم تمرین پا را افزایش دهد. در صورت مشاهده احتمال وجود ناهنجاریهای وضعیتی نیز ممکن است تمرینات اصلاحی یا حرکات تقویتکننده عضلات مرکزی بدن را پیشنهاد کند، در واقع، تحلیل تصویر تنها یکی از ورودیهای طراحی برنامه است و هرچه اطلاعات تکمیلی بیشتری در اختیار هوش مصنوعی قرار گیرد، نتیجه نهایی به شرایط واقعی فرد نزدیکتر خواهد بود.
محدودیتهایی که نباید نادیده گرفته شوند
با وجود پیشرفت سریع فناوری، تحلیل تصویری هنوز محدودیتهای قابل توجهی دارد. هوش مصنوعی نمیتواند انعطافپذیری مفاصل، کیفیت اجرای حرکات، میزان قدرت عضلانی، دردهای پنهان یا سابقه آسیبدیدگی را تنها از روی عکس تشخیص دهد. همچنین عواملی همچون زاویه دوربین، انقباض عضلات هنگام عکاسی، میزان آب بدن یا حتی انتخاب لباس میتوانند نتیجه تحلیل را تحت تأثیر قرار دهند.
به همین دلیل کارشناسان توصیه میکنند کاربران از گزارشهای تولیدشده توسط هوش مصنوعی به عنوان یک ارزیابی اولیه استفاده کنند و در صورت تصمیم برای آغاز یک برنامه جدی تمرینی یا اصلاح ناهنجاریهای اسکلتی، از نظر مربیان دارای صلاحیت یا متخصصان پزشکی ورزشی نیز بهره بگیرند.
بهترین پرامپت برای تحلیل بدن از روی عکس
کارشناسان حوزه هوش مصنوعی معتقدند کیفیت تحلیل بدن، بیش از هر چیز به کیفیت (پرامپت) یا همان دستوری بستگی دارد که کاربر در اختیار مدل هوش مصنوعی قرار میدهد. هرچه اطلاعاتی همچون تصاویر استاندارد از زوایای مختلف، سن، قد، وزن، هدف تمرینی، سابقه ورزش، محدودیتهای جسمانی و تجهیزات در دسترس با جزئیات بیشتری ارائه شود، هوش مصنوعی نیز میتواند ارزیابی دقیقتر و برنامهای شخصیسازیشدهتر ارائه کند. در ادامه یک پرامپت جامع برای تحلیل فیزیک بدنی آورده شده است که میتواند کیفیت پاسخ هوش مصنوعی را به میزان قابل توجهی افزایش دهد.
راهنما: متن زیر را به همراه ۳ عکس از خودتون در زوایا مختلف برای ChatGpt بفرستید.
نکته: حتما اطلاعات خودت را در قسمتهای مشخصشده جایگزین کن.
تحلیل کامل فیزیک بدنی
ورودیها
الف) تصاویر آپلودشده
تمام تصاویر بدن را بررسی کن، شامل هر زاویهای که موجود باشد:
نمای روبهرو (Front)
نمای جانبی (Side)
نمای پشت (Back)
حالت ریلکس (Relaxed)
حالت منقبض یا فیگور عضلانی (Flexed)
هر زاویه یا تصویر اضافی موجود
ب) اطلاعات اختیاری کاربر (در صورت ارائه)
جنسیت: [مرد / زن]
سن: [سن]
قد: [سانتیمتر]
وزن: [کیلوگرم]
دور کمر: [سانتیمتر]
دور سینه: [سانتیمتر]
دور باسن: [سانتیمتر]
دور گردن: [سانتیمتر]
دور بازو: [سانتیمتر]
دور ران: [سانتیمتر]
دور ساق پا: [سانتیمتر]
الزامات تحلیل تصاویر
تمام تصاویر آپلودشده را بهصورت دقیق بررسی کن.
اگر هرگونه اندازهگیری، متن چاپی، دستنویس یا متن فارسی در تصاویر وجود دارد، آنها را بهطور کامل استخراج و گزارش کن.
موارد زیر را تحلیل کن:
ساختار و تناسبات بدنی
تناسب کلی بدن
تقارن عضلانی
وضعیت قرارگیری بدن (Posture)
عرض شانهها
نسبت شانه به کمر
توزیع چربی بدن
سطح توسعه عضلانی
عضلات ضعیفتر
عضلات قویتر
عدم تعادلهای عضلانی احتمالی
دستهبندی تیپ فیزیکی
نقاط قوت ظاهری
نقاط ضعف ظاهری
برآوردهای تخصصی
موارد زیر را بر اساس تصاویر تخمین بزن:
درصد چربی بدن (Body Fat %)
توده بدون چربی (Lean Body Mass)
سطح عضلانی بودن
تخمین سابقه تمرینی (Training Age Estimate)
تطبیق با اطلاعات کاربر
در صورت ارائه اندازهها و مشخصات بدنی:
تحلیل بصری را با اندازههای اعلامشده مقایسه کن.
هرگونه تناقض یا عدم تطابق احتمالی را مشخص کن.
گزارش کامل فیزیک بدنی
گزارش را کاملاً به زبان فارسی و با جزئیات ارائه کن و شامل موارد زیر باشد:
ارزیابی کلی فیزیک بدن
امتیاز کلی فیزیک
تحلیل ترکیب بدن
تحلیل وضعیت بدنی (Posture)
تحلیل تقارن عضلانی
نقاط قوت
نقاط ضعف
اولویتهای عضلانی
مشخص کن:
کدام عضلات نیاز به تمرکز بیشتری دارند.
کدام عضلات نسبت به سایر بخشها جلوتر هستند.
تمرکز تمرینی پیشنهادی
مشخص کن بهترین رویکرد برای این فرد چیست:
چربیسوزی (Fat Loss)
عضلهسازی (Muscle Gain)
بازترکیب بدن (Body Recomposition)
و دلیل انتخاب را توضیح بده.
نظر شما