对将人工智能应用于体力活动干预措施的方法进行范围审查
Ruopeng An1, Jing Shen2, Junjie Wang3
1Brown School, Washington University, St. Louis, MO 63130, USA.
Journal of sport and health science
|September 30, 2023
概括
人工智能 (AI) 显示出身体活动 (PA) 干预的巨大潜力,机器学习 (ML),深度学习 (DL) 和强化学习 (RL) 模型提高了预测准确性. 未来的研究应该专注于个性化干预和实时适应,以提高福祉.
科学领域:
- 将人工智能 (AI) 方法,包括机器学习 (ML),深度学习 (DL) 和强化学习 (RL) 整合到体力活动 (PA) 研究和干预中.
- 专注于人工智能的应用,以促进PA,预测行为结果和改善健康.
- 探讨了人工智能,人机通信,行为修改和决策在PA的背景下交集的交叉点.
背景情况:
- 身体活动 (PA) 干预措施对公共健康至关重要,但优化其有效性仍然是一个挑战.
- 传统的统计方法可能无法完全捕捉PA行为和干预结果的复杂性.
- 新兴的人工智能技术为分析复杂数据和个性化干预提供了新的方法.
研究的目的:
- 为研究人员和从业人员提供对体力活动 (PA) 干预中的AI应用的理解.
- 引入用于PA研究的普遍机器学习 (ML),深度学习 (DL) 和强化学习 (RL) 算法.
- 鼓励采用和探索人工智能方法来推进PA干预和促进福祉.
主要方法:
- 在主要的科学数据库 (PubMed,科学网络,科克兰图书馆,EBSCO) 中对PA干预中人工智能应用进行了范围审查.
- 专注于促进PA或预测使用AI相关的行为或健康结果的研究.
- 总结和分类人工智能方法,以确定趋势,并提供对主要算法的入门教程.
主要成果:
- 包括24项研究,证明AI在检测PA行为模式和预测干预结果方面的有效性.
- 人工智能模型在预测准确性方面通常优于传统的统计方法.
- 观察到越来越多的趋势朝着先进的DL和RL模型而不是标准ML,确定了未来在PA干预中采用AI的关键领域.
结论:
- 人工智能方法对推进体育活动 (PA) 干预和改善整体幸福感具有重大潜力.
- 对于该领域的研究人员和从业人员来说,保持对新兴的人工智能驱动策略的了解至关重要.
- 持续探索和采用人工智能可以在PA干预的设计和有效性方面取得重大改进.
