专业评估肌肉缩和最大力量的培训计划,由生成人工智能开发
Tim Havers1,2, Caroline Jelonnek1, Lukas Masur3
1Department of Fitness and Health, IST University of Applied Sciences, Düsseldorf, Germany.
Biology of sport
|October 6, 2025
概括
这项研究发现,像谷歌双子和GPT-3.5这样的大型语言模型 (LLM) 能够生成适度有效的抵抗训练计划. 专家监督仍然对于优化肌肉缩和力量发展至关重要.
科学领域:
- 运动科学 运动科学
- 运动训练中的人工智能
- 人类绩效优化 人类绩效优化
背景情况:
- 人工智能 (AI) 越来越多地融入各种领域,促使人们评估其在体育训练等专业领域的应用.
- 大型语言模型 (LLM) 具有生成基于文本的内容的能力,包括结构化计划,需要评估它们在创建抵抗训练程序中的有效性.
- 评估人工智能生成的训练协议对于了解它们在帮助教练和运动员实现健身目标 (如肌肉缩和最大力量) 中的潜在作用至关重要.
研究的目的:
- 通过领先的大型语言模型 (LLM):谷歌双子 (GG) 和GPT-3.5 (通过ChatGPT和微软Copilot) 批判性地评估和比较肌肉缩和最大力量的抵抗训练计划的质量.
- 根据有效的课程设计的既定标准,确定哪个LLM提供卓越的培训计划建议.
- 在高级实习生编程的背景下,确定LLM产生的培训计划的具体优点和弱点.
主要方法:
- 十位经验丰富的运动科学教练使用27个标准的利克特度表 (1-5) 评价了LLM生成的抵抗训练计划.
- 使用具体提示来生成计划,详细说明培训目标和一个虚构的高级学员的历史,并于2024年4月30日访问.
- 谷歌双子和GPT-3.5 (ChatGPT,微软Copilot) 之间的统计评分比较,用于增肥和以力量为重点的训练计划.
主要成果:
- 总体而言,LLM产生的抵抗训练计划的质量被评为中等.
- 在高缩特异性标准 (先进的炼方法,恢复策略) 中,谷歌Gemini在GPT-3.5上表现出轻微的优势.
- GPT-3.5 (微软Copilot) 在一个强度特定的标准 (测试程序) 中显示了小的优势,而GG在大多数标准中总体上获得了更高的评分.
结论:
- 由LLM生成的抵抗训练计划可以作为肌肉缩和最大力量发展的基础框架.
- 专家人教仍然是完善LLM产生的计划不可或缺的,解决个体的变化,安全和复杂的生理适应.
- 虽然LLM在运动规划方面表现有前途,但它们无法完全复制合格的力量和空调专业人员的细微判断和经验.
