AI 運動訓練新突破　混合式機器學習模型精準預測熱量消耗

【記者簡詩雅／綜合外電】印度 Lovely Professional University 的研究團隊開發出一套創新的「混合式機器學習」系統，能在不需穿戴裝置的情況下，精準預測個人運動時的熱量消耗，並提供客製化的訓練建議，為個人化運動指導開闢新途徑。

這套系統巧妙地結合了兩項技術：一種是監督式機器學習（常見的 AI 演算法，透過學習大量數據來找出規律），另一種則是預設規則推論（根據預先設定的條件提供判斷）。該系統能整合多種身體數據，包括生理測量結果、身體組成指標、心血管健康數據，以及使用者自行回報的運動習慣，進而分析並預測結果。

研究團隊分析了來自 973 名健身房會員的歷史數據，驗證這套系統的效能。在預測運動時的熱量消耗方面，其中一種名為 XGBoost 的機器學習模型表現最為出色，其判斷係數達到 0.91。判斷係數越高代表模型對數據變化的解釋能力越強，也意味著熱量預測的準確度相當高。此外，在區分參與者的運動強度等級時，另一種名為隨機森林（Random Forest）的分類演算法，更達到了 92% 的高準確率。

這項技術不僅止於預測，還能將分析結果轉化為實用的運動建議。例如，針對體重過重或體脂率偏高的個人，系統會建議搭配中等強度的有氧運動與熱量赤字飲食；對於體重過輕者，則建議結合阻力訓練與增加營養攝取。即便是經驗豐富、訓練量高的健身者，也能獲得進階的高強度阻力訓練建議，以達到肌肉增長目標。

該研究團隊指出，這套混合式架構旨在解決目前市面上消費級健身科技的限制，例如過度依賴特定專屬硬體，或僅提供統一的訓練模式而忽略個人的生理基礎差異。然而，這項研究目前僅限於回溯性分析公開資料集，尚未實際部署於現實場景，也缺乏使用者滿意度調查，以及飲食、睡眠等行為數據，這將是未來改進的方向。相關研究成果已發表於專業期刊，並可透過 AI-based personalized exercise and health recommendation system using hybrid modeling 查閱。

參考來源

• Hybrid Machine Learning Predicts Exercise Calorie Burn and G…（Bioengineer.org）