【ITBEAR科技資訊】4月9日消息，蘋果健康研究團隊在近期發布了一篇博文，揭示了他們如何利用先進的機器學習和人工智能技術，致力于為用戶量身打造更加合適的健身計劃。
蘋果的研究者們提到，傳統的健身效果模型通常在嚴格控制的實驗室環境下進行測試，這可能導致實驗數據與Apple Watch在真實場景下收集的心率數據存在差異。為了彌補這一差距，團隊研發了一種新穎的機器學習算法，該算法融合了經典的心率模型和一種能夠應對真實世界中復雜、多變數據的魯棒系統。其目的是構建一個個性化的心率模型，以便為用戶生成最精確的數據。
據ITBEAR科技資訊了解，這種機器學習算法首先會融入用戶的個人鍛煉記錄。在用戶進行健身活動時，算法會進一步采集相關數據，并根據每個人的獨特生理反應進行調整。研究團隊闡述道，“為了習得這種將鍛煉與生理參數相聯系的嵌入函數，我們采納了一個卷積神經網絡，其輸入包括了個人的近期鍛煉數據，如心率、步頻、速度和海拔變化等。”
團隊還指出，該系統可以預測用戶的健身數據，并將其與運動中的實時心率進行對比。通過反復采集和分析用戶的鍛煉數據，系統能夠不斷優化，并為用戶提供更加貼合其個人需求的健身方案。
此外，該系統還關注一些容易被忽視的指標。例如，蘋果健康研究團隊提到，在過熱或過濕的環境中鍛煉會影響心率，而這是實驗室環境下可能無法完全模擬的。同時，系統還會綜合考慮步頻、海拔變化和速度等運動數據，從而更準確地預測運動強度。
