Machine learning กับวงการวิ่ง

Machine learning กับวงการวิ่ง

 


พวกเราคงเคยได้ยินคำว่า machine learning กันมาบ้างแล้วนะครับ อธิบายรวบรัด มันคือโปรแกรมแบบที่ไม่ได้บอกตรงๆ ว่าให้คอมพิวเตอร์ทำขั้นตอนอะไร 1-2-3-4 แต่ให้มันเรียนรู้เอาเอง โดยป้อนข้อมูลตัวอย่างจำนวนมากๆ ให้มัน ดังนั้น ความถูกต้องในการทำงานแน่นอนว่าอาจไม่เต็ม 100% แต่ประโยชน์คือ เมื่อมันเจอโจทย์ใหม่ที่เราไม่เคยสอน มันจะหาคำตอบเองได้โดยไม่ต้องพึ่งพามนุษย์
.
เราจะพบ machine learning ในงานที่ต้องการจัดกลุ่ม แยกแยะ สิ่งของที่ก่อนหน้านี้ต้องใช้สมองมนุษย์เท่านั้นถึงจะทำได้ เช่น แยกแยะว่า ตัวหนังสือบรรทัดนี้เขียนว่าอะไร ซึ่งถ้าเป็นคน ไม่ว่าจะเป็นลายมือไก่เขี่ย ลายมือเด็กประถมตัว ลายมือแบบวิจิตรตวัดหาง ก็สามารถอ่านได้หมด (ยกเว้นลายมือหมอ) เพราะสมองมนุษย์รู้จักคิดแบบเปรียบเทียบ คาดเดาจากบริบท แต่ถ้าเป็นคอมพิวเตอร์ ถ้าใช้โปรแกรมแบบธรรมดา มันจะแยกแยะไม่ได้เลย เช่น แค่เห็น ถ ถุง ที่หัวไม่วนครบรอบ มันก็นึกว่าเป็น กอ ไก่ ซะแล้ว อะไรทำนองนี้
.
ทีนี้มาถึงหัวข้อบทความ รู้หรือไม่ว่าในวงการวิ่งมีการนำ machine learning มาใช้เหมือนกันนะ ทันสมัยป๊ะล่ะ ที่เห็นชัดๆ เลยก็การหารูปจากเลข bib ไงครับ อันนี้ง่ายหน่อยเพราะตัวเลขมีแค่ 10 ตัว และส่วนใหญ่เป็นการพิมพ์ไม่ใช่เขียนด้วยลายมือ ดังนั้นรูปร่างของตัวเลขจึงมีมาตรฐานเดียวกัน ทำให้แยกแยะไม่ค่อยผิด แต่จะเห็นว่าถ้างานไหนที่เลข bib เป็นเลขไทย คอมพิวเตอร์จะหาไม่เจอทันทีเพราะไม่เคยถูกสอนว่ารูปร่างแบบนี้คือตัวเลขอะไร มันเลยนึกว่าเป็นลายเสื้อธรรมดาๆ
.
อุปกรณ์ใกล้ตัวนักวิ่งก็มี Machine learning ฝังอยู่เช่นกัน อุปกรณ์นั้นก็คือ activity tracker นั่นเอง ถ้าเป็นยี่ห้อถูกๆ ราคา 2-3 ร้อย เขาจะใช้การนับจำนวนก้าวจากกลไกภายในเครื่อง สังเกตได้จากเวลาเดิน เราจะได้ยินเสียงแกร๊กๆๆ ทุกฝีก้าว บางครั้งไม่ต้องเดิน แค่เอามาเขย่ามันก็นับก้าวให้แล้ว เพราะกลไกเกิดการขยับ แต่ถ้าเป็นยี่ห้อดังๆ ทุกครั้งที่เราเดิน จะเกิดสัญญาณไฟฟ้าขึ้น 3 ตัว machine learning จะถูกสอนให้รู้ว่า ถ้าสัญญาณ 3 ตัวหน้าตาเป็นแบบนี้ แปลว่าคนนี้กำลังเดิน 1 ก้าว แต่ถ้าผิดไปจากนี้ แปลว่าเค้ากำลังทำอย่างอื่น (เช่น นั่งบนรถที่สะเทือน ยกมือขึ้นเกาหัว รีดผ้า) ดังนั้นไม่ว่าเราจะเป็นคนท้อง คนขาเบียด เดินกระเด้ง เดินทอดน่อง ซึ่งอาจทำให้ได้สัญญาน 3 ตัวไม่ตรงตามที่ถูกสอนมาเป๊ะๆ machine learning ก็ยังเรียนรู้และแยกแยะได้ว่าเรากำลังเดินอยู่
.
นอกจากการแยกแยะแล้ว machine learning ยังมีความสามารถในการระบุได้ว่า จะเอาคุณสมบัติอะไรมาแยกแยะสิ่งของต่างๆ ออกจากกัน เช่นในกรณีหารูปจากเลข bib สิ่งที่เราสอนมันมีแค่ เอาเลข 0-9 ฟ้อนต์ต่างๆ ให้มันดู แล้วบอกมันว่าแบบนี้เรียกว่าเลข 0 แบบนี้เรียกว่าเลข 1 จนครบสิบตัว machine learning จะสามารถคิดได้เองว่า อ๋อ เวลาเห็นตัวเลข อันดับแรกฉันต้องดูว่ามันมีมุมแหลมมั้ย ถ้าไม่มีมุมแหลมเลยแสดงว่ามันเป็นเลข 0 แต่ถ้าตัวเลขนั้นมีแต่มุมฉากกับมุมแหลมไม่มีโค้งๆ เลยแสดงว่ามันเป็นเลข 4 ฯลฯ นั่นแปลว่าตอนนี้ machine learning ระบุได้ว่าต้องเอาลักษณะและจำนวนของมุมมาเป็นตัวแยกแยะ โดยที่เราไม่ต้องบอกมันเลย
.
ล่าสุด เลยมีคนเอาความสามารถนี้มาใช้ในงานวิจัยเกี่ยวกับการวิ่ง โดยให้ machine learning บอกเราว่า นักวิ่งแนวหลังและนักวิ่งแนวหน้า มีลักษณะการวิ่งต่างกันอย่างไร วิธีคือ ให้นักวิ่งกลุ่มหนึ่งที่มีทั้งแนวหน้าและแนวหลังติดอุปกรณ์วัดลักษณะการวิ่งไว้ที่เอว แล้วเอาลักษณะเหล่านี้มาหาค่าทั้งหมด 25 ค่า ซึ่งเป็นค่าที่ไม่ขึ้นกับความเร็ว หมายความว่า ไม่ว่าวิ่งช้าหรือเร็วก็มีค่าเหล่านี้เท่ากันได้ จากนั้นบอกข้อมูลเหล่านี้กับ machine learning พร้อมบอกมันด้วยว่า อันนี้เป็นข้อมูลของแนวหน้า ส่วนอันนี้เป็นข้อมูลของแนวหลัง
.
ถึงตรงนี้อาจมีคนสงสัยว่า เอาอะไรตัดสินเหรอว่าใครเป็นแนวหน้าหรือแนวหลัง? คำตอบคือ เค้าเอาสถิติล่าสุดของแต่ละคนมาเทียบกับสถิติของคนทั่วโลกที่อยู่ในรุ่นอายุเดียวกับคุณ ถ้าสถิติของคุณดีกว่าคนอีก 60% ที่เหลือ แปลว่าคุณจัดเป็นแนวหน้าแล้วนั่นเอง
.
ครับ แล้วในที่สุด machine learning ก็ระบุออกมาได้ว่าคุณสมบัติอะไรที่แนวหน้ามีต่างจากแนวหลัง (นอกเหนือจากความเร็ว) สิ่งนั้นคือ “#ความสม่ำเสมอของก้าว” นั่นคือตลอดการวิ่ง ทุกๆ ก้าวของนักวิ่งแนวหน้ามีลักษณะใกล้เคียงกันมาก ไม่เดี๋ยวสั้นเดี๋ยวยาว เดี๋ยวหนักเดี๋ยวเบา แรกๆ โยกซ้าย หลังๆ โยกขวา อะไรทำนองนี้ ดังนั้น ถ้าแนวหลังอยากพัฒนามาเป็นแนวหน้า สิ่งสำคัญที่คุณต้องคอยสังเกตตัวเองคือ “วันนี้ก้าวของเราสม่ำเสมอหรือยัง” นั่นเอง
.
ผมประมวลมาให้อ่านกันเบื้องต้นแค่นี้ก่อน ถ้ามี application อื่นๆ ของ machine learning เกี่ยวกับวงการวิ่งอีก จะมาเล่าให้ฟังวันหลังครับ สวัสดี
.
ที่มา
https://www.outsideonline.com/2332596/hobbyjogger-running-study-accelerometer-injury

COMMENTS