AI 的進化比想像中更神速，不只 Chat GPT，Gemini，還有 Claude、DeepSeek 等 AI 模型，它們在理解長距離訓練計劃及邏輯分析上都相當出色。它們真的能幫助你準備目標的馬拉松賽事嗎？
準備馬拉松的過程是科學，也是一門藝術。每次的訓練週期都像是一場個案研究，裡頭包括了數據、時間表、疲勞度、恢復狀況、能量補給、飲食及天氣條件等變因，就像在實驗室裡頭一樣，訓練策略是需要透過時間不斷嘗試與錯誤 ( trial and error ) 才能揭曉的。
由於馬拉松訓練非常複雜且強度極高，菁英運動員們和認真的分齡跑者，通常會聘請教練、運動生理學家及營養師，來監督從數據收集到全程監控並調整課表的各項準備工作。但一般素人跑者可能不一定能負擔這樣的專業團隊協助自己的訓練週期。
Nick White 是一名運動生理學家，也是投入無數時間開發科學化訓練的團隊成員之一，就像我們一樣，也遇到了這個問題：「 AI 最終會威脅到我的工作嗎？」得承認 AI 在競技訓練中的數據分析是具有變革性的，傳統的教學平台，以及像巴塞隆納足球俱樂部這樣的職業組織，也正在採用 AI 來分析球員的表現。甚至 2024 年巴黎奧運前夕，美國隊、美國足球協會及衝浪協會，也都使用 AI 在做準備。
不過，雖然 AI 訓練工具越來越多，但對於時間及預算有限的素人跑者來說，真的能輕鬆使用到易於操作又客製化的功能嗎？這還是個問號，雖然大家普遍都有智慧型跑錶或記錄跑步數據的 APP (如 Strava)，但還是礙於看得到數據，但不知道要如何因應數據來訓練的狀況。
所以，現在重要的是：AI 能不能開出一份高品質課表，並像真人教練一樣，給出精確的指導，甚至根據當下狀況隨時調整狀計劃。所以，Nick White 使用了 ChatGpt 幫他準備波士頓馬拉松前的 20 週課表來試試水溫。
先定義 AI 人工智慧
在開始前，了解 AI 運作很重要，羅德島大學（University of Rhode Island）的人機互動系統研究員 Shaun Wallace 解釋：「這些模型是一直在進化的，雖然他們可以提供非常大量的範例，但重點在於『哪個才正確』。」
他也提及，AI 像是站在人類創作者肩膀上的數位學徒，不是死板的機器，而是結合了人類經驗及數位運算結果。AI 排馬拉松課表就是一例，它會去抓像 Jack Daniels 或 Matt Fitzgerald 這些傳奇教練的配速邏輯及每週課表架構。
參數設定方法
想要得到更正確的課表，提供必要資訊很重要的，包括情境、參數、目標。他這麼撰寫：
請設計一個 2024 年波士頓馬拉松訓練計劃，我需要完整的營養計劃、伸展、和重量訓練，以降低受傷風險。我每週可以投入5-7天訓練，每次約1.5小時（長跑日除外）。
AI 生成的第一份計劃會非常籠統，只會有基本指示，其中包括大原則：每週訓練量增加不超過 10%，以下是它產出的簡化版本：
- 1-4週：基礎建立期
- 跑步：每週里程逐漸增加10-15% ，目標每週跑4-5天，包括輕鬆跑、節奏跑及長距離。長跑從9-12公里開始。
- 重訓：每週兩次全身性重訓，包括深蹲、分腿蹲、硬舉、下肢推舉與划船。
- 伸展：跑前進行動態伸展，每次訓練後進行靜態伸展。
- 5-10週：耐力建立期
- 跑步：每週長距離逐漸增加1.5-3公里，每週加入一次間歇訓練來提升速度及耐力。
- 重訓：持續每週兩訓，逐漸增加重量，並加強核心訓練。
- 伸展：考慮每週加入一次瑜珈或皮拉提斯來增進肢體靈活度。
- 11-16週：馬拉松專項訓練期
- 跑步：長距離最長增加至29-32公里，也就是接近全馬的 2/3 距離、及來到全馬備賽期中最常見的30公里撞牆期考驗；同時加入坡度跑來模擬波士頓馬拉松賽道。
- 重訓：維週每週兩訓，專注於跑步力學的動作上。
- 伸展：優先進行規律伸展與滾筒放鬆上來放鬆肌肉。
- 17-20週：減量與調整期
- 跑步：逐漸減少里程以利恢復。
- 重訓：降低重訓強度及量，避免疲勞。
- 伸展：持續溫和伸展，避免過度伸展導致肌肉拉傷。
AI 洞察及評估
對於即將面對的賽道坡度，在賽前訓練時應有了解，並針對它的爬升加入日常坡度跑的訓練課表中，舉這篇文章中主要針對波士頓馬拉松備賽為例，這場賽事中，最為人知曉的就是著名的又長又折磨人的心碎坡，所以，任何訓練計劃都必須要包括因應不同賽道陡坡的課表。
加入坡度跑的重要性極高，羅德島大學運動生理學博士 Christie Ward-Ritacco 說道:「課表要考量到賽道的細微差異。」他接著說明：「下坡跑會因為肌肉的離心收縮而造成大量肌肉損傷，所以在訓練中加入這些元素，對比賽準備及賽後恢復都會有幫助。」
然而，在接收 AI 課表時也要留意，它也會建議一些「不切實際」的課表，比方說：進行五組10,000公尺重覆跑，配速每公里 2:40，這是即便連頂尖運動員都難以負荷的艱難課表（根本世界紀錄等級配速），在看課表時就要更為謹慎留意。
AI 的侷限性擺在眼前，如果沒有替代方案，那麼想照表操課的運動員又該怎麼辦呢？這個例子突顯了：專業教練具備根據運動員能力而制定個人化計劃、監控訓練變化並做出必要調整的能力。這正是目前非跑步專用 AI 模型所欠缺的。
Ward-Ritacco 博士提及：「資深教練可以察覺到你的心態、時間，甚至跑姿及力學的變化並做出調整。」她說，「雖然 AI 可能有助於修正計畫，但也受限於你提供給模型什麼資訊，而真人教練（即便只有遠距互動）卻可以作為討論調整建議的咨詢對象。」
Mark Hartman 博士認為將 AI 整合到訓練中確實有益，他曾是大學田徑運動員，在波馬跑出過 2:44:27 的成績，他說，若將 ChatGPT 生成的計劃連接到運動員智慧手錶，效果會更好，AI 可以監控心率反應及配速，同時考量環境條件及海拔變化，進而追蹤進度並進行即時調整。
「AI 計劃成效還是受限於數據輸入及它在提供建議時遵循的演算法。可能會需要由具備運動及教學專業的人員來設計及引導。」他補充。
專家看法：客制化的營養建議
Top Nutrition Coaching 的首席註冊營養師 Jordan Hill 針對 AI 可以提供的海量營養建議提供了見解，說明為何「真人」客製化會這麼重要的原因：
「設計運動員營養計劃是很高度個人化的事。」她評論道。AI 所提供的標準營養建議僅僅是基礎而已，真正的功夫仍在於如何針對不同運動員特殊需求來應用，包括目前健康狀況、用藥、水分需求、營養品，甚至是整天作息。
然而 AI 計劃會缺乏針對性，僅提供通用建議，卻漏掉了關鍵細節，例如：「一把種子」或「熱帶莓果」具體是指多少。Hill 也指出，「範例也不會提供份量大小或建議攝取時間。」同時建議，將 AI 生成資訊視為起點，但咨詢專業人士才能確保精確且符合個人需求及目標。
審慎且樂觀
隨著 AI 應用普及，專家們對其抱持著「審慎且樂觀」的共識。
雖然可以提供見解，但並非是完美方案，Ward-Ritacco 博士警示道，不要單純依賴 AI 來達成任何競技目標，「如果你使用 AI，需要定期增加輸入演算法資訊，包括更新配速、里程、肌肉痠痛等內容，才能得到適當的引導。」
結論
AI 生成的計畫具有參考價值，但無法取代「人的溫度」，Hartman 博士說：「這個訓練計畫讓跑者覺得有趣、有動力，還是覺得痛苦、糟糕，沒動力？目前 AI 處理不了這點。」
解方是什麼？還是仰賴人與人之間的即時溝通，對於建立訓練計畫至關重要。所以你問Nick White會不會把重大比賽的訓練課表完全交給 AI？他肯定的說：門都沒有。
所以 AI 會普及到讓「教練」消失嗎？目前看來可能性極低，隨著科技進步，跑者需要在「AI 生成計劃」及「真人專業指導」間取得平衡，就像近年來跑者們學著如何與碳板鞋、進階營養補給「相處」一樣。運動員的目標是突破極限，創新高度，而在這個過程中，如何正確運用所有工具、技術及資源，才是關鍵。
資料來源：trailrunnermag
圖片來源：pexels
