Birçok insan, koşu, yürüyüş veya spor salonu seanslarını giyilebilir cihazlar kullanarak takip ediyor, ancak bu sayıların sağlık ve motivasyonları için ne anlama geldiğini anlamakta zorlanıyor. Adımlar, tempo ve kalp atış hızı kaydedilmesi kolaydır, ancak bu verileri uzun vadeli davranış değişikliğini destekleyen içgörülere dönüştürmek genellikle daha zordur. Yeni araştırmalar, yapay zekanın insanların egzersiz deneyimlerini daha derinlemesine düşünmelerine yardımcı olabileceğini öne sürüyor. Bulgular, Information Processing & Management dergisinde yayımlandı.

Çalışma, büyük bir dil modelinin, egzersiz sonrası yansımayı destekleyip destekleyemeyeceğini araştırdı. Katılımcılar, yalnızca performans metriklerini kaydetmek yerine, bir koşu sırasında neler olduğunu, bunun neden önemli olduğunu ve gelecekteki planları nasıl şekillendirmesi gerektiğini düşünmeye teşvik edildi. Amaç, takip etmenin ötesine geçerek fiziksel aktivite ve iyi olma hali hakkında daha anlamlı düşünmeyi sağlamak oldu.

Araştırmacılar, giyilebilir fitness takip cihazlarından gelen verileri yapay zeka destekli bir günlük arayüzü ile birleştiren PaceMind adında bir sistem geliştirdi. Her koşudan sonra, kullanıcılara tanım, analiz ve sonraki adımları kapsayan yapılandırılmış bir yansıma süreci sunuldu. Yapay zeka destekli versiyonda, sistem kullanıcıların son ve geçmiş egzersiz verilerine dayalı olarak taslak yansımalar ve kişiselleştirilmiş ipuçları üretti; kullanıcılar bunları düzenleyebilir veya genişletebilirlerdi.

Etkinliğini test etmek için ekip, farklı koşu deneyimlerine sahip 21 katılımcıyla iki haftalık bir çalışma gerçekleştirdi. Her kişi, bir farklı haftada hem yapay zeka destekli günlük sistemini hem de daha geleneksel bir şablon bazlı günlüğü kullandı. Bu, her yaklaşımın yansıma, motivasyon ve egzersiz davranışını nasıl etkilediğini doğrudan karşılaştırma imkanı sağladı.

Katılımcılar, yapay zeka destekli sistemin egzersiz verilerini yorumlamayı ve bunu yorgunluk, ruh hali veya günlük rutinler gibi kişisel deneyimlerle bağdaştırmayı kolaylaştırdığını bildirdi. Birçoğu, bu sistemin kalıpları fark etmelerine ve gelecekteki antrenmanlarını ayarlama konusunda daha dikkatli düşünmelerine yardımcı olduğunu hissetti. Algılanan yansıma kalitesi ve anlamlılık ölçümleri, yapay zeka desteği mevcut olduğunda sürekli olarak daha yüksek bulundu ve kullanıcılar sistemi kullanmaya devam etme niyetlerini de artırdı.

Ancak faydalar, dezavantajlar olmadan gelmedi. Bazı katılımcılar, yapay zeka tarafından üretilen içeriğin kontrol edilmesi, düzeltilmesi veya kişiselleştirilmesi için ekstra çaba gerektirdiğini buldu. Bu, sistemin standart bir günlük şablonundan önemli ölçüde daha kolay hissettirmediği anlamına geliyordu. Bazıları için, yapay zeka desteği ile yansıtma, zihinsel çabayı azaltmak yerine kaydırdı; sıfırdan yazma zorluğunu otomatik önerileri değerlendirme ve iyileştirme görevi ile değiştirdi.

Önemli olarak, çalışma, toplam mesafe veya süre gibi nesnel egzersiz sonuçlarında belirgin kısa vadeli değişiklikler bulamadı. Bunun yerine, araştırmacılar, yansıma temelinde hedeflerin ayarlanması gibi daha düşünceli planlama ve sürdürülen katılımın ince işaretlerini gözlemledi; bu, rutinlerin tamamen terk edilmesi yerine gerçekleşti. Bu, yapay zeka destekli günlüğün, insanların egzersiz hakkında düşünme biçimlerini etkileyebileceğini, ölçülebilir bir değişiklik olmadan önce düşündürmektedir.

Bulgular, yapay zekanın fitness ve iyi olma araçlarında hem vaat hem de sınırlamaları vurgulamaktadır. Büyük dil modellerinin daha derin yansımaları ve anlam oluşturmayı destekleme kapasitesine sahip olduğu görünse de, otomasyonun kullanıcıları bunaltmaması için dikkatli bir tasarım gereklidir. Zorluk, özellikle güven ve anlayışın önemli olduğu sağlıkla ilgili bağlamlarda, akıllı rehberlik ile kullanıcı kontrolü arasında denge kurmaktır.