D.h. ich nähere mich lediglich mir selbst an? Das ist ja nichts Neues.

Wäre doch interessanter, wenn ich meinen Idealzustand annähern würde, z.B. abhängig von Alter und Trainingsaufwand. Dazu bräuchte das Programm viele Daten anderer Athleten und könnte mir zeigen, woran ich arbeiten muss. Mit der Zeit hätte das Programm und der Athlet dann einen echten Mehrwert.

Man fährt diesen Test, lädt das Protokoll hoch und die KI spuckt dann sämtliche daraus errechneten Werte aus. Das dazwischen ist leider unklar- Blackbox- wie so oft. Ich werd aus der Webseite leider nicht ausreichend schlau. Für mich kann das alles bedeuten. Ich würde irgendwo eine genauere Erklärung erwarten. Von mir aus auch kleingedruckt, weils die meisten vielleicht nicht interessiert. Aber es gehört für mich dazu. So wie dort dargestellt, fehlt für mich die Basis.

Die man aber nur bekommt, wenn man beides bucht (und bezahlt). Ich denke, man hätte vielleicht in einer (ausgiebigen!) Testphase viele AthletInnen aller Leistungsklassen so eine AI Diagnostik parallel dazu geben müssen, damit hätte man dann eine große Datenbasis geschaffen. Wie gut oder schlecht das Modell dann ist, können wir allerdings trotzdem nicht wissen, ohne da konkrete Zahlen zu sehen. Aber zumindest wären dann die Daten da...


Noch eine kleine (anschauliche Ergänzung) wie KI funktioniert anhand des typischen Beispiels des Spamfilters: Der Spamfilter filtert eMails raus. Angenommen, ich finde in meinem Spamordner eine Mail, die aber kein Spam ist. Dann sag ich dem Computer das, indem ich sie entsorechend kennzeichne. Die KI dahinter merkt sich das und beim nächsten (oder übernächsten...) mal wird eine ähnliche Mail (z.B. gleicher Absender, ähnlicher Betreff) nicht mehr als Spam markiert. Andersherum, bekomme ich eine Mail, die im Posteingang landet, aber Spam ist, markiere ich sie auch als solchen. Dadurch lernt die KI, dass Mails, die dieser ähnlich sind, im Spamfilter landen sollen. Durch mein aktives feststellen, ob eine Mail also wirklich Spam ist oder nicht, lernt die KI, ihre eigenen Prognosen/Entscheidungen zu verbessern.
Dieses einfache Beispiel finde ich immer ganz hilfreich- hier im konkreten Fall ist es etwas komplexer, weil wir kein binäres Outcome (also ja/nein) haben, sondern wirklich eine ganze Range von Werten. Aber auch hier würde es die korrekten, physisch ermittelten Messwerte benötigen, um die KI dahinter weiter zu trainieren. Davon hätte ICH als Kunde in dem Moment nichts, aber die nach mir kommenden Kunden... das Ergebnis würde dann halt immer besser werden (und ich frage mich: WIE gut kann es werden?)

Das hat mit KI reichlich wenig zu tun, das ist lediglich (abgekürzt) das Pflegen von Positiv- und Negativlisten.

Es gibt Kunden die vor Ort echte Messungen machen lassen und KI-Kunden, die nur online testen und ihre Datei hochladen.

Genau das haben die doch gemacht über eine gewisse Zeit, woher sollte die KI sonst ihre Basis haben? Wie ausgiebig das jetzt wirklich war weiss ich natürlich auch nicht, mehr ist sicher besser, aber eine gewissen Reifegrad wird das schon erreicht haben, sonst würden sie das doch eher nicht kommerziell nutzen. Wenn da viel zu oft unbrauchbares Zeug rauskommt spricht sich das doch schnell rum dass hycys da nur Käse produziert, das können sie sicher nicht wollen

Und das weißt du woher? Natürlich arbeitet längst nicht jeder Spamfilter so, aber einige (moderne) schon. Ist eins der ersten Beispiele an der Uni für eine KI.

Interessant wäre das Tool, hätte es eine große Datenbasis und würde anhand meiner Daten mir sagen, wo es sich primär lohnt anzusetzen. Es würde mir also in meinen Fall erst mal eine Gewichtsabnahme empfehlen und wenn der Zeitpunkt gekommen ist, längerer Radausfahrten. Ich würde mich als schnellstmöglich meinem Idealzustand nähern mit ständigem Abgleich zu der Datenbasis, wo das Tool den Idealzustand hält.
Ich denke, du weißt, von was ich hier spreche ;-)

Nicht überall wo KI drauf steht ist zwingend NN drin. Das heißt auch, dass alles was man so über ChatGPT &. Co. gelesen hat nicht zwingend auf diese Angebote zutrifft.

Ich habe Ende der 80er/Anfang der 90er bei Prof Matthias Jarke studiert, der seinerzeit Leiter des FORWISS Institutes war. FORWISS war damals ein Institut für die Forschung an wissensbasierten Systemen. Ich habe dort auch ein Praktikum gemacht und wir haben u.a. an Theorembeweisern gearbeitet und/oder PROLOG verwendet. Wissensbassierte und regelbasierte Systeme sind ebenfalls ein Teilgebiet der KI. Interessierte könnten sich über Prof. Feigenbaum und das DENDRAL und MYCIN Projekt informieren, um Anfänge nachzuvollziehen.

Meine bescheidene Meinung: Findige Marketingmenschen haben den LLM Hype genutzt um Angebote der vorliegenden Art zu platzieren. Ich bin recht sicher, dass sich diese Angebote nicht oder nicht signifikant an NNs bedienen. Ich meine, für den ambitionierten Hobbysportler gibt es bereits ausreichend Schätzwerkzeuge zur Bestimmung der Trainingsintensitäten.

BTW: Aerocoach und Mats bieten Ähnliches. Am „billigsten“ ist Aerotune.

:Blumen:

Der fundamentale und entscheidende Unterschied zu der von dir angesprochenen Zeit ist halt, dass sich die Leistungsfähigkeit der Hardware vervielfacht hat und wir unglaublich viele Daten produzieren, die Futter sind und die Ergebnisse immer besser machen.
:Blumen: