AI đang thay đổi Tour de France: Dự đoán sức mạnh, tối ưu dinh dưỡng và tuyển trạch tài năng

Trí tuệ nhân tạo (AI) đang thâm nhập sâu vào thế giới đua xe đạp chuyên nghiệp, đặc biệt là tại Tour de France, nơi các đội đua tìm kiếm từng lợi thế nhỏ nhất. Từ phân tích dữ liệu huấn luyện, dự đoán thành tích theo từng chặng, đến tối ưu dinh dưỡng và tuyển trạch tài năng, AI đang dần trở thành công cụ không thể thiếu.

AI giúp tối ưu hóa huấn luyện và dự đoán thành tích

Team Picnic-PostNL là một trong những đội tiên phong trong việc ứng dụng AI. Theo Narelle Neumann, trưởng bộ phận khoa học của đội, mỗi tay đua tải lên các tệp dữ liệu huấn luyện hàng ngày chứa hàng nghìn hàng dữ liệu, bao gồm công suất, nhịp tim, nhịp đạp, tốc độ và độ cao. Trong một mùa giải, điều này tạo ra hàng triệu điểm dữ liệu. Các tệp này được xử lý thông qua các mô hình phân tích để theo dõi mối quan hệ giữa công suất và nhịp tim, điều chỉnh theo các yếu tố môi trường như nhiệt độ và độ cao, từ đó xác định xu hướng đáng tin cậy về thể lực và phục hồi.

Bên cạnh dữ liệu khách quan, đội còn thu thập dữ liệu chủ quan qua nhật ký như cảm nhận phục hồi, thể lực và chỉ số RPE (Rate of Perceived Exertion). Hệ thống này được bắt đầu từ năm 2012, tạo nên một cơ sở dữ liệu giá trị. Machine learning và phân tích nâng cao giúp trích xuất những thông tin hữu ích, hỗ trợ ra quyết định tốt hơn.

Mới đây, Team Picnic-PostNL đã công bố hợp tác nhiều năm với công ty công nghệ Hà Lan IG&H để phát triển ứng dụng hỗ trợ lập kế hoạch dinh dưỡng. Ứng dụng này sử dụng mô hình dữ liệu để dự đoán mức tiêu hao năng lượng của tay đua trong các cuộc đua dựa trên thông tin đường đua như độ cao và khoảng cách, giúp các chuyên gia dinh dưỡng và đầu bếp lên kế hoạch bữa ăn phù hợp với nhu cầu tập luyện, đua và phục hồi.

Nền tảng AI Vekta thay thế TrainingPeaks

Bốn đội đua gồm Decathlon CMA CGM, Lidl-Trek, TotalEnergies và Jayco-AlUla đã tin tưởng chuyển sang sử dụng nền tảng AI Vekta, từ bỏ thương hiệu TrainingPeaks lâu đời. Paul-Antoine Girard, đồng sáng lập Vekta, giải thích: “Vekta có nhiều ứng dụng, một trong số đó là tinh chỉnh huấn luyện. Ví dụ, nếu một tay đua của Lidl-Trek thực hiện sáu nỗ lực kéo dài 10 phút trong một buổi tập bốn giờ, Vekta sẽ ngay lập tức so sánh kết quả với các buổi tập tương tự trong quá khứ để xem mức độ cải thiện và liệu có cần điều chỉnh hay không.”

Điểm khác biệt chính của Vekta là sử dụng mô hình công suất tới hạn (critical power) và 'W' prime thay vì công suất ngưỡng chức năng (FTP). Công suất tới hạn là mức công suất cao nhất mà tay đua có thể duy trì vô thời hạn mà không tích lũy mệt mỏi. 'W' là nguồn dự trữ hữu hạn trên ngưỡng đó, tương tự như pin kỵ khí cho các pha tăng tốc và nước rút. Theo Girard, mô hình này cung cấp cái nhìn toàn diện hơn về hiệu suất so với FTP, cho phép phân tích chi phí sinh lý của một nỗ lực một cách chính xác hơn.

Vekta cũng làm nổi bật độ bền bỉ (durability) của tay đua – một yếu tố quan trọng trong đua xe đạp chuyên nghiệp. Nghiên cứu của huấn luyện viên kiêm nhà khoa học thể thao James Spragg cho thấy các tay đua dưới 23 tuổi có thể ngang bằng với chuyên nghiệp khi còn sung sức, nhưng sự khác biệt lớn nhất xuất hiện sau khi mệt mỏi tích lũy đáng kể. Các tay đua hàng đầu, đặc biệt là ứng cử viên Grand Tour, duy trì công suất cao ngay cả sau hàng nghìn kilojoule làm việc.

Dự đoán thành tích và phân tích chặng đua

Vekta còn giúp dự đoán thành tích. Với mỗi chặng trong số 21 chặng của Tour de France, các đội tải lên tệp GPX đường đua. Kết hợp với dữ liệu công suất của từng tay đua, hệ thống có thể xác định khả năng của họ dựa trên địa hình. Trong suốt cuộc đua, các chỉ số phục hồi từ thiết bị như Whoop và Oura có thể được cập nhật, bao gồm biến thiên nhịp tim, giấc ngủ và dữ liệu tâm lý từ bảng câu hỏi sức khỏe. Tất cả được đưa vào AI để cung cấp bức tranh rõ ràng về khả năng của tay đua theo thời gian thực.

Frank Overton, người sáng lập FasCat Coaching, đưa ra ví dụ về chặng 20 của Tour de France năm nay – chặng Queen Stage dài 171km từ Bourg d'Oisans đến Alpe d'Huez, với 4.500m leo núi. Overton đề xuất phân tích AI theo ba lớp: lớp một là công suất đỉnh khi leo Alpe d'Huez, dựa trên mô hình công suất 30-45 phút tốt nhất của từng tay đua; lớp hai là công suất dưới tác động của mệt mỏi, xem xét mức suy giảm công suất khi tích lũy kilojoule; lớp ba là mô hình tổng thể, kết hợp hai lớp trên để dự đoán công suất cần duy trì nhằm bảo vệ hoặc thu hẹp khoảng cách thời gian.

Overton nhấn mạnh: “Phân tích công suất đỉnh là phần dễ. Kê đơn chính xác bài tập mà tay đua cần để đáp ứng những yêu cầu đó 11 tháng trước là bí quyết. Công việc về độ bền, khả năng chống mệt mỏi, cân bằng khối lượng tập luyện và đua với động học phục hồi – đó là lợi thế cận biên sẽ mở ra nhà vô địch Tour de France tiếp theo.”

Dinh dưỡng thông minh và tuyển trạch tài năng

Visma-Lease a Bike đã áp dụng ý tưởng tương tự trong vài năm qua. Trước Tour de France, đội dinh dưỡng phân tích lộ trình và đưa ra dự đoán dinh dưỡng cho từng chặng dựa trên đội hình và sinh lý của tay đua. Với sự hỗ trợ của AI, tính đến cả điều kiện thời tiết, độ chính xác của dự đoán dinh dưỡng dao động từ 52% đến 82%.

AI cũng mở ra tiềm năng lớn trong tuyển trạch tài năng. Overton cho biết ứng dụng AI CoachCat của ông là kết quả của nhiều năm tải lên dữ liệu huấn luyện, blog, podcast và kế hoạch tập luyện. “Đối với AI, dữ liệu là nhiên liệu tên lửa. Càng nhiều dữ liệu, nó càng cung cấp nhiều thông tin chi tiết. Nhưng dữ liệu phải đúng.”

Tuy nhiên, Overton cũng cảnh báo về ảo tưởng rằng các chatbot như ChatGPT hay Claude có thể đưa ra lời khuyên huấn luyện tốt. “Chúng không được huấn luyện trên bộ dữ liệu phù hợp, mà lấy thông tin từ internet nói chung, không có bộ lọc. Vì vậy, thông tin từ Reddit, diễn đàn… không có tư duy lãnh đạo.”

Với sự đầu tư ngày càng lớn vào AI, các đội đua đang chạy đua để tận dụng công nghệ này. Như Overton nhận xét: “Các đội xây dựng chương trình AI sẽ chiến thắng các cuộc đua.”

Theo BikeRadar

Ảnh: adege / Pixabay