Từ người đẹp trượt băng nghệ thuật đến nhà sáng lập nền tảng AI
Victoria Drazdova, nhà sáng lập nền tảng Global AI Platform for Sports & Arts vốn là vận động viên trượt băng nghệ thuật. Giờ bà đang dành trọn tâm huyết cho nền tảng AI giúp các đàn em.
Theo con mắt của chuyên gia thể thao kiêm công nghệ Drazdova, bước tiến quan trọng của công nghệ không nằm ở việc tạo thêm hàng trăm chỉ số theo dõi, mà là khả năng phân tích những dữ liệu rời rạc để giúp huấn luyện viên và vận động viên hiểu rõ hơn về chính mình.
Từ vận động viên trượt băng nghệ thuật chuyên nghiệp đến nhà sáng lập nền tảng AI thể thao
Victoria Drazdova là cựu vận động viên trượt băng nghệ thuật chuyên nghiệp sau đó chuyển sang công tác huấn luyện, nghiên cứu nên rất có kinh nghiệm trong cả hoạt động thể thao lẫn phương pháp đào tạo. Năm 2022, bà chuyển hướng sang vai trò nhà sáng lập nền tảng Global AI Platform for Sports & Arts, phát triển từ dự án Victory Sports Academy (VSA).
Ban đầu, VSA được xây dựng theo mô hình đào tạo trực tuyến toàn cầu, kết nối học viên với những huấn luyện viên đẳng cấp thế giới. Mục tiêu của nền tảng là mở rộng khả năng tiếp cận kiến thức và chuyên môn huấn luyện, giúp người học có cơ hội tiếp nhận hướng dẫn chất lượng cao mà không bị giới hạn quá nhiều bởi khoảng cách địa lí.
Kể từ khi thành lập năm 2022, dự án từng bước phát triển và tích hợp sâu hơn công nghệ AI vào hoạt động đào tạo. Nền tảng hướng đến việc ứng dụng công nghệ để phân tích kĩ thuật, tối ưu hóa hiệu suất tập luyện và quản lí dữ liệu cho vận động viên cũng như nghệ sĩ trong hai lĩnh vực thể thao và nghệ thuật.
Sự chuyển hướng này phản ánh cách Drazdova nhìn nhận tiềm năng của công nghệ đối với quá trình phát triển năng lực cá nhân. Thay vì chỉ dừng lại ở mô hình kết nối người học với huấn luyện viên, nền tảng hướng đến việc sử dụng dữ liệu và AI để hỗ trợ đánh giá, theo dõi và cá nhân hóa quá trình đào tạo.
Từ kinh nghiệm của một vận động viên chuyên nghiệp đến vai trò nhà nghiên cứu và phát triển nền tảng công nghệ, Drazdova nhận thấy một vấn đề lớn trong thể thao hiện đại: vận động viên ngày càng có nhiều thông tin về bản thân nhưng lại thiếu một hệ thống đủ khả năng kết nối chúng.
Theo bà, một vận động viên hiện có thể biết mình ngủ như thế nào, nhịp tim ra sao, đã tập luyện bao nhiêu và thể hiện kĩ thuật thế nào trong buổi tập. Tuy nhiên, những thông tin này thường nằm ở nhiều nơi khác nhau. Bước đột phá thực sự sẽ đến khi các dữ liệu được kết nối để tạo nên bức tranh toàn diện về từng vận động viên.
Đây cũng là cơ sở cho định hướng ứng dụng AI mà Drazdova theo đuổi: không chỉ thu thập thêm dữ liệu, mà phải biến chúng thành thông tin có giá trị đối với quyết định huấn luyện.
Kết nối dữ liệu để hiểu toàn diện từng vận động viên
Trong thể thao hiện đại, việc theo dõi tình trạng vận động viên đã trở nên phổ biến. Một chiếc đồng hồ thông minh có thể ghi nhận nhịp tim và khả năng phục hồi. Ứng dụng trên điện thoại theo dõi chất lượng giấc ngủ. Các thiết bị đeo đo cường độ vận động, trong khi điện thoại lưu trữ hàng trăm video ghi lại quá trình tập luyện để phục vụ phân tích kĩ thuật.
Những công nghệ này giúp vận động viên có được lượng thông tin mà các thế hệ trước khó tiếp cận. Tuy nhiên, một vấn đề lớn vẫn tồn tại: dữ liệu thường nằm trong những hệ thống riêng biệt và chưa được kết nối với nhau.
Chẳng hạn, thông tin về giấc ngủ được lưu trên một ứng dụng, chỉ số phục hồi nằm trong nền tảng khác, còn video tập luyện được lưu trong điện thoại. Nhận xét của huấn luyện viên có thể chỉ tồn tại dưới dạng ghi chú hoặc trao đổi trực tiếp. Khi cần đánh giá toàn diện tình trạng một vận động viên, việc tổng hợp tất cả thông tin này trở thành công việc phức tạp.
AI có thể giúp giải quyết khoảng trống đó bằng cách kết nối và phân tích nhiều nguồn dữ liệu. Thay vì chỉ cung cấp thêm một thiết bị đo lường hoặc bảng điều khiển với hàng loạt chỉ số, công nghệ có thể tìm ra mối liên hệ giữa những yếu tố vốn ít khi được xem xét đồng thời.
Một buổi tập có kết quả không tốt, chẳng hạn, không nhất thiết xuất phát từ vấn đề kĩ thuật. Nguyên nhân có thể liên quan đến nhiều đêm ngủ không đủ, một giai đoạn tập luyện quá nặng hoặc lịch thi đấu dày đặc. Ngược lại, vận động viên có thể cảm thấy thể lực vẫn tốt nhưng một lỗi kĩ thuật lại âm thầm xuất hiện ngày càng thường xuyên trong nhiều tuần.
Nếu chỉ quan sát từng chỉ số riêng lẻ, huấn luyện viên khó phát hiện những mối liên hệ này. Khi kết hợp dữ liệu về vận động, phục hồi, giấc ngủ và lịch sử thành tích, bức tranh về tình trạng vận động viên có thể trở nên rõ ràng hơn.
Một số hướng tiếp cận tương tự đã xuất hiện trong thể thao đỉnh cao. Liên đoàn Bóng bầu dục Mỹ (NFL) phối hợp với Amazon Web Services phát triển hệ thống Digital Athlete, ứng dụng AI và học máy để xây dựng hồ sơ cá nhân hóa về trải nghiệm của các cầu thủ. Những chương trình thể thao chuyên nghiệp khác cũng đang thử nghiệm thị giác máy tính, cảm biến và phân tích video tự động.
Theo Drazdova, tương lai của AI trong thể thao không nằm ở việc tạo ra một bảng điều khiển với hàng trăm con số. Bà cho rằng không vận động viên hay huấn luyện viên nào cần phải liên tục theo dõi quá nhiều chỉ số. Giá trị của AI là xử lí sự phức tạp phía sau và chỉ đưa ra những thông tin thực sự đáng chú ý.
Cách tiếp cận này cũng thay đổi ý nghĩa của cá nhân hóa trong huấn luyện. Một chương trình tập luyện không chỉ được thiết kế dựa trên tuổi tác, thể trạng hoặc trình độ của vận động viên, mà còn cần tính đến chất lượng giấc ngủ, tình trạng phục hồi, lịch sử vận động và phản ứng của cơ thể trước từng giai đoạn tập luyện.
Hai vận động viên có thể thực hiện cùng một khối lượng bài tập nhưng phản ứng hoàn toàn khác nhau. Một người phục hồi tốt và tiếp tục tiến bộ, trong khi người còn lại có dấu hiệu suy giảm hiệu suất. Nếu chỉ dựa vào số giờ tập hoặc cường độ vận động, huấn luyện viên có thể bỏ qua những khác biệt quan trọng.
Khi dữ liệu được kết nối, hệ thống có thể giúp phát hiện những thay đổi bất thường và cung cấp thêm căn cứ để điều chỉnh chương trình phù hợp với từng người.
Từ phản ứng sau thành tích đến phát hiện vấn đề sớm
Một thay đổi quan trọng khác mà AI có thể mang lại là chuyển quá trình huấn luyện từ trạng thái phản ứng sang chủ động nhận diện vấn đề.
Trong phương thức truyền thống, huấn luyện viên thường điều chỉnh chương trình khi vận động viên đã xuất hiện dấu hiệu rõ ràng như thành tích chững lại, phong độ thiếu ổn định hoặc lỗi kĩ thuật trở nên nghiêm trọng. Khi đó, vấn đề có thể đã tồn tại trong một khoảng thời gian trước khi được phát hiện.
Với dữ liệu lịch sử đủ dài, các hệ thống AI có thể nhận diện những thay đổi nhỏ trước khi chúng trở thành vấn đề lớn. Chẳng hạn, hệ thống có thể phát hiện vận động viên không còn phản ứng với chương trình tập luyện như trước, một lỗi kĩ thuật xuất hiện với tần suất ngày càng cao hoặc thành tích liên tục thay đổi khi khối lượng vận động kết hợp với tình trạng phục hồi ở một mức nhất định.
Drazdova cho rằng điều đáng chú ý không phải là AI đưa ra thêm một điểm số, mà là khả năng nhận diện những mối liên hệ mà con người có thể bỏ sót, từ đó đưa ra lí do để huấn luyện viên xem xét kĩ hơn.
Dự báo ở đây không đồng nghĩa với việc phần mềm có thể biết chính xác điều gì sẽ xảy ra trong tương lai. Những tín hiệu từ dữ liệu chỉ nên được xem là cơ sở tham khảo để kiểm tra, đánh giá và đưa ra quyết định phù hợp.
Một hệ thống có thể nhận ra chất lượng giấc ngủ suy giảm cùng lúc với thành tích đi xuống, nhưng vẫn cần huấn luyện viên xác định nguyên nhân cụ thể. Đó có thể là lịch tập quá nặng, áp lực thi đấu hoặc một yếu tố khác chưa được ghi nhận.
Bởi vậy, AI có thể giúp quá trình huấn luyện chính xác hơn nhưng không thể thay thế hoàn toàn khả năng quan sát và kinh nghiệm chuyên môn. Một quyết định huấn luyện tốt không chỉ dựa trên các con số, mà còn phải tính đến tâm lí, sự tự tin, động lực và hoàn cảnh của vận động viên.
Với hướng phát triển này, công nghệ có thể trở thành một phần ngày càng quan trọng trong môi trường tập luyện, hỗ trợ cả vận động viên lẫn huấn luyện viên theo dõi tiến trình và nhận diện những vấn đề cần ưu tiên.
Thành công của công nghệ thể thao trong tương lai vì thế có thể không được quyết định bởi số lượng thiết bị mà vận động viên sử dụng, mà bởi khả năng kết nối những công cụ đó thành một hệ thống hiểu rõ từng cá nhân. Khi thông tin được đặt trong đúng bối cảnh, huấn luyện viên có thêm cơ sở để phát hiện vấn đề sớm, còn vận động viên có thể điều chỉnh quá trình phát triển phù hợp hơn với chính cơ thể mình.