Dlaczego to tyle trwa?

[yacool]

Z Katowic masz blisko do Bielska do chłopaków z Rehaformy. Byli u mnie w czerwcu na warsztatach i dużo czasu poświęciliśmy bieganiu powięziowemu. Nagrałem z tego kilka filmików. Warto ich odwiedzić. Są w temacie biomechaniki biegu i wiedzą czym się zajmuję.

[Mossar]

Aktualnie dla mnie priorytetem było znaleźć kogoś bardzo blisko, bo wcześniej jeździłem do Galen Rehabilitacja 30min w jedną stronę. Na jedną, dwie wizyty okej, ale w aktualnym momencie mojego życia jakieś regularne wizyty z godzinnymi dojazdami nie bardzo mi pasowały. Jeśli teraz mi ten fizjoterapeuta spasuje to mógłbym z nim trochę dłużej popracować.

A Twoje filmy regularnie przeglądam. W sumie jak jakiś inny świat. W opozycji do tych wszystkich pseudomądrych artykułów, ściągających z siebie nawzajem, mówiących o kolanach w linii ruchu, lądowaniu pod środkiem ciężkości, stopach równolegle, a u Ciebie to wygląda zupełnie inaczej, a podopieczni świetnie biegają. O kolanach już mówiłeś, ale ciekawi mnie kwestia stóp na zewnątrz. W internecie i chyba nawet w "Gotowy do biegu" jest to określane jako kaczy chód i coś czego się trzeba oduczyć. A, przynajmniej tak to wygląda na filmach, wiele osób u Ciebie ma, w momencie kontaktu z podłożem, stopy trochę na zewnątrz. To jest, rozumiem, w zupełności poprawne? U Zielonego Keniola np. tego nie widziałem.

[yacool]

Obserwowanie geometrii jest punktem wyjścia. To jednak dopiero początek próby zrozumienia tego, co dzieje się z tkankami. Z czasem okazuje się, że najważniejsze jest odczuwanie sztywności fazy podporu. Słowa kluczowe to ryglowanie stawów, kontrujące rotacje, albo inaczej bierne zwarcie, jak już wcześniej o tym pisałem lub pasywne gromadzenie potencjału sprężystości w tkankach (global elastic recoil). Przy indywidualnej anatomii i geometrii te zjawiska mogą występować z różnym nasileniem, dając różne siły wybicia od podłoża. Tutaj całkiem dobry przykład działania tych mechanizmów. Widać to (chwilowe usztywnienie całego ciała w fazie podporu) przede wszystkim obserwując ruch w płaszczyźnie czołowej. Warto porównać ten bieg do biegu Bekele z Berlina w 2019 z ostatnich kilometrów maratonu. Geometria jest różna, ale to jest ten sam mechanizm działania.
Najczęściej jednak te zjawiska nie występują i wtedy zastępowane są klasyczną pracą mięśniową, niestabilną miednicą, miękką fazą podporu i bardzo niewydajnym ruchem. Praktycznie cały świat amatorski na tym funkcjonuje.

[Mossar]

Dobra, byłem i pokażę Wam coś, bo uważam, że to ciekawa sprawa. Tzn. moim zdaniem mój przykład pokazuje, że można robić i codziennie rolowania i rozciągania, ale jak nie dojdziesz do sedna sprawy, które może być dla laika zupełnie niezauważalne albo po prostu nasz mózg to pomija. Fizjo po znalezieniu prawdopodobnego źródła problemu, zupełnie pominął moje stopy i tylną taśmę, bo można by nad nią pracować tak w nieskończoność, a problem i tak by wracał.

Mianowicie, okazało się, że stoję pochylony do przodu. Ale nie w barkach czy szyi, a bardziej w okolicy bioder. No i przejrzałem sobie moje zdjęcia i dopiero teraz zauważam jak bardzo to widać:
2020: https://instagram.fktw1-1.fna.fbcdn.net ... e=5F8CCE44
2018: https://instagram.fktw1-1.fna.fbcdn.net ... e=5F8E6B14

Tak więc przede mną głównie praca nad stabilizacją centralną i ewentualnie znalezienie momentu, w którym moje ciało zaczęło się tak przechylać.

[Świeżak]

Nie próbuję sprzedawać rozwiązania uniwersalnego, ale mi fizjo powiedział że widział już wiele przypadków osób u których problemy ze stopami i sylwetka "na narciarza" wynikały z niedorozwoju mięśni pośladkowych. Można to relatywnie prosto naprawić przy pomocy ćwiczeń z taśmami (taśma na kolana i robisz wykroki w bok, można też stanąć na jednej nocy i odwodzić nogę w bok - wtedy ćwiczysz oba pośladki na raz).

Z ciekawości, jakie ćwiczenia dostałeś w ramach zaleceń?

[Mossar]

Nie dostałem konkretnych ćwiczeń, a zalecenie zapisania się do trenera przygotowania motorycznego z tej samej placówki w celu przygotowania planu treningowego i analizy mojego biegu. Fizjo przez tą godzinę skupiał się na znalezieniu problemu i pracy manualnej. Na pewno trochę to potrwa, ale wolę się poskładać do kupy i potem biegać w miarę bez problemów niż kontynuować miesiącami bieganie w kratkę.

[Świeżak]

Rozumiem. To niezależnie od zaleceń fizjo i tak polecam wzmacnianie pośladków - zaszkodzić to nie może (przynajmniej u relatywnie zdrowej osoby), czasu zajmuje niewiele, a korzyści potrafią być naprawdę wymierne i szybko dostępne.

[yacool]

Samo wzmacnianie pośladków to za mało, a jeśli trzeba czekać niewiele czasu na efekt, to tym bardziej może to być niewystarczające, żeby przełożyło się na szybsze bieganie.
https://youtu.be/KWVJ8X2djtE?t=245
Van Niekerk (tor 4) vs Zalewski (tor 2).
Widać bardzo dobrze rotację wewnętrzną uda (zachodzącą na fazę zakroczną) u rekordzisty świata i brak tego ruchu u naszego sprintera. Zresztą reszta stawki też pozostawia do życzenia. U Zalewskiego trajektoria uda w podporze zakreśla tor w zasadzie tylko w płaszczyźnie strzałkowej, a więc jest zgięcie i wyprost biodra. U Van Niekerka trajektoria uzupełniona jest dodatkowo o wkręcenie i odkręcenie uda.
Nie chodzi więc o wzmacnianie pośladków, ale ich mobilizację i taki trening motoryczny, żeby rozciągały się dodatkowo rotując do wewnątrz w trakcie dużych przeciążeń fazy podporu. Jak to zrobić skoro większość ludzi tego nie dostrzega? To jest problem zarówno u trenerów przygotowania motorycznego jak i fizjoterapeutów, którzy taką mobilność uznają za nieprawidłowość i utożsamiają z koślawieniem. Tymczasem tak właśnie wygląda ryglowanie stawów w pełnym zakresie ich możliwości skrętnych i przestrzenny ruch kości udowej.

[Mossar]

Zawsze jak czytam Twoje posty to zastanawiam się czy to może być kierunek dla takiego klasycznego amatora czy jest to sposób pracowania nad ciałem zarezerwowany dla ambitnych amatorów i zawodowców. Czy rotacje, o których piszesz, ryglowanie i praca nad powięzią może coś dać amatorowi, który jest na etapie osłabionych pośladków, spiętej tylnej taśmy i zerowej pracy core'u? Wspominasz w filmach o takich naturalnych talentach do sprężynowania, którzy właściwie dopiero zaczęli biegac i już widac u nich potencjał.

Co do mojej sytuacji to jestem dobrej myśli. Wydaje mi się, że diagnoza fizjo jak najbardziej może mieć sens, jednocześnie czekam już na zarezerwowana wizytę/trening u Michała Pietrzaka, bo na papierze wygląda to ciekawie.

[yacool]

Nie jest aż tak ważne, czy z tego skorzystasz, czy nie. Ważne jest zrozumienie i dalsze odkrywanie tajemnic jakie kryje wciąż bieganie. Na twoje pytania można znaleźć odpowiedź prawdopodobnie tylko poprzez osobiste zaangażowanie i indywidualne poszukiwania. Nie widzę jak na razie innej możliwości, ale może za kilka lat pojawi się jakaś przełomowa koncepcja, dzięki której znajdziesz odpowiedź.

[Sikor]

W pewnym sensie za każdą analizą big data czy jakichkolwiek danych stoi jakiś algorytm. Nawet jeśli to już jakieś istniejące od lat narzędzie pomagające programiście w analizie big data to jest to wciąż algorytm i sądzę, że hipotetyczny programista Garmina będzie musiał napisać jakąś logikę, która coś z tym big data zrobi. Nie siedzę w big data, ale programuję aplikacje internetowe bazując często na bazach danych. Pisałem algorytm, który analizował aktywność wszystkich ludzi w Aquaparku i na podstawie tego decydował, do którego stanowiska Cię wysłać. I mimo, że miałem tych wszystkich gości Aquaparku to musiałem jakoś te dane obrobić, wyciągnąć z nich jakiś programistyczny wniosek.

To jest klasyczne podejscie do algorytmow. W niektorych zastosowaniach jest swietne, w innych slabe.
Do takiej analizy danych, o ktorej tu mowa potrzebne jest uczenie maszynowe, w ktorym "programista" okresla algorytmy uczenia sie,
ale "maszyna" uczy sie dalej sama dostosowujac swoje dzialanie na podstawie danych (tutaj jakosc danych uczacych jest kluczowa).

AlphaGo Master uczyl sie wlasnie w ten sposob i pokonala arcymistrza 3:0.

Nastepnym krokiem bylo/jest AlphaGo Zero, ktore nie majac nawet tych danych o rozegranych partiach przez ludzi (jakie miala wersja Master),
uczylo sie grac w GO grajac przeciwko sobie i w ciagu 40 dni przeskoczyla wszystkie wczesniejsze programy grajace w GO.

[Świeżak]

W pewnym sensie za każdą analizą big data czy jakichkolwiek danych stoi jakiś algorytm. Nawet jeśli to już jakieś istniejące od lat narzędzie pomagające programiście w analizie big data to jest to wciąż algorytm i sądzę, że hipotetyczny programista Garmina będzie musiał napisać jakąś logikę, która coś z tym big data zrobi. Nie siedzę w big data, ale programuję aplikacje internetowe bazując często na bazach danych. Pisałem algorytm, który analizował aktywność wszystkich ludzi w Aquaparku i na podstawie tego decydował, do którego stanowiska Cię wysłać. I mimo, że miałem tych wszystkich gości Aquaparku to musiałem jakoś te dane obrobić, wyciągnąć z nich jakiś programistyczny wniosek.

To jest klasyczne podejscie do algorytmow. W niektorych zastosowaniach jest swietne, w innych slabe.
Do takiej analizy danych, o ktorej tu mowa potrzebne jest uczenie maszynowe, w ktorym "programista" okresla algorytmy uczenia sie,
ale "maszyna" uczy sie dalej sama dostosowujac swoje dzialanie na podstawie danych (tutaj jakosc danych uczacych jest kluczowa).

AlphaGo Master uczyl sie wlasnie w ten sposob i pokonala arcymistrza 3:0.

Nastepnym krokiem bylo/jest AlphaGo Zero, ktore nie majac nawet tych danych o rozegranych partiach przez ludzi (jakie miala wersja Master),
uczylo sie grac w GO grajac przeciwko sobie i w ciagu 40 dni przeskoczyla wszystkie wczesniejsze programy grajace w GO.

Wiem że to dygresja, ale nie lubię kaleczenia tematów (nawet pobocznych) przez wypowiadanie się na nie bez wystarczającej wiedzy. To wprowadza w błąd, zupełnie niepotrzebnie. AlphaGo Master i AlphaGo Zero korzystają z dokładnie takich samych typów algorytmów, różnią się jedynie tym że AG0 nie korzystał z sieci neuronowej "przetrenowanej" na ludzkich grach, czyli tak jak mówisz nie miał dostępu do żadnej "ludzkiej" wiedzy na temat Go. Zasada działania obu programów (i mechanizm dzięki któremu ich siła wzrastała wraz z "treningiem", czyli kolejnymi partiami rozegranymi z "samym sobą" - a dokładniej drugą instancją tego samego programu) jest jednak taka sama.

Nie do końca rozumiem szukanie na siłę roli jakiejś "siły wyższej" która czai się za algorytmami określanymi zbiorczo jako AI. Prawda jest taka, że już praca na ogromnych wolumenach danych (przy pomocy relatywnie "starych", a przynajmniej istniejących już metod ilościowych) może otworzyć nam drzwi do wniosków, których wcześniej (w dobie badań opierających się na małych próbkach) nie dało się wyciągnąć. Nie potrzeba nam do tego jakichś "cudownych" algorytmów czy Generalnej Sztucznej Inteligencji która umie grać w każdą grę i leczyć raka. Ogromnym krokiem naprzód może być już analiza pomiarów wysiłków milionów ludzi, którzy korzystają ze wszelkich "amatorskich" urządzeń typu opaski do mierzenia HR.

[Sikor]

Wiem że to dygresja, ale nie lubię kaleczenia tematów (nawet pobocznych) przez wypowiadanie się na nie bez wystarczającej wiedzy. To wprowadza w błąd, zupełnie niepotrzebnie. AlphaGo Master i AlphaGo Zero korzystają z dokładnie takich samych typów algorytmów, różnią się jedynie tym że AG0 nie korzystał z sieci neuronowej "przetrenowanej" na ludzkich grach, czyli tak jak mówisz nie miał dostępu do żadnej "ludzkiej" wiedzy na temat Go. Zasada działania obu programów (i mechanizm dzięki któremu ich siła wzrastała wraz z "treningiem", czyli kolejnymi partiami rozegranymi z "samym sobą" - a dokładniej drugą instancją tego samego programu) jest jednak taka sama.

No nie tylko. W AlphaGo Zero zrezygnowano rowniez z metody Monte Carlo.
Tak czy owak Master uczyl sie na duzym zbiorze danych wprowadzonym z zewnatrz, a Zero nie.
Ta roznice staralem sie podkreslic. Nie wiem, gdzie tu wprowadzalem w blad.

Nie do końca rozumiem szukanie na siłę roli jakiejś "siły wyższej" która czai się za algorytmami określanymi zbiorczo jako AI. Prawda jest taka, że już praca na ogromnych wolumenach danych (przy pomocy relatywnie "starych", a przynajmniej istniejących już metod ilościowych) może otworzyć nam drzwi do wniosków, których wcześniej (w dobie badań opierających się na małych próbkach) nie dało się wyciągnąć. Nie potrzeba nam do tego jakichś "cudownych" algorytmów czy Generalnej Sztucznej Inteligencji która umie grać w każdą grę i leczyć raka. Ogromnym krokiem naprzód może być już analiza pomiarów wysiłków milionów ludzi, którzy korzystają ze wszelkich "amatorskich" urządzeń typu opaski do mierzenia HR.

To wszystko "zalezy" jakiego typu analizy trzeba przeprowadzic.
Analize duzych zbiorow danych robi sie nie od dzisiaj (warehousing od ponad 20 lat to robi),
jednak system ekspercki/decyzyjny to juz jednak inny poziom zlozonosci.
Pisanie takich algorytmow "klasycznie" jest koszmarem i mysle, ze kazdy, kto programuje temu przytaknie.

[przemekEm]

99% algorytmów wygląda jednak tak jak na obrazku możliwe że to koszmarnie wygląda, ale zabawy w sieci uczące się, to kupa roboty i przeważnie łatwiej jest jednak zastosować klasyczne podejście.

[Świeżak]

Nie wiem, gdzie tu wprowadzalem w blad.

Spieszę z wyjaśnieniem, przy czym już na wstępie mówię że to będzie mój ostatni post w tym wątku, bo to nie forum programistyczne tylko forum o bieganiu (alternatywnie: wydzielmy sobie wątek w dziale Techno, w którym będziemy dyskutować o analizie danych w kontekście biegania, to w sumie ciekawe zagadnienie ).

Stwierdzenia które mogą moim zdaniem wprowadzać w błąd:

Analize duzych zbiorow danych robi sie nie od dzisiaj (warehousing od ponad 20 lat to robi),
jednak system ekspercki/decyzyjny to juz jednak inny poziom zlozonosci.
Pisanie takich algorytmow "klasycznie" jest koszmarem i mysle, ze kazdy, kto programuje temu przytaknie.

oraz

To wszystko "zalezy" jakiego typu analizy trzeba przeprowadzic.
Analize duzych zbiorow danych robi sie nie od dzisiaj (warehousing od ponad 20 lat to robi),
jednak system ekspercki/decyzyjny to juz jednak inny poziom zlozonosci.
Pisanie takich algorytmow "klasycznie" jest koszmarem i mysle, ze kazdy, kto programuje temu przytaknie.

Wydaje mi się że budujesz trochę taki mit programu, który sam z siebie staje się genialny i powstał w jakiś inny - "nieklasyczny" - sposób. Prawda jest jednak taka, że:

1. Zarówno AlphaGo Master i AlphaGo Zero to programy które korzystały z reinforcement learning'u, czyli w uproszczeniu grania z samym sobą oraz z głębokich sieci neuronowych, i to to właśnie jest kluczem do uzyskania przez nie wyższego poziomu zaawansowania niż wcześniejsze programy.
2. Zarówno AGM i AG0 mają komponenty architektoniczne które ktoś musiał wybrać, zaprogramować, to nie tak że jedna z wersji programu jest w całości "samostworzona". To że AG0 nie korzysta z MTCS nie czyni go bardziej nieludzkim, bo MTCS to mówiąc w uproszczeniu losowanie kolejnych ruchów i zliczanie kto ile razy wygrał rozgrywkę po badanym ruchu - nic nadludzkiego. Nie ma tutaj żadnego "nieklasycznego" pisania algorytmów, w AG0 zastąpiono jeden komponent modelu (element oceniający jakość danego ruchu opierał się w AGM na MTCS, w AG0 na sieci neuronowej) drugim, ale nadal ktoś musiał go napisać i wytrenować. Nic tu się niezwykłego nie zadziało.
3. Cały fenomen tych programów opiera się na tym, że różnego rodzaju gry (na takich właśnie problemach skupiły się programy Alpha od DeepMind) to zamknięte (ze względu na reguły), dobrze zdefiniowane układy w których działanie programu sprowadza się do wyboru najbardziej optymalnego ruchu dla danej sytuacji na planszy, przy czym wyboru ruchów uczy się na podstawie wygenerowanych (w ramach gry z "samym sobą") pozycji i ostatecznych wyników rozegranych gier. W wypadku takich problemów program może uczyć się nowych wzorców na podstawie eksploracji pewnych możliwości na podstawie wytworzonych danych.

Absolutnie kluczowy jest tu właśnie punkt 3 - nauka gry w grę jest zgoła inna od zrozumienia treningów biegowych, ponieważ bieganie (albo szerzej - rozwój wydolnościowy na podstawie bodźców treningowych opartych na treningach biegowych) to nie jest zamknięty układ który dobrze zdefiniowaliśmy przy pomocy programowalnych zasad. Jest mnóstwo czynników zewnętrznych dla treningu, tak jak choćby to że różne grupy etniczne mają inne charakterystyki organizmów. Taka charakterystyka organizmu jest potężnym układem zmiennych samym w sobie. Kolejny problem to fakt, że problem znalezienia optymalnego planu treningowego nie ma charakteru gry - brak w nim jasno określonego wyniku, optimum. To czego można tutaj szukać to jakieś wzorce jak chodzi o dynamikę wydolności w zależności od bodźców treningowych, ale taki program który miałby ten problem rozwiązać nie miałby możliwości generowania nowych danych (tak jak w wypadku reinforcement learning'u i programów AlphaGo). No i w końcu, w wypadku problemu oceny jednostek treningowych na wydolność mamy doczynienia z ograniczonym zbiorem danych - program nie ma możliwości dogenerowania sobie nowych danych, bo nie ma jak zasymulować odpowiedzi ludzkiego organizmu na jednostkę treningową.
Summa summarum, nawiązywanie do tego że jakaś wersja programu do gry w Go która nie korzystała z ludzkich gier do rozwoju swojej sieci neuronowej służącej do oceny ruchów okazała się w długim horyzoncie czasowym lepsza od wersji która uczyła się gry na podstawie ludzkich gier ma... bardzo niewielkie przełożenie na domenę biegania, przynajmniej moim zdaniem.

Wydaje mi się że należy po prostu jasno podkreślić, że nie jesteśmy na takim etapie, że jakiś algorytm to jakiś nadludzki byt puszczony w samopas - programowanie nawet najbardziej zaawansowanych modeli nadal sprowadza się do manipulowania parametrami dobrze znanych algorytmów.

To co wydaje mi się niedocenianym przez ludzi aspektem obecnego stanu rzeczy, jest dostęp do przeogromnej liczby danych na temat treningów biegowych i ich wpływu na ludzką wydolność. Jasne, zgadzam się z Tobą - analiza dużych zbiorów danych to nic nowego bo data warehousing robi się od 20+ lat. To czego z pewnością jednak 20 lat temu nie było to cyfrowe wersje treningowych dzienniczków milionów biegaczy z całego świata, wraz z danymi opisującymi ich wydolność (ich jakość będzie tylko wzrastać, myślę że co do tego nie ma wątpliwości). To jest prawdziwa kopalnia wiedzy, i wydaje mi się że to nie hiper-zaawansowane algorytmy będą kluczem do wytyczenia nowych kierunków w badaniu ludzkiej wydolności i wpływie różnych bodźców na przeciętny organizm, ale właśnie dostęp do wspomnianych wyżej danych.

Kończąc już ten przydługi post - najważniejsze jest chyba czerpanie z biegania przyjemności poprzez podążanie swoją (niekoniecznie optymalną) biegową ścieżką! Miłego weekendu!