穿戴科技（Wearable Technology）無疑是現今全球運動與科技業發展的重點，它不僅改變人們運動的習慣也帶來龐大的商機。然而，穿戴科技並非一帆風順，也曾遇到瓶頸並一度退燒。根據美國運動醫學會（American College of Sports Medicine，ACSM）每年的全球健身趨勢調查（Worldwide Survey of Fitness Trends），穿戴科技在2016及2017年的預測趨勢都是第一名，初登場就引起熱潮並且非常看好。然而2017年後，穿戴式裝置使用量的成長遠低於先前的預測，使用量下降主要原因在於零售價格依舊過高，且缺乏使用需求的定位，智慧手錶與手環的棄用率分別為29%與30%，棄用原因包含使用者認為不實用、用膩了等因素，在在顯示穿戴退燒的狀況。因此在2018年的趨勢預測中，穿戴科技掉落到第三名，一度被認為已開始退潮，儘管2019年的趨勢預測中又回到第一名，但這樣的警訊仍需注意。由此可知，對於消費者來說，穿戴裝置要能夠吸引他們並持續使用的關鍵在於，持續提供新的「實用」且「易懂」的資訊。單純提供感測器所量測到的數據，例如心跳率、跑步速度…等，將不再能滿足消費者的期望。如何在既有的感測數據下，推算出新的「實用」且「易懂」的資訊是一個很大的問題，並且這個資訊是對運動者有應用「價值」的。
穿戴科技的瓶頸：
- 如何將感測器收集到的數據轉換成新的「實用」且「易懂」的資訊？
- 什麼資訊才是對運動者有應用「價值」的？
感測器結合AI，提供實用資訊
穿戴科技透過感測器以及使用者提供的資訊，可以取得多樣且龐大的資料，但因為這些資料混雜著各式各樣的訊息，會互相干擾而難以推算出有意義的資訊，這個問題困擾許多研究或研發人員，所幸這樣的問題因為與AI (Artificial Intelligence) 的結合而有所突破，這點從近年國際學術研討會的發表中可看出趨勢。筆者參加2019年國際生物力學研討會 (International Society of Biomechanics) 發現，過去此領域幾乎不曾出現AI，但在2019年的發表中，利用感測科技相關的發表文章中，已有不少結合AI進行數據分析，並解決過去研究者無法突破的瓶頸，例如透過IMU慣性感測器 (Inertial measurement unit) 來推算下肢負荷。由此可知，大數據結合AI能幫助我們推算出過去無法達到的成果，也是目前國際上的發展趨勢。
運動結合科學，創造資訊價值
儘管大數據可透過AI的方法來協助預測或演算重要的運動參數，但有了這些工具及技術後，我們應該要計算什麼參數？計算出來的參數代表什麼？知道參數的意義後要怎麼做？這些都必須回歸到運動科學，需要藉助運動科學領域的知識。換言之，什麼樣的資訊才是對運動者有「價值」的，必須要建構在運動科學專業上，針對不同的運動目的，例如促進健康、提升運動表現或預防傷害等，所需要的資訊都不同，這都需要專業的運動科學知識才能釐清，並萃取出「重要的」且「值得研發的」參數。由此再進一步藉由AI來輔助分析，藉此取得這些有「價值」的資訊。
結語
穿戴科技可提供使用者各式感測器直接量測到的數據與結果報表，然而僅單純提供感測器所量測到的數據，將不再能滿足消費者的期望。如何在既有穿戴科技所能收集到的大數據中，持續提出新的「實用」、「易懂」並且有「價值」的資訊則是要面臨的最主要問題。大數據的處理可透過AI的方式得到解套，而尋找有「價值」的資訊，則有賴於運動科學的介入。雖然產業與學術領域各自目的不同，但在穿戴科技的發展上，卻有著相同的共識，就是希望過去只能在實驗室利用昂貴儀器才能測得的數據，未來可以透過穿戴裝置來達到，讓運動科學可以落實在各種場域上，亦即「研究儀器走出實驗室，運動科學走進生活中」的概念。
加入會員看更多
