Trialoogi toimetaja
Spordikell võib pidada jooksja keha taastunuks isegi siis, kui too lõpetas eelmisel päeval ultramaratoni. Treeningplatvorm Kulg tahab selliseid möödalaskmisi vältida ning lähtuda sportlasse tegelikust seisundist, mistõttu ühendab see omavahel treeningandmed, teadusuuringud ja tehisaru.
Platvormi toote- ja tehisarusuunda juhib TalTechi tarkvararateaduse instituudi doktorant-nooremteadur Martin Tamm, kes on ühtlasi kogenud jooksja. See tuleb kasuks, kui tahta arendada tööriista, mis toetaks nii treenerit kui ka iseseisvalt harjutavat sportlast.
Sahtlisse jäänud rakendusele uus elu
TalTechis uurib Tamm digitaalse tootepassi kasutamist e-kaubanduses. Kulg köitis Tamme tähelepanu tänu tema enda jooksuhuvile, 13 aasta pikkusele treeningkogemusele ning kümne aasta jooksul äri- ja süsteemianalüütikuna omandatud teadmistele. „Kuigi digikaubandus ja sport on kaunis erinevad valdkonnad, läbivad mõlemat samasugused teaduslikud ja tehnoloogilised teemad: struktureeritud andmemudelid, andmete usaldusväärsus ja teadmuse eraldamine,“ tõdes ta.
Jooksukogemuse ja analüütilise mõtteviisi ühisel mõjul hakkas Tamm otsima täpsemat treeningute kavandamise moodust. Alustuseks asus ta arendama isiklikuks tarbeks tehisarule toetuvat lahendust. Selle eesmärk oli koostada talle teaduspõhine ja kohanemisvõimeline treeninguplaan, mis arvestas tema varasemaid treeninguid, koormust, taastumist ja tervisenäitajaid ning aitas hinnata, milline treening võiks konkreetsel päeval sobida.
Pärast valmimist jäi lahendus mõneks ajaks sahtlisse. Et seda turule viia, olnuks vaja turundusalaseid, majanduslikke ja ajalisi ressursse, mida tal parasjagu polnud.
2026. aasta veebruaris viis üks tuttav Tamme kokku platvormi Kulg meeskonnaga. Selgus, et ettevõte püüab lahendada sarnast probleemi: muuta treeningplaane teaduspõhisemaks ja isiklikumaks ning panna need sportlase arenguga paremini kohanema. „Kuna olin endale juba sellise rakenduse teinud, tundus meile mõistlik oma jõud ühendada. Eesmärk oli meil sisuliselt sama,“ ütles Tamm.
Kulg oli selleks ajaks jõudnud saada juba toimivaks tarkvaraplatvormiks, mis võimaldas treenereil koostada treeningplaane, analüüsida sportlaste andmeid ja hallata treeningrühmi. Tehisaru oli rakenduses juba mõningal määral kasutusel: see analüüsis eelnenud nädala treeninguid ning andis kokkuvõtteid ja tagasisidet.
Tamme liitumisega hakkas tehisaru roll platvormis laienema. Tema ülesandeks sai juhtida toote- ja tehisaruarendust, lisada platvormile enda loodud funktsionaalsust ning kasvatada selle teadmusbaasi.
„Kuna olin endale juba sellise rakenduse teinud, tundus meile mõistlik oma jõud ühendada. Eesmärk oli meil sisuliselt sama.”
Kulg platvorm ühendab treeningandmed, teadusuuringud ja tehisaru, et aidata treeneril ja sportlasel teha täpsemaid ning teaduspõhisemaid otsuseid. Foto: Kulg.io
Tehisaru toob teadusuuringud treenerini
Tamme sõnul ei ole treeneritel enamasti võimalik igapäevatöö kõrvalt tuhandeid teadusartikleid läbi töötada. Samal ajal täienevad treeningut, taastumist ja vigastuste ennetamist puudutavad teadmised pidevalt.
Uued uuringud võivad varasemaid soovitusi täpsustada või näidata, kuidas mõni kaua kasutatud meetod kõigile sportlastele siiski ei sobi. Treeneril on seetõttu keeruline jooksvalt jälgida, millised treeningpõhimõtted peavad endiselt paika ja millised on vahepeal ümber hinnatud.
Treeningplaanid põhinevadki sageli treeneri kogemusel ja aastatega välja kujunenud meetoditel. „Paljud neist lähtuvad endiselt Nõukogude Liidust pärit mentaliteedist, et rohkem on alati parem. Tegelikult ei ole aga vaja alati rohkem treenida, vaid treenida tuleb õigesti ja tuleb vältida vigastusi,“ ütles Tamm.
Kulg püüab seda lünka tehisaruagentide abiga täita. Teadmusbaasi agent on Tamme sõnul analüüsinud poole aasta jooksul üle 2200 jooksu ja treeningutega seotud teadusartikli ning aidanud valida välja rakenduse jaoks olulise info ning hoida teadmusbaasi uute uuringute toel ajakohasena. „Ükski tavainimene ega treener ei jõuaks sellisel hulgal teadusartikleid läbi töötada,“ märkis Tamm.
Tamm selgitas, et „süsteem filtreerib ja struktureerib üksnes kõrge kvaliteedistandardiga teadusuuringuid, eraldades uuringute hulgast otsekohe tõenduspõhised ja füsioloogilised, organismi toimimist kirjeldavad seosed. Kulg haldab teadmusbaasi, mille raamistik hõlmab lisaks füsioloogilistele parameetritele ka kognitiivset treeningut käsitlevate teadusuuringute analüüsi.“
Kuna vaimne väsimus pärsib otseselt füüsilist sooritusvõimet ja tajutavat pingutust, ühendab süsteem Tamme sõnul kognitiivse koormuse uuringud füsioloogiliste näitajatega ning toetab seeläbi sportlase arengut terviklikult.
Tehisaru saab treenerit ja sportlast aidata vaid siis, kui süsteem tunneb piisavalt teadusuuringuid ning teab võimalikult täpselt sportlase tausta. Platvormi agendid seovad teaduskirjanduse materjali treeningu-, tervise- ja taastumisandmetega, et soovitused ei põhineks ainult üldistel reeglitel või kellegi sisetundel. Nii aitab süsteem hinnata, kas tänane treening sobib, kas koormus on kasvanud liiga kiiresti või tuleks treeningukoormust vähendada.
„Paljud neist lähtuvad endiselt Nõukogude Liidust pärit mentaliteedist, et rohkem on alati parem. Tegelikult ei ole aga vaja alati rohkem treenida, vaid treenida tuleb õigesti ja tuleb vältida vigastusi.”
Tamme sõnul ei jõua treenerid igapäevatöö kõrvalt pidevalt täieneva teaduskirjandusega sammu pidada. Seetõttu on keeruline jälgida, millised treeningpõhimõtted kehtivad endiselt ja millised on uute uuringute põhjal ümber hinnatud. Foto: Erakogu
Igaühele oma treening
Kulg annab suurimat kasu Tamme sõnul seetõttu, et rakendus ei käsitle kõiki jooksjaid ühesugustena. Sama tempo või distants võib olla ühele kerge ülesanne, teisele aga väga suur pingutus.
Tamm tõi näiteks võistluse, mille ajal jooksis ta koos Eesti tippjooksja Tiidrek Nurmega. Sarnase tempo juures oli Nurme pulss umbes 150, Tammel aga 186 lööki minutis. „Iga inimene on unikaalne ja see tähendab, et ka treeningplaanid peavad olema väga erinevad,“ ütles Tamm.
Seetõttu peab Kulg tundma sportlase tausta: vanust, pikkust, kaalu, treeninguajalugu, eesmärke, sporditesti tulemusi, puhkeaja pulssi, maksimaalset pulssi, kehakoostist ja isiklikke treeningutsoone. Rakendus saab kasutada ka spordikella kogutud une-, pulsi- ja taastumisandmeid ning filtreerida spordiarsti aruandest treeningu jaoks olulise info.
Taastumist hinnates on üks tähtsamaid näitajaid uni. Tamme meelest on selge, et „kui inimene on mitu ööd vaid neli-viis tundi maganud, ei pruugi raske lõigutrenn olla mõistlik isegi siis, kui plaan seda ette näeb. Kulg peaks sellises olukorras sportlast või treenerit riskist teavitama ja soovitama koormust vähendada.“
Üksikute tervisenäitajate põhjal tehtud soovitused võivad mõnikord eksitada. Tamm tõi näiteks spordikella, mis soovitas ultramaratoni lõpetanud inimesele järgmiseks päevaks pikemat jooksu, sest näitajad viitasid justkui taastumisele. Seetõttu pole numbrid piisavad: süsteem peab teadma ka sportlase varasemat koormust ja treeningute sisu.
„Kui inimene on mitu ööd vaid neli-viis tundi maganud, ei pruugi raske lõigutrenn olla mõistlik isegi siis, kui plaan seda ette näeb. KULG peaks sellises olukorras sportlast või treenerit riskist teavitama ja soovitama koormust vähendada.”
KULGi suurim eelis on Tamme sõnul see, et rakendus arvestab iga jooksja võimekusega. Tamm (fotol vasakul) tõi näiteks võistluse, mille ajal jooksis ta koos Eesti tippjooksja Tiidrek Nurmega (fotol keskel). Sarnase tempo juures oli Nurme pulss umbes 150, Tammel aga 186 lööki minutis. Foto: Erakogu
Tark soovitus algab sportlase tundmisest
Treeningplaani võib küsida ka tavaliselt generatiivselt tehisarult, näiteks ChatGPT-lt. Tamme hinnangul kaasneb sellega aga oluline risk: keelemudel ei tunne automaatselt inimese viimaste kuude treeninguid, terviseseisundit, taastumist ega vigastusi.
Samuti ei pruugi see pika vestluse jooksul kõiki varem antud üksikasju meeles pidada: „Suurim oht väljendub selles, et keelemudel ei tea inimese konteksti. Kasutaja võib arvata, et mudel peab kõike meeles, kuigi tegelikult ei vasta see tõele.“
Kulg koondab iga sportlase treeningu-, tervise- ja taastumisandmed püsivasse profiili. Tänu sellele saab süsteem anda soovitusi pikema perioodi, mitte ainult ühe vestluse põhjal.
Kui vajalikku infot napib või soovitusel puudub teaduspõhine alus, ei tohiks tehisaru oletada, vaid peaks küsima täpsustavaid andmeid. „Kulg on lahendus, mis ei hoia kogu sportlase ajalugu ühes hiiglaslikus vestlusaknas. Selle asemel otsib süsteem andmebaasist iga päringu jaoks sekunditega välja just parajasti vajaliku info.“
Tamme sõnul arendab platvormi meeskond praegu tehisaru loodud treeningplaane ja vestlusabilist. Kasutaja saaks abilisele teatada näiteks haigestumisest, reisist või pikemast treeningupausist ning süsteem soovitaks, kuidas koormust enne pausi ja pärast treeningute juurde naasmist kohandada. „Edaspidi peaks rakendus arvestama jooksvalt ka une-, pulsi- ja taastumisandmetega ning hoiatama, kui kavandatud treening ei vasta sportlase tegelikule seisundile,“ rääkis Tamm.
Kulg ei kavatse treenerit välja vahetada, vaid soovib aidata tal võtta vastu teadlikumaid otsuseid. Sportlase jaoks võiks see tähendada täpsemat treeningut, väiksemat vigastuste riski ning paremat arusaamist, millal pingutada ja millal puhata.
„Suurim oht väljendub selles, et keelemudel ei tea inimese konteksti. Kasutaja võib arvata, et mudel peab kõike meeles, kuigi tegelikult ei vasta see tõele.“
