Kunstmatige intelligentie, of AI, verovert in rap tempo haar plek in de wielerwereld. Waar AI ooit vooral tot de verbeelding sprak in sciencefictionfilms, zie ik het nu overal terug: op het parcours, in trainingsschema’s én achter de schermen bij ploegleiders en materiaalspecialisten. Of je nu een fanatieke wielertoerist bent of een prof die elke seconde uit de benen wil persen—AI nestelt zich steeds dieper in alle facetten van het leven, en dus ook in de fietssport.
In dit artikel leg ik uit wat AI precies is, werp een blik op de keerzijden van deze technologische vooruitgang en bespreek verschillende relevante ontwikkelingen die het wielrennen op dit moment veranderen. Hoe zal AI jouw manier van fietsen en genieten van de sport verder beïnvloeden?
Wat is AI nu eigenlijk?
Kunstmatige intelligentie, kortweg AI, is een verzamelterm voor technologieën die digitale systemen in staat stellen om te ‘leren’ van data, patronen te herkennen en zelfstandig beslissingen te nemen zonder dat daar voor elke stap expliciete instructies voor nodig zijn. Waar traditionele vormen van automatisering vaak draaien om het uitvoeren van voorgeprogrammeerde taken in de vorm van “als-dan” kan AI ook leren van nieuwe omstandigheden en zijn aanpak aanpassen.
Een simpel voorbeeld is een thermostaat. Traditionele automatisering met een “Als-Dan” wijze van programmeren zal zeggen dat ALS de temperatuur onder de 18 graden komt dat DAN de verwarming aan moet gaan. Een AI systeem heeft diezelfde opdracht maar is slim genoeg om zelf even het weerbericht erbij te pakken en ziet dat er straks een heerlijk najaarszonnetje op de ramen komt en weet dus dat het huis sowieso wel op gaat warmen door de zon en zal de verwarming uitlaten. Maar als het in diezelfde situatie grijs en regenachtig was dan had hij de verwarming wel aangezet. Zo’n systeem leert ook bij van jouw gedrag en patronen en voorkeuren, dat is ook iets wat traditionele automatisering niet doet.
Hoe werkt dat AI dan?
AI klinkt heel complex en indrukwekkend maar voor de gebruiker is het niet super lastig. Je praat tegen AI door middel van zogenaamde prompts. Ga bijvoorbeeld eens naar Grok, ChatGPT of Copilot en begin maar gewoon te chatten. Het was je wellicht al opgevallen maar vrijwel alle tekst die je tot nu toe in dit artikel gelezen hebt is geschreven door AI en ik zal je meenemen in hoe ik dat gedaan heb.
In dit geval heb ik Microsoft Copilot gebruikt en de volgende prompt meegegeven.
Afhankelijk van hoe tevreden ik ben met uitkomst kan ik AI feedback geven. Dat kan ik doen door de prompt verder aan te vullen of door een duimpje omhoog of naar beneden als feedback te geven. Zo leert het systeem dus van mijn voorkeuren en met iedere prompt die ik schrijf word ik beter in uitleggen wat ik wil, maar het systeem gaat ook beter leren om op mijn wensen in te spelen.
Ga vooral zelf eens met één van de grote AI aanbieders te experimenteren. Heb je een pijntje tijdens het trainen? Heb je moeite met bepaalde inspanningen? Heb je behoefte aan een aantal goede intervalschema’s. Vraag het eens aan AI en leer jezelf prompten.
De keerzijde van AI
AI baseert zijn antwoorden vooral op data die beschikbaar is. Veel grote sociale media platforms hebben de afgelopen jaren enorme hoeveelheden data over menselijk gedrag en communicatie verzamelt en die data wordt nu gebruikt in die AI systemen.
Waarschuwing 1 is dus dat je op het internet vaak niet afrekent met geld maar met jouw privé data. Waarschuwing 2 is dat het risico van “data bias”. We hebben het dan over bevooroordeelde data en dat is een risico dat niet alleen voorkomt in AI maar ook in andere vormen van dataverzameling en verwerking. Denk aan data die verzekeraars gebruiken om risicoprofielen te maken. Er zijn verzekeraars die jou een korting op je premie geven als je met een black-box in de auto rijdt die jouw rijgedrag monitort. Over het algemeen zullen alleen de chauffeurs die van zichzelf weten dat ze heel voorzichtig en beheerst rijden voor die optie kiezen en daarmee wordt de normdata gevormd door de meest voorzichtige mensen. Dat is een beetje hetzelfde als de renners uit de Tour de France als basis nemen voor een gezondheidsprofiel en daar dan de rest van de bevolking tegenaan houden.
Op een bepaalde manier gebeurd dat natuurlijk ook al. Veel gezondheidsdata van platformen als Garmin en Strava bevatten vooral data van mensen die redelijk fanatiek sporten. Mijn buurman met 40kg overgewicht loopt niet met zijn Garmin smartwatch om en legt zijn wandeling naar de koelkast niet vast op Strava. Als de lezers van ons blad de norm voor fitheid gaan vormen heeft een groot deel van Nederland een acuut probleem.
Dat maakt dus ook dat je altijd waakzaam moet zijn op de adviezen die je krijgt van AI. Waarom krijg je het antwoord dat je krijgt? Op welke data baseert het zijn antwoord? Neem e.e.a. dus met een korrel zout en neem dingen niet zonder meer voor waarheid aan. Maar ga vooral proberen wat AI voor jou kan betekenen op de fiets. Ik geef je vast 4 concrete voorbeelden.
4 concrete toepassingen in het fietsen
1. Trainingschema’s
AI is bij uitstek geschikt om flexibele trainingschema’s te maken. Schrijf een prompt waarin je uitlegt wat je doel is, wat je huidige FTP en trainingzones zijn, hoeveel tijd per week je wil trainen en als je wil kun je ook nog je agenda delen zodat je een mooi schema krijgt van wat je op welke dag moet doen.
Blijf wel kritisch op je schema, AI baseert het schema namelijk op een grote bak data en dat betekent niet dat dit schema voor jouw specifieke situatie ook het beste schema is. Hoe meer input jij je AI tool geeft qua context hoe beter het schema voor jou op maat zal zijn. Trainingsapps zoals Join.cc doen dit al in grote mate en spelen ook in op blessures, vermoeidheid etc.
Naar de toekomst zie ik een scenario waarbij ook de data uit je wearables rondom slaap, herstel, HRV etc. meegenomen gaat worden in de dagelijkse aanpassing van je trainingschema’s. Ook zou je kunnen denken aan pleisters met chips die bepaalde bloedwaarden meten en gelijk je voedingsadvies en trainingschema aanpassen waardoor de verhouding tussen belastbaarheid en belasting ideaal is om vooruit te gaan.
2. Ritvoorbereiding
Of het nu gaat om een warming-up voor een specifieke tijdrit, een pacing plan voor een beklimming van een legendarische col in de alpen of een voedingsplan voor een Granfondo, je kunt het allemaal aan AI vragen en de antwoorden zijn naar mijn ervaring behoorlijk solide!
Zelf heb ik de proef op de som genomen voor mijn tijdrit op de Nordschleife van Nurburgring vorig jaar. Ik twijfelde enorm of ik sneller zou zijn op tijdritfiets of met een koersfiets, omdat er flink wat hoogtemeters in het rondje zitten. Toen ik die vraag stelde aan ChatGPT was de wedervraag of ik een GPX file van de route kon uploaden en of ik data had van het gewicht van mijn fietsen, mijn eigen gewicht en de vermogens die ik kon trappen op beide fietsen. Blijkbaar is ChatGPT al zo slim dat hij weet dat er best verschil kan zitten tussen het vermogen dat je op een TT fiets trapt t.o.v. je racefiets. Ook vroeg hij of ik de mijn CdA waarde op beide fietsen kende. Van mijn tijdritfiets weet ik dat heel precies vanuit de windtunnel test maar van mijn racefiets wist ik dat niet. ChatGPT hielp me vervolgens op basis van analyse van wat ritgegevens om, bij benadering, mijn CdA waarde op de koersfiets te bepalen.
Uiteindelijk was het advies duidelijk.
Op basis van dit advies heb ik inderdaad besloten om deze tijdrit op mijn koersfiets te rijden ipv op mijn tijdritfiets. Was dat de juiste keuze? Ik weet het oprecht niet want ik heb hem met de tijdritfiets niet gereden. Maar het voelde in ieder geval als de juiste keuze! Ik reed overigens in de praktijk een tijd van 39:56 en werd daarmee 14e in de uitslag.
Naast het voorbereiden van mijn avontuur in Duitsland heb ik AI ook gebruikt om goed warming-up protocol te maken voor mijn tijdrit bij WV Amsterdam. Ik vroeg Microsoft Copilot, via Whatsapp, om een warming-up schema te maken voor een tijdrit van 17.5km waarbij ik mikte op een gemiddeld vermogen van 320w. Dit was het antwoord:
Hoewel Copilot via Whatsapp geen fitfiles kan maken (de Copilot App kan dat wel) vond ik het schema er erg logisch uitzien. Ik heb de stappen gevolgd en het zelf in Garmin Connect gezet om vervolgens een hele prettige warming-up te kunnen rijden.
3. Bikefit – Bioracer virtuele windtunnel, myvelofit etc.
Er zijn verschillende websites, waaronder myvelofit.com, die door middel van AI een analyse doen van je fietsbeweging en je van adviezen voorzien. Dat werkt door jezelf te filmen en dat filmpje vervolgens te uploaden via de betreffende website. AI analyseert dat en maakt berekeningen van je heuphoek, schouderpositie, kniehoek etc. Op basis daarvan krijg je een meetrapport met aanbevelingen over jouw houding.
Een andere ontwikkeling op dit vlak is de virtuele windtunnel software van Bioracer. Je zet jezelf op de fiets vóór een greenscreen en de software kan op basis van jouw contouren je frontaal oppervlak berekenen en op basis jouw wattage bij een bepaalde snelheid weergeven. Dit soort tooling is erg handig in het tijdrijden en kan zeker helpen met het optimaliseren van je positie.
De keerzijde is dat dergelijke AI modellen uitgaan van gemiddelde metingen bij gemiddelde personen. Uiteindelijk zijn maar weinig mensen gemiddeld dus met de alleen de AI modellen heb je een prima basis maar je moet veel tijd hebben om te experimenteren en/of je laten begeleiden door een professional.
Dat is ook precies waar ik de toekomst naartoe zie gaan op dit vlak. Er zijn steeds meer goede bikefitters die hun jarenlange praktijkervaring combineren met de inzet van dergelijke tooling. Een goed voorbeeld is Thomas Wobma (bikefitstudio.nl) die van dergelijke modellen gebruik maakt om je eerst goed op de fiets te zetten qua heup- en kniehoeken om vervolgens met de Bioracer software te kijken naar het optimaliseren van je frontaal oppervlak. Dat is het beste van beide werelden.
4. Fietselectronica.
Navigatietools worden steeds slimmer door toepassing van heatmaps. Zo weet zo’n tool precies wat de meest gebruikte routes zijn van andere fietsers en kan jou zo de meest populaire route voorschotelen. Ook past nagivatie zich steeds sneller aan als je een verkeerde afslag neemt of een omleiding moet nemen door een afsluiting.
Wat een mooie ontwikkeling is, is de opkomst van AI brillen zoals de nieuwste Oakley Meta Vanguard AI bril. Die bril heeft een ingebouwde camera waardoor je vanuit jouw oogpunt beelden kunt opnemen. Daarbij kun je direct een overlay in het filmpje krijgen van de data uit jouw fietscomputer. Ook heeft de bril ingebouwde speakers en een microfoon waardoor je AI assistent altijd beschikbaar is en via stemcommando’s te bedienen is.
Naar de toekomst toe verwacht ik hier de grootste ontwikkeling. We gaan zien dat dit soort brillen ook een Augmented Reality scherm ingebouwd krijgen waardoor jij als het ware jouw fietsdata live in je fietsbril geprojecteerd krijgt. Dat geldt dan ook voor je de fietsnavigatie. En die navigatie wordt weer zo slim dat hij de route aanpast op je AI trainingsschema zodat je nooit meer verkeerd uitkomt met een verkeerslicht of kruising in het midden van een intervalblokje.
Conclusie
AI is een ontwikkeling die gaat blijven. Vergelijk het met de beginjaren van het internet. Begin er dus vooral mee te experimenteren en neem vooral niet alles voor waarheid aan. Vergeet niet dan een AI agent alle geschreven tekst ter wereld op kan halen maar zelf nog nooit op een fiets heeft gezeten met wind in de haren of zadelpijn. Ook zijn sommige adviezen ronduit belachelijk, zo kreeg ik het advies om na 1500 kilometer mijn ketting en cassette te vervangen toen ik een poging deed om een onderhouds-agent te maken met AI.
Het zou mooi zijn als je in te toekomst één AI Agent hebt als fietsbuddy die alle genoemde toepassingen voor je regelt in plaats van alles in aparte apps of tools. Integratie van de tools en beheer van je data wordt cruciaal in de toekomst.
[sibwp_form id=1]
