De afgelopen maanden was kunstmatige intelligentie een veelbesproken onderwerp, waarbij de toepassing ervan op verschillende gebieden centraal stond. Als het gaat om sport, springt het professionele wielrennen eruit als de discipline die AI het meest omarmt. En de reden daarvoor is duidelijk: AI gedijt op gegevens, en professionele wielrenners genereren een overvloed aan gegevens. Ze zijn een soort datafabrieken op wielen, die de perfecte brandstof leveren voor het functioneren van AI.
In deze blogpost onderzoeken we hoe AI het fietsen verandert, van professionele teams tot fietsontwerp, apps voor deelfietsen en veiligheid voor fietsers in de stad.
Professioneel wielrennen
Een paar weken geleden kwam team Jumbo-Visma in het nieuws met de aankondiging van de contractverlenging van Jonas Vingegaard, de winnaar van Tour 2022, tot 2027. Bij het nieuws hoorde de volgende video:
De jongen in deze video, die met een Noord-Amerikaans accent spreekt, is door AI gegenereerd, waardoor Vingegaard nogal verbaasd was toen hij de video zag. Dit was duidelijk niet het beste gebruik van deze nieuwe technologie door het Nederlandse team. Ze hadden betere resultaten toen ze AI vroegen om een wielershirtontwerp geïnspireerd op de kleuren, patronen en stijlen van ‘s werelds meest gerenommeerde Nederlandse schilders.
De planning van training en voeding is echter waar AI zonder twijfel de grootste invloed heeft in termen van prestaties en het bereiken van doelen voor professionele teams.
Alles wat personal trainers en voedingsdeskundigen doen op basis van ervaring, hun eigen oordeel en gegevens, wordt nu gedaan met behulp van algoritmes en artificial intelligence. De AI die Jumbo-Visma gebruikt analyseert alle gegevens van de renners, evenals het type route en de weersomstandigheden, om de energiebehoefte van elke renner voor elke wedstrijd te voorspellen. Het is een ‘number’s game’ die in zeer korte tijd plaatsvindt en indrukwekkende resultaten oplevert, gezien het feit dat we het hebben over het beste team ter wereld.
Andere teams uit de professionele wereld die gebruik hebben gemaakt of maken van kunstmatige intelligentie zijn UAE, Movistar, Israel Premier Tech, NTT Pro Cycling en natuurlijk Ineos Grenadiers die het concept “marginale winst” bedacht en populair maakte, en elk detail bestudeerde en analyseerde om de Tour de France het afgelopen decennium te leiden met 7 overwinningen.
Hoewel we er geen specifieke, bevestigde informatie over hebben, is het zeer waarschijnlijk dat veel andere teams ook AI gebruiken, in verschillende mate, om gegevens over hun renners, fietsen, kleding en andere uitrusting te analyseren. Anders lopen ze het risico achterop te raken bij de concurrentie.
Het ontwerpen van fietsen en onderdelen
Als het gaat om AI om fietsen te ontwerpen, laat het nieuws vaak unieke of speciale modellen zien, zoals deze conceptfiets van Decathlon in 2021 of de aero bike die twee snelheidsrecords heeft gebroken. Deze modellen zijn het bewijs van de enorme ontwikkeling en oplossingen die het gebruik van kunstmatige intelligentie biedt.
Het zijn de merken en ingenieurs die de kunstmatige intelligentie voeden met alle gegevens over hun fietsen en materialen: zwakke punten, gebieden die zwaar worden belast, soorten carbon, enz. AI neemt al deze gegevens op en verwerkt ze om ze vervolgens te analyseren en kan in aanzienlijk minder tijd dan normaal een breed scala aan nieuwe ontwerpen herscheppen volgens de eisen en richtlijnen van de fabrikanten. Dit zijn ontwerpen die niet per se in fysieke vorm hoeven te worden gemaakt, omdat ze virtueel kunnen worden getest, wat zowel materiaal als tijd bespaart. Als de resultaten positief zijn en voldoen aan de verwachtingen van de fabrikanten, wordt het ontwerp nogmaals getest, maar nu in een echte, fysieke omgeving.
De lagere productiekosten zijn niet alleen het gevolg van het gebruik van minder materialen en tijdwinst, maar ook van het vermijden of vervangen van dure apparatuur zoals windtunnels. De meeste aero- en tijdritfietsen zijn tegenwoordig eerst virtueel getest, voordat ze een echt prototype worden.
In zekere zin brengt kunstmatige intelligentie “objectiviteit” en voorspelbaarheid voor fabrikanten die, afgezien van marketing, gerust kunnen beweren dat hun fietsen bijvoorbeeld echt zo wendbaar, stevig of aerodynamisch zijn. En ze kunnen dit doen omdat ze dit keer op keer hebben getest. Dan is er nog ieders subjectieve perceptie van zijn eigen ervaring met de fiets – de enige echte evaluatie, afkomstig van eindgebruikers.
Veiligheid en fietsen in de stad
Kunstmatige intelligentie wordt gebruikt in steden, voor fietsen en apps voor deelfietsen, om de veiligheid te verbeteren en efficiënter te kunnen reizen. Hier zijn enkele voorbeelden:
AI kan worden gebruikt om gegevens over wegen en fietspaden te bestuderen, zoals verkeersstromen, risicogebieden, optimale routes, ongevallen en verkeerslichten. Op die manier kunnen gebruikspatronen en probleemgebieden worden geïdentificeerd, wat een betere planning van infrastructuurverbeteringen mogelijk maakt.
Kunstmatige intelligentie kan ook worden gebruikt om alarmsystemen te ontwikkelen die risicovolle situaties voor fietsers detecteren, zoals voertuigen die te dichtbij komen of gevaarlijke bochten. Deze systemen kunnen zelfs helpen bij communicatie tussen fietsen en auto’s, zoals geluids- of visuele alarmen, zodat zowel de fietser als de automobilist alert genoeg zijn om de nodige voorzorgsmaatregelen te nemen.
Het kan ook een geweldig hulpmiddel zijn voor bedrijven of openbare instellingen die fietsdeelsystemen gebruiken, om te analyseren waar, wanneer, hoe en wie de fietsen gebruikt. Dankzij de combinatie van deze gegevens met andere elementen, zoals weersomstandigheden en agenda’s, kan kunstmatige intelligentie veel hulp bieden bij de optimalisatie van deze systemen, zodat te allen tijde de best mogelijke service kan worden geboden. Bovendien kunnen exploitanten zelf geld besparen door een onderhoudssysteem voor de fietsen in te voeren met periodieke upgrades of vervangingen, op basis van pechgegevens.
Al met al is kunstmatige intelligentie een nuttig instrument voor fabrikanten, ontwerpers, ingenieurs, openbare instellingen en bedrijven, maar ook voor professionele wielerploegen. Je zou kunnen denken dat het er ook toe heeft bijgedragen dat we de vonk van decennia geleden, om niet meer op je gevoel af te gaan, zijn kwijtgeraakt. Of dat data-analyse ertoe heeft geleid dat wielrenners menselijke machines zijn geworden, dat er geen wielrenners meer zijn die hun eigen instinct volgen. De menselijke factor is echter nog steeds aanwezig in de grootste kampioenen van vandaag, zoals Pogacar, Van der Poel of Wout Van Aert. De onvoorspelbaarheid van een wielerwedstrijd zal nooit vervagen, en brengt ons nog steeds kostbare herinneringen.
