想知道自己跑步的极限在哪里吗？
现在，仅需提供锻炼 20 分钟产生的数据，你就知道你跑多久会累趴下了。
背后的算法来自冰岛一家初创公司 Driftline，基于 20 年研究那种。
而且相比传统测试来说，Driftline 的算法测试更准确，也更便宜。
有意思的是，这家公司的 CFO 本人就是个耐力专家，获得过 53 次冰岛全国跑步冠军。
过去几年，他一直利用耐力算法，为冰岛国家队的跑步运动员制定个性化训练计划。
最近公司把这个算法装置在了一个叫 Indurance 的程序中，苹果、安卓系统皆可用。
有需要的小伙伴们在用上它之前，一起先来了解一下。
这个算法怎么工作？
测量耐力的方法之前不是没有，大部分运动科学实验室都有专业设备。
但是，运动科学实验室的专业设备通常只测量气体交换（氧气摄入量和二氧化碳输出量）和心率，然后间接计算出部分参数，比如气体交换阈值和底物利用率（脂肪和碳水化合物）。
如果要测量乳酸阈值，一般是通过抽血采样来完成。
但是这些方法要求高、成本高，而准确率偏低。
但如果使用 Driftline 的算法进行测试，只需要使用一个叫 Indurance 的 App，配合健身追踪器和智能手表配合使用就行。
Indurance 很快会推出 iOS 和 Android 系统版本。
届时，提供 20 分钟的运动数据，就可以对耐力水平进行 1-100 的评分，同时显示使用者在实施锻炼时消耗了多少耐力。
在使用时，可以使用一键导入过去数据功能。
系统根据这些数据进行健康评估，然后为用户推荐和优化个性化的训练计划。
简而言之，Driftline 将正在申请专利的数据算法与独家分析功能相结合，科学化地将耐力转化为数字。
那么，Driftline 公司的算法是怎么工作的呢？
首先，Driftline 开发了一个运动强度量表，量表含有 5 个均匀分布的运动阈值。
在这个量表中对运动阈值做了清晰的定义，即“不同运动强度的领域之间的界限”。
而算法的工作原理，是根据心率数据检测运动阈值，并根据阈值对齐计算耐力。
具体而言，一个人的耐力如果有 100%，那么他的对齐运动阈值（离得很近的运动阈值），会反映出慢速有氧肌纤维的最大比例。
与耐力低的人相比，100% 耐力的每英里跑步消耗的碳水化合物更少，消耗的脂肪更多。也就是说，他们的燃料效率很高。
这个算法适用于分析任何类型的运动，包括散步、跑步、骑自行车或游泳等。
2019 年以来，雷克雅未克大学（Reykjavik University）进行了独立实验。结果表明，Driftline 公司的测试可以准确测量气体交换阈值、乳酸阈值、燃料底物比、最大心率和最大跑步速度等参数。
该公司还表示，根据分析，下到百米赛跑，上到马拉松，算法可以准确预测各种跑步的比赛成绩。
此外，基于心率分析，算法还能测试心肺健康、肌肉衰老程度、代谢健康等参数。
除了测试运动时的各类数据，Driftline 的算法还适用于临床环境，拿来分析心脏病、肥胖患者，以及虚弱或老年患者。
设计之初，算法就遵循大规模临床研究的研究工具标准，未来有可能取代传统的运动心血管测试。
Driftline 是谁？
为什么要量化人类的耐力？
众所周知，耐力反映了给定强度下锻炼的最长持续时间。但是了解耐力，不仅仅是为了让你了解自身运动极限所在。
另一个理由，是因为耐力必须和最大速度（另一个关于健康跑步的决定因素）结合考虑，提到最大速度，有利于优化运动适应性。
通过训练并提高耐力和最大速度，跑步者既能提高运动和休息时的脂肪燃烧能力，从长远来看快，还能延长寿命。
也就是说，提高耐力意味着提高效率，耐力高了，每个人都可以跑得更快、走得更远。
总体来说，这个算法首次对运动过程的最大心率和最大速度进行了可靠评估。
Driftline 的创始人是一名生物学家，有 30 年的相关研究经验。
20 年前，他开始了独立研究实践，为冰岛的运动员和运动队提供体能测试。
这种广泛的数据收集和分析，最终使他制定了包括有氧耐力潜在直接测量方法在内的运动生理学的创新理论。
基于此，2017 年，他的儿子将创新理论写进了自己的计算机编程课论文，推动了理论的成熟，并让这些创新理论流行开来。
于是，父子俩在 2018 年创立了公司 Driftline。
那位曾拿 53 次冰岛全国冠军的 CFO 在次年加入了他们。
今年 9 月，Driftline 已经开始对 100 名跑步者的算法进行 Beta 测试。
据了解，Driftline 现已筹集 80 万美元的种子资金，并计划在未来筹集更多资金，用来把这个算法和后续技术推向市场。
如若真的进行推广并得到市场认可，说不定今后的智能设备在测心率、血氧之外，也能提供更丰富耐力值相关智能服务了。
你看好这个算法测试吗？
参考链接：
[1]https://venturebeat.com/ai/driftline-unveils-algorithm-to-quantify-human-endurance-using-a-heart-rate-signal/
本文来自微信公众号：量子位 （ID：QbitAI），作者：衡宇
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/662/073.htm]
