Maskininlärningsalgoritm beräknar rättvis distans för ett lopp mellan Usain Bolt och långdistanslöparen Mo Farah

Det är uppenbarligen orättvist att jämföra sprinters och långdistanslöpares prestationer. Dessa ansträngningar ställer helt andra krav på kroppen, varför bra sprinters är helt olämpliga för kraven från maratonlöpning och distanslöpare presterar dåligt i sprint.

Men var ligger övergångspunkten? Vilket avstånd skulle representera ett rättvist lopp mellan de två ytterligheterna – till exempel mellan 100 meter världsrekordhållaren Usain Bolt och olympiska 10 000 meter guldmedaljören Mo Farah?

Idag får vi svar tack vare Duncan Blythes arbete vid Humboldt University of Berlin och Franz Király vid University College London. Dessa killar har utvecklat en ny modell som tar hänsyn till de olika typerna av atletisk prestation som krävs för kort-, medel- och långdistanslöpning.

Modellen förutsäger till och med en atlets prestation på ett avstånd givet hans eller hennes prestation på andra. Det är så de har kommit fram till den perfekta distansen på vilken Bolt och Farah kunde tävla rättvist.

Idrottsvetare har länge vetat att världsrekorden för att springa olika distanser följer en kraftlag. När Usain Bolt satte rekordet på 100 meter i augusti 2009 sprang han i en snitthastighet på drygt 10 meter per sekund. Världsrekordhastigheten för milen är drygt sju meter per sekund. Och 2014 satte den kenyanske löparen Dennis Kimetto världsrekord för maraton genom att springa i en hastighet på knappt sex meter per sekund över 42 kilometer.

Med andra ord, en liten ökning av medelhastigheten minskar dramatiskt avståndet på vilket världsrekord är möjligt. Men kopplingen mellan hastighet och avstånd är faktiskt mer komplex än så här.

När forskare plottar världsrekordhastigheter mot avstånd, producerar det en kraftlagskurva med en nyfiken kink i sin form. Det är nästan som om en maktlag reglerar löphastigheter över avstånd kortare än en mil medan en annan reglerar löphastigheter på längre avstånd.

Den konventionella förklaringen till detta är att sprinters förbränner energi anaerobt medan långdistanslöpare bränner den aerobt. Kinken uppstår vid övergången i en idrottsmans energiförbrukning.

Problemet med denna modell är att den har begränsad prediktiv kraft. Med tanke på en sprinters prestation på kort- och medeldistans har modellen inget att säga om hur bra han eller hon kommer att vara på långdistanslöpning. Det är på samma sätt tyst om en maratonlöpares sprintförmåga.

Det är här Blythe och Királys arbete kommer in. De här killarna började med en enorm databas över atletiska prestationer sedan 1954 i Storbritannien. De tar tider och avstånd från nästan 1,5 miljoner individuella framträdanden av båda könen, allt från amatörer till elit, både unga och gamla. Dessa rekord gäller för 10 olika distanser: 100 meter, 200 meter, 400 meter, 800 meter, 1 500 meter, milen, 5 kilometer, 10 kilometer, halvmaraton (21 kilometer) och helmaraton på 42 kilometer.

Sedan använde de en maskininlärningsalgoritm för att hitta en ekvation som bäst passar data på ett sätt som förutsäger en individs prestation på ett avstånd, givet hans eller hennes prestation på andra avstånd. Denna ekvation måste också producera den berömda brutna maktlagen som beskriver fördelningen av världsrekordframträdanden.

Det är inte svårt att hitta ekvationer som beskriver nästan vilken fördelning som helst. Allt som behövs är så många ytterligare parametrar som behövs för att justera kurvan på rätt sätt. Och visst, maskinen hittade en sådan ekvation.

Men överraskningen är att denna ekvation bara använder tre parametrar för att beskriva prestandan för varje individ i databasen.

Den första parametern i denna modell är en vanlig maktlag, som beskriver en individs övergripande prestation. Detta är något av en överraskning med tanke på fördelningen av världsrekord. De andra två komponenterna modifierar dock denna maktlag på ett sätt som reproducerar den brutna maktlagen.

Den andra parametern beskriver om en idrottare har större uthållighet eller högre hastighet. Och den tredje parametern beskriver om en idrottare är bättre på medeldistanser snarare än korta eller långa distanser.

Tillsammans beskriver dessa tre parametrar fullständigt en atlets individuella prestation över alla distanser, vilket leder till en helt ny modell av atletisk förmåga. Vår analys ger starka bevis för att sammanfattningen med tre siffror fångar idrottarnas fysiologiska och/eller sociala/beteendeegenskaper, t.ex. träningstillstånd, specialisering och vilken distans en idrottare väljer att försöka, säger Blythe och Király.

Efter att ha upptäckt och testat denna modell använder Blythe och Király den för att för första gången få insikt i ett antal viktiga frågor för idrottare. Till exempel är en fråga som maratonlöpare länge funderat på om det är bättre att utveckla en högre maxhastighet eller att bygga uthållighet.

Blythe och Király säger att deras modell ger ett tydligt svar: Det finns bara ett sätt att vara en snabb maratonlöpare, d.v.s. att ha en hög nivå av uthållighet - i motsats till att kunna rulla ut i förhållande till en hög maxhastighet, säger de.

Modellen antyder också att en löpare som inte är i världsklass över 10 kilometer sannolikt inte är i världsklass över maratondistansen på 42 kilometer.

Forskarna kan till och med göra förutsägelser om enskilda idrottare. En av dessa är Kenenisa Bekele, en etiopisk långdistanslöpare som har världsrekorden på både 5 000 meter och 10 000 meter. Blythe och Király säger att deras modell förutspår att Bekele ska kunna springa ett maraton på 2:00:36, nästan tre minuter snabbare än det nuvarande världsrekordet.

Och hur är det med den ursprungliga frågan om ett rimligt avstånd för ett lopp mellan långdistanslöpare och sprinters? Blythe och Király har ett svar här också. Vi spår att ett rättvist lopp mellan Mo Farah och Usain Bolt är över 492m, säger de.

Nu är det ett lopp värt att vänta på.

Ref: arxiv.org/abs/1505.01147 : Förutsägelse och kvantifiering av individuella atletiska prestationer

Dölj