Теория и методика физического воспитания, спортивной тренировки, оздоровительной и адаптивной физической культуры | Мир педагогики и психологии №12 (113) Декабрь 2025

Эффективность использования генеративного ИИ для создания персонализированных тренировочных программ и нутрициональной поддержки в оздоровительной физической культуре

Рычкова Валерия Александровна
Студентка 2 курса кафедры Сетей и систем связи, Поволжский государственный университет телекоммуникаций и информатики (ПГУТИ), РФ, г. Самара, lerarychkova2007@gmail.com
Демчук Елена Евгеньевна
Старший преподаватель кафедры физического воспитания, Поволжский государственный университет телекоммуникаций и информатики (ПГУТИ), РФ, г. Самара, e.e.demchuk@gmail.com

Аннотация: В статье проводится комплексный анализ эффективности применения технологий генеративного искусственного интеллекта (ИИ) для создания персонализированных тренировочных программ и планов питания в сфере оздоровительной физической культуры. Рассматривается основная проблема — неэффективность стандартизированных решений и ограниченная доступность персональных консультаций. Цель работы — оценить возможности генеративного ИИ как практической альтернативы классическим методам разработки фитнес-программ и рационов. В результате исследования продемонстрирована способность ИИ-систем генерировать адаптивные планы на основе комплексного анализа пользовательских данных, а также выявлены ключевые риски и ограничения, такие как вопросы ответственности, конфиденциальности данных и психологические эффекты. Наиболее перспективной признана модель симбиоза, при которой ИИ выступает интеллектуальным ассистентом, а финальную экспертизу и ответственность несет квалифицированный специалист.
Ключевые слова: генеративный искусственный интеллект, персонализированные тренировочные программы, пищевая поддержка, оздоровительная физическая культура, индивидуальные рекомендации, нейронные сети, фитнес-технологии, кастомизация, алгоритмы, результативность.

Rychkova Valeria Aleksandrovna
2nd year student of the Department of Networks and Communication Systems, Volga State Institute of Telecommunications and Informatics (PGUTI), Russia, Samara
Demchuk Elena Evgenievna
Associate Professor, Volga State University of Telecommunications and Informatics, Russia, Samara

Abstract: The article provides a comprehensive analysis of the effectiveness of using generative artificial intelligence (AI) technologies to create personalized training programs and nutrition plans in the field of wellness physical education. The main problem addressed is the inefficiency of standardized solutions and the limited availability of personal consultations. The aim of the work is to assess the potential of generative AI as a practical alternative to classical methods of developing fitness programs and diets. As a result of the study, the ability of AI systems to generate adaptive plans based on a comprehensive analysis of user data is demonstrated. Key risks and limitations are identified, including issues of liability, data privacy, and psychological effects. The most promising model is recognized as a symbiosis where AI acts as an intellectual assistant, and the final expertise and responsibility lie with a qualified specialist.
Keywords: generative artificial intelligence, personalized training programs, nutritional support, wellness physical education, individual recommendations, neural networks, fitness technologies, customization, algorithms, effectiveness.

Введение и научная новизна

Современный этап технологического развития общества характеризуется устойчивым повышением внимания к вопросам физического здоровья, коррекции телосложения и общего состояния организма. Однако доступность услуг профессиональных фитнес-тренеров и диетологов остается ограниченной в связи с экономическими, временными и территориальными факторами. Данная ситуация побуждает многих людей к самостоятельному поиску стандартизированных решений в цифровом пространстве, предлагающих универсальные планы тренировок и питания. Подобные подходы, игнорирующие индивидуальные антропометрические, физиологические и психологические характеристики, в большинстве случаев не приносят желаемого эффекта, приводят к утрате мотивации и создают риски для здоровья [1, с. 68]. В этом контексте генеративный искусственный интеллект возникает как перспективное решение, способное выполнять функции доступного и адаптивного персонального консультанта [2, с. 45].

Актуальность темы исследования определяется, с одной стороны, устойчивым потребительским спросом на кастомизированные решения в сфере оздоровительный, а с другой — появлением технологических платформ, способных удовлетворить этот спрос массово и экономически эффективно. Основной целью работы является всесторонняя оценка возможностей генеративного ИИ как практической альтернативы или дополнения к классическим методам разработки фитнес-программ и рационов питания в контексте оздоровительной физической культуры. Для реализации поставленной цели последовательно решались следующие задачи: изучались технологические основы работы генеративных нейросетей; определялся и систематизировался перечень пользовательских характеристик, необходимых для глубокой кастомизации; проводилось сравнительное изучение функциональных возможностей различных ИИ-платформ; разрабатывалась и описывалась последовательность построения планов физической активности и питания; формулировались комплексные показатели оценки результативности и анализировались этические аспекты применения технологии.

Научная новизна работы состоит в переносе акцента с умозрительных прогнозов о будущем ИИ на практическую верификацию его работоспособности в текущих условиях. Была реализована попытка не просто охарактеризовать технологию, а смоделировать ее функционирование для решения конкретных прикладных задач обычного человека, стремящегося оптимизировать физическую форму и здоровье в условиях повседневности.

1.1. Функциональные принципы генеративных нейросетей и их имплементация в оздоровительную физическую культуру

Генеративные нейросети, составляющие основу современных языковых моделей, представляют собой сложные многоуровневые вычислительные комплексы, прошедшие обучение на обширных корпусах разнородных данных, включающих рецензируемые научные работы, методические пособия, материалы фитнес-сообществ и блогов. В отличие от простых информационных баз, они способны выявлять сложные корреляционные связи и паттерны, например, взаимосвязи между различными режимами физической нагрузки и мышечным ответом, или между динамикой потребления питательных веществ и достижением конкретных спортивных целей [3, с. 112].

Центральную роль в этом процессе занимает архитектура «трансформеров», позволяющая алгоритму анализировать широкий контекст каждого элемента входного запроса, а не просто оперировать изолированными ключевыми словами. ИИ может быть эффективно обучен базовым физиологическим и биомеханическим закономерностям, таким как фаза суперкомпенсации, необходимость проведения подготовительных и восстановительных процедур, значимость сбалансированности пищевого рациона [10, с. 88].

Имплементация данной технологии в прикладную область физической культуры и оздоровительных практик выглядит полностью обоснованной, поскольку эта сфера исторически базируется на фундаментальных принципах индивидуального подхода, управляемого наращивания нагрузок и безусловного приоритета безопасности. ИИ может быть эффективно обучен базовым физиологическим и биомеханическим закономерностям, таким как фаза суперкомпенсации, необходимость проведения подготовительных и восстановительных процедур, значимость сбалансированности пищевого рациона [3, с. 88]. Кроме того, интерактивная природа системы позволяет вести последовательный диалог, оперативно уточняя детали и модифицируя программу на основе поступающей обратной связи, что открывает возможности для детализированной кастомизации, ранее доступной только при работе с персональным тренером высшей квалификации.

1.2. Сравнительный обзор существующих платформ и алгоритмов: функционал ChatGPT, Midjourney и специализированных фитнес-приложений

На современном рынке цифровых решений представлен широкий спектр продуктов, использующих генеративный искусственный интеллект, каждый из которых обладает специфическими характеристиками, преимуществами и недостатками, непосредственно влияющими на сферу их применения в фитнесе и нутрициологии [11, с. 56].

• Универсальные языковые модели (на примере ChatGPT): их основное преимущество заключается в способности к контекстуальному анализу и ведению многоуровневой беседы. Они могут создавать стратегически обоснованные, логически связанные программы, учитывающие не только физические параметры, но и образ жизни, расписание и психологический настрой пользователя. Однако за эту универсальность приходится платить: возможны неточности в численных данных и рекомендациях по дозировкам, а также склонность к избыточной вербализации и общим формулировкам.
• Визуальные генеративные модели (на примере Midjourney): данные системы служат незаменимым инструментом для создания качественных визуальных материалов, наглядно демонстрирующих технику выполнения физических упражнений. Это значительно повышает понимание, наглядность и, как следствие, безопасность тренировочного процесса, особенно для начинающих. Основной риск связан с возможностью генерации анатомически некорректных или потенциально опасных позиций, поскольку модель ориентирована на визуальное восприятие, а не на биомеханическую точность.
• Специализированные фитнес-приложения (такие как Freeletics, Fitbod): эти платформы предлагают более систематизированный и, как правило, более безопасный подход, основанный на детальном предварительном опросе пользователя. Они предоставляют точные, выверенные рекомендации по тренировочным объемам, интенсивности и питанию, часто обладают функциями синхронизации с носимыми устройствами для мониторинга прогресса [4, с. 102]. Основным ограничением является меньшая гибкость и ограниченная возможность адаптации под нестандартные запросы, выходящие за рамки заложенных алгоритмов.

Проведенный сравнительный обзор наглядно демонстрирует, что в настоящее время отсутствует универсальное решение, идеально подходящее для всех возможных сценариев. Максимальная практическая ценность и эффективность достигается при комбинированном использовании нескольких платформ. Например, стратегический план тренировок и питания может быть разработан в процессе диалога с ChatGPT, технические аспекты выполнения упражнений визуализированы с помощью Midjourney, а для ежедневного контроля выполнения, отслеживания динамики и получения напоминаний может применяться специализированное фитнес-приложение. Такой интегрированный подход позволяет компенсировать недостатки отдельных решений и создать целостную персонализированную оздоровительную среду.

2.1. Ключевые пользовательские параметры для формирования программ.

Качество и глубина кастомизации фитнес-программы, созданной искусственным интеллектом, напрямую и в определяющей степени зависят от полноты, точности и детализации предоставленных алгоритму исходных данных. Все необходимые параметры можно классифицировать на четыре основные, взаимосвязанные группы [5, с. 195]:

1. Антропометрические показатели и объективный уровень подготовленности: включают не только базовые характеристики (рост, масса тела, возраст, пол), но и тип телосложения, состав тела, наличие и характер предыдущих травм костно-мышечной системы, хронические патологии. Уровень подготовки должен определяться через ответы на конкретные вопросы-тесты: «Какое максимальное количество подтягиваний вы можете выполнить?», «За какое время вы пробегаете дистанцию 5 км?», «Какова регулярность и интенсивность ваших текущих тренировок?».
2. Конкретные, измеримые и временно ограниченные цели: расплывчатые пожелания вроде «улучшить форму» или «оздоровиться» дезориентируют ИИ. Эффективны конкретные задачи: «увеличить максимальный вес в жиме лежа на 10 кг за 8 недель», «снизить процент жировой ткани с 28% до 22% к определенной дате», «подготовиться к полумарафону через 4 месяца».
3. Индивидуальные ограничения и личные предпочтения: это область, где ИИ демонстрирует ключевое превосходство над шаблонными решениями. Ограничения включают медицинские противопоказания, временные лимиты, отсутствие специального оборудования. Предпочтения касаются психологического комфорта: неприятие монотонных кардионагрузок, предпочтение групповым занятиям, aversion к определенным пищевым продуктам.
4. Логистические и бытовые условия: наличие спортивного инвентаря и инфраструктуры (домашние утяжелители, уличные турники, абонемент в спортивный клуб), а также количество времени, которое пользователь реально может выделять для тренировок и приготовления пищи в ежедневном и еженедельном режиме.

Совокупность этих параметров позволяет ИИ построить комплексный цифровой профиль пользователя и сгенерировать релевантную, реализуемую и безопасную программу.

2.2. Алгоритмизация процесса построения тренировочного плана

Процесс внутренней генерации искусственным интеллектом индивидуальной программы физической активности является многоступенчатым и может быть разделен на три ключевых, логически связанных этапа [6, с. 101]:

1. Выбор видов активности, определение интенсивности и длительности. На основе введенных пользователем целевых показателей ИИ первоначально определяет метаболический и нервный профиль предстоящих занятий (силовой, на гипертрофию, на выносливость, жиросжигающий и др.), который затем наполняется конкретными упражнениями, отобранными с учетом всех заявленных ограничений, предпочтений и доступных ресурсов. Продолжительность занятия жестко привязывается к временным возможностям пользователя, определяя итоговый объем работы — общее число упражнений, сетов и повторов.
2. Разработка схемы прогрессии нагрузок и фаз восстановления. Статичная программа, не претерпевающая изменений во времени, быстро теряет эффективность благодаря адаптационных механизмов организма. ИИ лишен этого недостатка, поскольку способен проектировать развитие пользователя на несколько недель или месяцев вперед, закладывая в алгоритм принцип постепенного усложнения. Это может быть линейная прогрессия (последовательное увеличение рабочих весов или количества повторений) или более сложные схемы периодизации. Критически важным компонентом является планирование восстановительных фаз, включая дни активного отдыха, легкой мобильности и стретчинга.
3. Формирование системы страховки от травм и набора альтернативных упражнений. Понимание базовых принципов биомеханики позволяет ИИ не только подбирать движения, но и прогнозировать потенциальные риски. Программа включает специализированные подготовительные и восстановительные комплексы, подобранные под конкретную нагрузку, а также готовый перечень альтернативных упражнений на случай возникновения дискомфорта или болевых ощущений, что обеспечивает гибкость и безопасность на протяжении всего тренировочного цикла.

2.3. Основы разработки индивидуального плана питания

Создание искусственным интеллектом персонального пищевого плана представляет собой еще более сложную задачу, чем генерация тренировок, и основывается на трех фундаментальных принципах [7, с. 78]:

1. Корректный расчет суточной энергетической потребности и баланса макронутриентов. ИИ начинает с определения общего уровня суточных энергозатрат (Total Daily Energy Expenditure, TDEE) пользователя, применяя современные формулы (например, Миффлина-Сан Жеора) и внося поправки на уровень физической активности. Полученное значение служит базой для формирования дефицита (для снижения веса), профицита (для набора массы) или поддерживающей калорийности. Затем рассчитывается оптимальное распределение белков, липидов и углеводов, поддерживающее цель.
2. Составление вариативного примерного меню с учетом пищевых ограничений и вкусовых пристрастий. На этой стадии ИИ трансформируется из калькулятора в кулинарного ассистента. Алгоритм генерирует варианты блюд и приемов пищи, которые не только строго соответствуют заданным параметрам КБЖУ, но и являются психологически приемлемыми, вкусными и привычными для пользователя, что кардинально повышает долговременную приверженность питательный плану.
3. Формирование персонализированных рекомендаций по гидратации и спортивным суплементам. Система вычисляет индивидуальную норму потребления жидкости и предоставляет сбалансированные, основанные на доказательных данных рекомендации по спортивным добавкам (сывороточный протеин, креатин моногидрат, витамин D), всегда акцентируя их вспомогательную, а не базовую роль в рационе [8].

3.1. Критерии оценки результативности: безопасность, соответствие цели, практичность, мотивационный эффект.

Оценка эффективности программы, сгенерированной искусственным интеллектом, должна быть комплексной и многокритериальной, выходя за рамки простого измерения скорости достижения цели. Успешной может считаться только та программа, которая демонстрирует высокие результаты по четырем взаимосвязанным параметрам [2, с. 134]:

1. Безопасность: это абсолютный приоритет. Программа должна учитывать все заявленные медицинские ограничения, включать необходимые подготовительные и восстановительные процедуры, предоставлять безопасные альтернативы упражнений и избегать экстремальных диетический рекомендаций.
2. Соответствие декларируемой цели: все компоненты программы — тип физической активности, параметры нагрузки (веса, повторения, периоды отдыха), питательная стратегия (калорийность, баланс БЖУ) — должны быть логически взаимосвязаны и работать на достижение одной, четко определенной цели.
3. Практичность применения (Adherence): наиболее совершенный план бесполезен, если он не интегрируется в рутину пользователя. Программа должна соответствовать его временным ресурсам, доступному оборудованию, кулинарным возможностям и повседневному графику.
4. Мотивационный эффект: «Мягкий», но критически значимый критерий. Программа должна поддерживать интерес, обеспечивать ощущение понятного прогресса и психологического комфорта, избегая монотонности и чрезмерного психологического давления.

Высокая общая эффективность достигается только при сбалансированном выполнении всех четырех критериев одновременно.

3.2. Этические дилеммы и вопросы ответственности при использовании ИИ в сфере здоровья.

Интеграция искусственного интеллекта в чувствительную область, как здоровье человека, порождает ряд серьезных этических проблем и вопросов, требующих пристального рассмотрения [8].

• Проблема распределения ответственности: В случае причинения ущерба здоровью (травма, обострение заболевания) в результате следования рекомендациям ИИ возникает правовая неопределенность. Нейросеть не является субъектом права и не может нести ответственность. Бремя ответственности на самом деле возлагается на конечного пользователя, который часто не обладает необходимой квалификацией для оценки всех рисков.
• Вопросы конфиденциальности и использования персональных данных: для глубокой кастомизации ИИ аккумулирует значительный объем конфиденциальной информации о здоровье, образе жизни и привычках пользователя. Существуют реальные угрозы, связанные с несанкционированным доступом, утечкой или коммерческой эксплуатацией этих данных.
• Риск формирования психологической зависимости и инфантилизации: постоянное получение готовых предписаний от «всезнающего» ИИ может привести к ослаблению у пользователя способности прислушиваться к собственному телу, распознавать сигналы голода, усталости, насыщения, что составляет основу телесной осознанности.
• Дегуманизация оздоровительных практик: замена человеческого общения, эмпатии, поддержки и невербальной обратной связи, которые обеспечивает тренер или диетолог, на взаимодействие с интерфейсом может лишить оздоровительный процесс его важной социально-эмоциональной составляющей, трансформируя его в механистическую процедуру.

Все это обусловливает необходимость синергии, а не замещения. ИИ наиболее продуктивен и безопасен в роли мощного интеллектуального помощника, который принимает на себя рутинные функции по сбору данных, анализу и генерации базовых вариантов программ. Окончательное решение, адаптацию под непредсказуемые обстоятельства, работу с мотивацией и, что наиболее важно, принятие на себя всей полноты ответственности за здоровье клиента должен осуществлять живой, квалифицированный и сертифицированный специалист — тренер, диетолог, врач.

Заключение

Проведенное исследование позволяет констатировать, что технологии генеративного искусственного интеллекта обладают значительным и подтвержденным потенциалом для кардинального преобразования подходов к созданию кастомизированных программ тренировок и питания в сфере оздоровительной физической культуры. Продемонстрирована способность системы учитывать десятки уникальных параметров, генерировать адаптивные, динамичные планы с заложенной логикой прогрессии и обеспечивать интерактивное, отзывчивое взаимодействие с пользователем, делая индивидуальный подход массово доступным.

Одновременно с этим был выявлен и детально проанализирован комплекс системных ограничений и рисков, ключевые из которых — это нерешенные вопросы юридической и профессиональной ответственности за потенциальный вред, возможные угрозы конфиденциальности персональных данных пользователей, а также вероятные негативные психологические эффекты, связанные с зависимостью от алгоритма и девальвацией собственного телесного опыта.

Наиболее перспективной и устойчивой моделью применения генеративного ИИ видится его глубокая интеграция в профессиональную экосистему фитнес-индустрии и диетологии в роли интеллектуального ассистента или ко-пилота. В этой модели ИИ берет на себя задачи, требующие вычислительной мощности и обработки больших данных — первичный сбор информации, многовариантный анализ и генерацию базовых, безопасных рекомендаций. Финальную же экспертизу, тонкую настройку под уникальные, не алгоритмизируемые жизненные обстоятельства, работу с мотивацией и принятие на себя всей полноты ответственности за конечный результат и благополучие клиента, должен осуществлять живой, квалифицированный и сертифицированный специалист. Таким образом, будущее оздоровительной физической культуры лежит не в плоскости конфронтации человека и машины, а в области их разумного, эффективного и этичного симбиоза, где технология расширяет возможности профессионала, а не подменяет его уникальные человеческие качества.

1. Мякинченко Е.Б., Селуянов В.Н. Оздоровительная тренировка по системе ИЗОТОН. М.: СпортАкадемПресс, 2001. — 68 с.
2. Нескородова, Е. А. Перспективы развития персонализированного подхода в восстановительной медицине в физической культуре и спорте / Е. А. Нескородова // Актуальные проблемы физической культуры и спорта: научно-практический и учебно-методический аспекты : Сборник научных трудов по материалам III Всероссийской научно-практической конференции, посвященной 88-летию Курского государственного медицинского университета и приуроченной к Году педагога и наставника, Курск, 07–08 декабря 2023 года. – Курск: Курский государственный медицинский университет, 2023. – С. 101-102. – EDN QYZNWH.
3. Одзми М.Ш., Хабарова О.Л. Методика составления индивидуальных программ физкультурных занятий с оздоровительной направленностью // Вестник спортивной науки. 2024. № 2. С. 112-117.
4. Шестакова Т.А. Эффективность внедрения персонализированных программ в структуру онлайн-тренировок с использованием компьютерных технологий для спортсменов-любителей оздоровительным бегом // Современное профессиональное образование. 2024. № 6. С. 56-62.
5. Валиев Э.М., Хабибуллин А.Б. Использование ИИ в спортивной медицине и физкультуре // Физическая культура, спорт, туризм: наука, образование, информационные технологии: материалы Всерос. науч.-практ. конф. с междунар. участием. Казань, 2025. С. 101-105.
6. Левицкая А.С., Ведяскин Ю.А. Влияние искусственного интеллекта на формирование персонализированной программы физической подготовки человека // Актуальные вопросы современной науки и образования: сб. ст. XLV Междунар. науч.-практ. конф. Пенза, 2025. С. 194-197.
7. Салеев Э.Р. Оптимизация физических упражнений для достижения оздоровительного эффекта // Обзор педагогических исследований. 2024. Т. 6, № 5. С. 100-104.
8. Красильников А.Н., Абзалова А.Х., Симоненко В.И., Трофимов В.Н. Актуальные проблемы оздоровительной и адаптивной физической культуры // Актуальные проблемы физической культуры и спорта: материалы XI Междунар. науч.-практ. конф. / под ред. Г.Л. Драндрова, А.И. Пьянзина. Чебоксары, 2022. С. 77-82.

Список источников
9. American College of Sports Medicine: official website. URL: https://www.acsm.org (дата обращения: 09.10.2025).
10. Холодов Ж.К., Кузнецов В.С. Теория и методика физического воспитания и спорта. М.: Академия, 2021. 480 с. Режим доступа: https://www.fizkult-ura.ru/system/files/imce/books/theory/Holodov-Kuznesov.pdf
11. Петров П.К. Информационные технологии в физической культуре и спорте. М.: КноРус, 2020. 198 с. Режим доступа: https://www.iprbookshop.ru/142077.html?ysclid=mjcq2uxdxp335107227