Entrenar un maratón con ChatGPT: mi experimento fallido

Escribo esto prácticamente tres años después, y dos ediciones del Maratón de Berlín pospuestas. Creo que no es un buen comienzo para este post.

Es forzoso ser honesto. De hecho, creo que esa es la gran esencia de seguir escribiendo textos: compartir desde la reflexión y experiencia personal. Y eso es lo que voy a reiniciar aquí. Y no lo haré de forma “random”, lo estoy haciendo desde donde lo dejé y seguiré compartiendo estas reflexiones desde lo personal y lo profesional.

Early adopter desde Berlín

Vamos al inicio. En noviembre de 2022 se lanzó al público el modelo GPT-3.5 de OpenAI (ChatGPT) con apertura al público de consumo, y así como hay gente que invierte dinero, hay otras inversiones de las que no te hablan tanto: la inversión intelectual, la que tiene que ver con tu tiempo y la comprensión de las señales que moldean el futuro o bien, de productos y servicios (especialmente tecnológicos) que se van lanzando. Esa inversión de tiempo permite, en algunos casos, entender dónde invertir capital. O adquirir capital intelectual. Esa es una de mis principales inversiones: ser “early adopter”. Quizás (y lo exploraré cuando hable sobre mis razones para regresar a México) ese fue uno de muchos motivos para moverme de Berlín. Las regulaciones de la Unión Europea en cuanto a tecnología y la cultura de la privacidad que afecta a creadores y a productos como los Meta Ray-Ban hacen que la adopción de estas tecnologías sea más lenta. No es casualidad que los alemanes estén preocupados por su falta de competitividad actual. Hay mucho que hablar de ese tema, lo dejo para después.

En fin, aunque prácticamente se anunció en todo el mundo, en Europa debido al Reglamento General de Protección de Datos (GDPR) y a la posterior entrada en vigor de la Ley de Inteligencia Artificial de la UE (AI Act), muchas funciones llegaban tarde o no llegaban, y cada nueva actualización (incluso hoy) tarda en desplegarse hasta que no cumpla con las regulaciones. Lo cual está bien desde ciertos puntos de vista, pero no cuando se trata de entender qué hay de nuevo y cómo podemos mejorar nuestras actividades cotidianas. No es bueno cuando eres un early adopter. Un tech-savvy. Y ese soy yo.

El experimento y su hipótesis

Después de ingeniármelas para usar la mayor cantidad de herramientas posibles en aquel momento, en 2023 decidí que podría intentar probar los conocimientos del modelo de lenguaje (LLM) de OpenAI, o sea, ChatGPT, y decidí hacerlo desde un tema donde no soy experto ni especialista, pero tampoco soy un completo ignorante: entrenamiento para maratón. Más contexto. En algún punto de la vida, tomé cursos sobre metodología del entrenamiento y por mi trabajo he estado muy de cerca de nutriólogos y preparadores físicos de élite y alto rendimiento. Me volví muy entusiasta de participar en eventos de running y me rodeé de mucha gente que son cracks en esta disciplina, además, soy finisher de dos 42K. Y viviendo en Berlín, el reto era que un LLM pudiera darme un entrenamiento realmente personalizado que un coach humano no pudiera. Procesando la mayor cantidad de datos posible, teniendo actualizaciones semanales de dichos datos, de diferentes fuentes y procesarlas para diseñar la siguiente semana de entrenamiento. Y además, que el mismo modelo de lenguaje fuera capaz de describir lo que estaba haciendo y por qué, y lo pudiera ir documentando públicamente. Fue un tremendo fracaso. Muy frustrante y definitivamente me impidió llegar listo para cualquier evento.

Explico la hipótesis. Los entrenadores humanos tienen muchos sesgos e incluso áreas donde no tienen el mayor expertise: unos son buenos en metodología, otros son buenos detectando patrones negativos, otros son buenos en crear base física, etc. Si hablamos de un entrenador de atletas élite, pues su dedicación y foco está en sus atletas de ese nivel. Si hablamos de un entrenador de atletas aficionados/amateur, la cosa cambia drásticamente: los grupos son más grandes y aunque suelen ofrecerte “personalización” de tus entrenamientos, la realidad es que mucho pasa por los softwares con los que “llevan” las cargas y seguimiento de cada persona y que sugiere los entrenamientos a seguir. Podemos hablar desde Strava, Training Peaks, VO2, etc. Hoy hay muchas, y la verdad está bien. En un atleta aficionado, tener una metodología consistente y asistida es más que suficiente para tener un desempeño aceptable y, sobre todo, seguro. Sin embargo, no podemos decir que es muy personalizado, porque al final de cuentas, el diseño de estos softwares procesa los datos y te pone en una ruta predefinida de acuerdo a ciertos parámetros: es el traje que te queda. No es hecho a tu medida. Y además, no todos los coaches te acompañan con todo el proceso de entrenamiento: falta la parte de nutrición, la parte mental. ¿Un LLM podría hacerlo? Y esa era la tesis.

Lo que quedó documentado

Eso es lo que quise resolver. Así que lo que está documentado y pueden leer está en estos posts:

• Conociendo a #CoachGPT: Un proyecto de entrenamiento para el Maratón de Berlín
• Cómo #CoachGPT utiliza la información para crear y dar seguimiento al plan de entrenamiento
• En marcha hacia el Maratón de Berlín – Semana 1
• Semana 2 Recap – ¡Hacia el Maratón de Berlín con Vic!
• Rumbo al Maratón de Berlín: Semana 3 de Entrenamiento con CoachGPT y Vic
• Analizando la Semana 4 y Ajustando la Semana 5 con CoachGPT
• El camino hacia el Maratón de Berlín: Semana 5 y rumbo a la meta de 4 horas

Todo está documentado, menos el final del experimento. Y este post sirve de recap y darle un cierre con la perspectiva que da el tiempo. Y además, mi buen amigo y coach, Ramón Torre-Lemus me dijo que se había quedado intrigado de qué había pasado. Y eso me motivó a escribir este post.

Por qué falló

Fue una pesadilla. Que hoy estaría bastante resuelta. Si hoy reiniciara este proyecto, estoy seguro de que los resultados serían muy distintos. (Sí lo estoy considerando). Después de la semana cinco, me di cuenta que no íbamos a ningún lado, que aunque la distribución de los entrenamientos y lo que entregaba el #CoachGPT sonaba coherente, no hacía match con lo que pasaba en la realidad. Entregarle la información para que la analizara era agotador, porque teníamos que abarcar cinco puntos:

1. Datos de dispositivos de seguimiento que utilizaba: Garmin y Whoop. Garmin Connect ofrece datos sobre ritmo, distancia, tiempo y frecuencia cardíaca durante las sesiones de entrenamiento. Por otro lado, Whoop ofrece información sobre la variabilidad de la frecuencia cardíaca, el sueño y la recuperación del día a día.
2. Hoja de cálculo para seguimiento (Google Sheets) para registrar información adicional sobre los entrenamientos, recuperación, nutrición y otros factores relevantes. Esto incluía detalles sobre estado emocional y mental.
3. Comunicación constante: la comunicación regular para garantizar que el plan de entrenamiento se ajuste y evolucione según necesidades y progreso.
4. Análisis y ajustes: una vez que se recopilaba la información, se analizaban los datos y los patrones para determinar qué aspectos del plan de entrenamiento estaban funcionando bien y cuáles podían necesitar ajustes.
5. Enfoque holístico al diseñar y dar seguimiento al plan de entrenamiento, considerando aspectos como la nutrición, la recuperación, el descanso, el bienestar mental y emocional, así como el entrenamiento físico.

El modelo de la época, como ya todos sabemos, “alucinaba” demasiado, no podía guardar memoria, no se podía conectar a nada externo y dependía básicamente de su entrenamiento previo y la información que le daba. Cada sesión de entrega de información (los domingos) era un suplicio. Tenía que recordarle al CoachGPT la meta, algunas mediciones, lo que habíamos hecho antes. Era como estar con un entrenador que sabe todo, tiene 99 años, y ya tiene demencia senil. Los posts que lanzó tenían sentido y coherencia, pero me llevaba a errores metodológicos y de cargas que le tenía que reconvenir. Si bien yo tenía claro que era un experimento, sí fue frustrante “hablar” con alguien que tiene toda la info, pero no la podía articular ni ponerla en disposición o de forma útil.

Qué cambió en tres años

Hoy estoy casi seguro de que podría hacer lo que quería hacer hace tres años. Además ya hay otros jugadores: Claude, Gemini, Grok. Con modelos y funciones más avanzados. Ahora cualquier LLM podría revisar fácilmente las exportaciones de cualquier dispositivo: Apple Watch, Garmin, etc. O podría conectarse vía API a servicios como Strava. Podría almacenar y recordar instrucciones del proyecto completo y recordar tus preferencias, las metas e incluso, escribir los posts y publicarlos automáticamente. En tres años cambió todo completamente.

Lo que aprendí

El experimento falló, sí. Creo que yo sabía que eso iba a pasar en el fondo, pero quería vivirlo. Me dio mucho conocimiento sobre cómo operan los modelos de lenguaje y tuve que desempolvar todo mi conocimiento de sistemas, programación, machine learning, algoritmos, árboles de decisión y demás, que hoy agradezco porque me han dado una nueva perspectiva del uso de lo que hoy la gente llama Inteligencia Artificial. Lo voy a volver a hacer, no tengan duda.

Finalmente, veo esto como un explorador moderno. Nuestros antepasados se embarcaban en misiones para descubrir territorios inhóspitos sin saber cuál sería el resultado. Incluso, si sobrevivirían a dicho emprendimiento. Valentía total, si me dicen a mí. Hice ese experimento con responsabilidad total, porque cuando noté que las cosas no iban a terminar bien, desistí. Sé lo que es un maratón y lo respeto tanto que lo he pospuesto. Sé que el día de los 42K, el maratón te cobra todo aquello que no hiciste bien, y aunque hayas hecho todo bien, en el deporte hay imponderables. Un maratón es cosa seria, y con esa seriedad lo tomé. Mi frustración y tristeza ya no me permitieron darle el cierre adecuado a esa fase. Sí, digo fase, porque escribiendo esto me di cuenta que lo quiero retomar.

Aprendí mucho, incluso, tiempo después dejé de usar Whoop (y eso que los amo por ser los referentes del procesamiento de datos de forma algorítmica) debido a los resultados que pude analizar. También luego les puedo hablar de eso. Puedo decirles mucho más: de las sesiones de nutrición, la evaluación del estado mental, que creo que tuve resultados bastante decentes. Sin embargo, la tecnología no estaba lista para lo que yo quería. Hoy creo que está más madura, y también me queda claro que soy un “usuario” que sabe exactamente qué quiere y cómo hacerlo, así que estén atentos. Llega la hora de retomar.