💻 computer science

When Lifts Predict Lifts: Leakage-Controlled Strength Prediction and a Closed-Form Leakage Diagnostic

Este artículo expone cómo los modelos de aprendizaje automático para predecir las levantamientos máximos de los atletas sufren una inflación significativa de la precisión debido a la fuga de datos de levantamientos concurrentes, y propone un diagnóstico de forma cerrada para cuantificar la severidad de esta fuga junto con un modelo generativo rentable que proporciona predicciones calibradas y fisiológicamente consistentes sin depender de los datos de levantamientos hermanos.

Autores originales: Yasin Alipour, Reza Pourgholi

Publicado 2026-09-24

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yasin Alipour, Reza Pourgholi

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de los deportes de fuerza, desde la plataforma olímpica hasta el gimnasio local, saber cuánto puede levantar un atleta es la base de todo. Los entrenadores utilizan estos números para diseñar programas de entrenamiento, realizar un seguimiento del progreso y decidir si un movimiento es seguro de intentar. Idealmente, un entrenador mediría cada uno de los levantamientos que un atleta puede realizar—el clean and jerk, el snatch, la sentadilla trasera y el peso muerto—para obtener una imagen completa. Pero medirlo todo es lento, agotador y, a menudo, imposible para un atleta nuevo que nunca ha competido antes. Esto ha llevado a un creciente interés en el uso de programas informáticos para predecir estos levantamientos basándose en hechos simples como la edad, el sexo, la altura y el peso corporal. La esperanza es que una máquina pueda mirar el perfil básico de una persona y decirle exactamente cuánto puede levantar, ahorrando tiempo y esfuerzo.

Durante años, los modelos informáticos han pretendido hacer esto con una precisión asombrosa, logrando a menudo acertar en las cifras más del 90 por ciento de las veces. Sin embargo, un nuevo estudio sugiere que estos altos puntajes son engañosos. Los investigadores descubrieron que los modelos no estaban aprendiendo realmente a predecir la fuerza a partir del cuerpo de una persona; en su lugar, estaban recurriendo a otros levantamientos conocidos como pistas para adivinar el faltante. Si un modelo sabe cuánto puede hacer alguien en sentadilla, puede adivinar su peso muerto con una precisión casi perfecta porque ambos movimientos están estrechamente vinculados. Esto es como intentar adivinar la estatura de una persona preguntándole qué tan alta es; la respuesta es fácil, pero no aporta nada nuevo. El verdadero desafío, el que los entrenadores enfrentan realmente, es predecir un perfil completo para un extraño que nunca ha levantado una pesa antes, utilizando solo su edad y tamaño.

Yasin Alipour y Reza Pourgholi, investigadores de la Universidad de Damghan en Irán, se propusieron exponer este fallo y construir una mejor forma de predecir la fuerza. Comenzaron tomando una gran base de datos pública de atletas de CrossFit y reproduciendo los resultados de alta precisión que estudios anteriores habían reportado. Cuando permitieron que sus modelos informáticos vieran los otros levantamientos de un atleta mientras realizaban una predicción, los modelos funcionaron brillantemente, igualando la precisión del 93 por ciento vista en trabajos anteriores. Pero luego cambiaron las reglas. Eliminaron los otros levantamientos de la entrada, obligando al modelo a predecir un levantamiento usando solo la edad, el sexo, la altura y el peso del atleta. Los resultados colapsaron. La precisión cayó por un margen significativo, bajando de los altos 90 a mediados de los 60. Esta dramática caída reveló que el éxito anterior era en gran medida una ilusión creada por la fuga de datos (data leakage), donde la respuesta estaba escondida dentro de la pregunta.

Los investigadores se dieron cuenta de que el problema honesto es mucho más difícil que el que se resuelve en el laboratorio. Predecir un levantamiento para un nuevo atleta sin ningún historial es una tarea difícil, y los mejores programas informáticos disponibles actualmente solo aciertan aproximadamente el 65 por ciento de las veces. Esto no es un fallo de la tecnología, sino un reflejo de la realidad: el tamaño del cuerpo y la edad de una persona solo pueden decirte tanto sobre su fuerza. El estudio muestra que, si bien las máquinas pueden evaluar a los atletas y dar un punto de partida aproximado, no pueden reemplazar la medición real de un levantamiento. La información adicional proporcionada por algoritmos complejos añade solo un pequeño valor sobre un cálculo simple basado en el sexo y el peso corporal por sí solos.

Para solucionar la confusión en el campo, el equipo desarrolló una nueva herramienta para detectar este tipo de dependencia antes de que ocurra. Crearon una puntuación simple que puede analizar un conjunto de datos y predecir cuánto se perderá de precisión si se eliminan los objetivos "hermanos"—como los otros levantamientos—. Esta puntuación funciona analizando cómo se relacionan los diferentes levantamientos entre sí después de contabilizar los datos corporales básicos. Si la puntuación es alta, advierte que el conjunto de datos probablemente esté inflado por la fuga de datos. Los investigadores probaron este diagnóstico en datos de fuerza y descubrieron que funcionaba perfectamente. También lo probaron en campos completamente diferentes, como la predicción de la resistencia de mezclas de concreto y el uso de energía en edificios. En los casos donde los objetivos estaban verdaderamente vinculados, como los diferentes levantamientos en un gimnasio, la puntuación predijo correctamente una gran caída. En los casos donde los objetivos ya estaban determinados por los datos de entrada, como las necesidades de calefacción y refrigeración de un edificio, la puntuación predijo correctamente que no habría casi ninguna caída, demostrando que la herramienta puede distinguir entre la predicción real y la fuga de datos.

Más allá de solo exponer el problema, los investigadores construyeron un nuevo tipo de modelo diseñado para manejar la tarea honesta y difícil de la predicción de arranque en frío (cold-start prediction). En lugar de tratar cada levantamiento como un problema separado, construyeron un único sistema que ve la fuerza como una combinación de capacidad general y un estilo específico. Imagine la fuerza como una perilla de volumen que controla qué tan fuerte es un atleta en general, y un conjunto de controles deslizantes que determinan cómo se distribuye esa fuerza a través de diferentes movimientos. Este sistema puede tomar algunos levantamientos conocidos y completar los huecos de los desconocidos, o predecir un perfil completo para un nuevo atleta. Lo hace en una fracción del tiempo y costo de los métodos antiguos y más complejos, proporcionando además una medida de incertidumbre para que los entrenadores sepan cuánto confiar en el número.

El equipo validó estos hallazgos a gran escala, probando sus métodos en casi 300,000 levantadores de potencia competitivos de una base de datos diferente. Los resultados se mantuvieron: la alta precisión de los modelos antiguos desapareció cuando se eliminaron los otros levantamientos, y la nueva herramienta de diagnóstico identificó correctamente la fuga de datos. También demostraron que la relación entre los levantamientos es consistente a través de diferentes poblaciones. Un modelo entrenado con atletas recreativos de CrossFit pudo predecir con éxito la relación entre levantamientos para levantadores de potencia de élite, a pesar de que los atletas de élite eran mucho más fuertes. Esto sugiere que, si bien los números absolutos camben, la estructura subyacente de cómo se distribuye la fuerza permanece igual.

El estudio concluye con un mensaje claro para entrenadores y científicos de datos: las cifras de los titulares en la predicción de la fuerza suelen ser demasiado buenas para ser ciertas. Cuando un modelo utiliza los otros levantamientos de un atleta para adivinar uno nuevo, no está demostrando inteligencia; simplemente está explotando una relación física conocida. El verdadero valor del aprendizaje automático en este campo reside en su capacidad para proporcionar un punto de partida razonable para nuevos atletas y para completar datos faltantes cuando algunos levantamientos son conocidos, todo ello admitiendo honestamente los límites de su certeza. Al separar las predicciones fáciles y filtradas de las difíciles y honestas, los investigadores han proporcionado un camino más claro para utilizar los datos para comprender la fuerza humana.

Resumen Técnico: Cuando los levantamientos predicen levantamientos: Predicción de la fuerza controlada por fuga y un diagnóstico de forma cerrada

Declaración del problema

Los modelos de aprendizaje automático aplicados a los deportes de fuerza suelen reportar una alta precisión (p. ej., $R^2 \approx 0.93$ ) al predecir los levantamientos máximos de un atleta. Sin embargo, el artículo argumenta que esta precisión es, en gran medida, un artefacto de la fuga por levantamientos concurrentes (concurrent-lift leakage). En las configuraciones estándar de "arranque en caliente" (warm-start), los modelos predicen un levantamiento (p. ej., el snatch) utilizando otros levantamientos conocidos del atleta (p. ej., clean and jerk, sentadilla, peso muerto) como entradas. Dado que estos levantamientos comparten un factor latente de fuerza común, la predicción se convierte en una interpolación casi determinista en lugar de una generalización genuina.

El desafío práctico y no resuelto es el escenario de "arranque en frío" (cold-start): predecir el perfil completo de levantamientos de un atleta utilizando únicamente descriptores simples (edad, sexo, peso corporal, altura, experiencia de entrenamiento) antes de que exista un historial de levantamientos. En este escenario realista, las precisiones reportadas caen significativamente, aunque pocos métodos abordan la versión conjunta, calibrada y a escala poblacional de este problema. Además, existe una falta de herramientas para diagnosticar cuánta precisión perderá un conjunto de datos de objetivos múltiples cuando se retienen los objetivos "hermanos" (otros levantamientos).

Metodología

1. Diagnóstico de fuga: La puntuación LFLS

Los autores proponen una puntuación de severidad de fuga de forma cerrada (LFLS) para predecir la pérdida de precisión cuando se eliminan los objetivos hermanos, sin entrenar el costoso modelo que utiliza a los hermanos.

Cálculo: La puntuación se deriva de la matriz de covarianza residual ( $\Sigma$ ) de un modelo económico basado solo en descriptores.
Lógica: Mide la fracción de la varianza de un objetivo recuperable a partir de los hermanos que es transportada por el factor latente dominante compartido.
Fórmula: Para un objetivo $k$ , la puntuación se define como la diferencia entre la varianza recuperable de los hermanos usando la covarianza completa ( $R^2_{sib}$ ) y la varianza recuperable tras eliminar el factor dominante de rango uno ( $R^2_{sib,0}$ ).
$LFLS(k) = R^2_{sib}(k; \Sigma) - R^2_{sib}(k; \Sigma - \lambda_1\lambda_1^\top)$
Predicción: La pérdida de precisión predicha se calcula como $LFLS(k) \times (1 - R^2_{cold})$ .

2. Modelo generativo: Capacidad y estilo

El artículo redefine el perfilado de fuerza como un modelo generativo único basado en un marco de análisis factorial (equivalente al PCA probabilístico) en el espacio logarítmico:
$z = m(x) + \Lambda u + \epsilon$

$m(x)$ : Una media condicionada por descriptores, ajustada mediante un regresor fuerte de gradiente potenciado (gradient-boosted regressor).
$\Lambda u$ : Una estructura de factores latentes donde $u$ representa una capacidad escalar (magnitud de fuerza general) y potencialmente factores de estilo (distribución de la fuerza a través de los levantamientos).
$\epsilon$ : Ruido residual diagonal.
Predicción: Debido a que el modelo es Gaussiano, la distribución predictiva para cualquier subconjunto no observado dado cualquier subconjunto observado tiene una solución de forma cerrada. Esto permite que el modelo funcione como un único ajuste para arranque en frío (sin levantamientos observados), arranque en caliente (todos los levantamientos observados) y cualquier subconjunto intermedio.

3. Calibración y ordenamiento

Incertidumbre calibrada: El modelo emplea predicción conforme dividida (split conformal prediction) para generar intervalos de predicción con cobertura marginal garantizada, independientemente de las estimaciones de varianza interna del modelo.
Orden fisiológico: Los perfiles predichos se proyectan sobre el orden de levantamiento de la población mediante regresión isotónica para asegurar la consistencia fisiológica (por ejemplo, asegurar que una predicción de peso muerto no sea inferior a una de sentadilla si la tendencia de la población así lo dicta), aunque los autores señalan que el modelo base rara vez viola esto de forma natural.

Resultados clave

1. El "colapso de la fuga"

Reproduciendo trabajos previos en el conjunto de datos de CrossFit ( $N=51,161$ ), los autores confirman que los modelos de arranque en caliente alcanzan un $R^2$ alto (0.90–0.93). Sin embargo, cuando se retienen los levantamientos concurrentes (arranque en frío), la precisión colapsa aproximadamente entre 0.16 y 0.26, cayendo a un $R^2$ de alrededor de 0.64–0.68. Este efecto se replica en un conjunto de datos más grande y verificado mediante competición de 295,781 powerlifters de OpenPowerlifting, confirmando que el hallazgo no es un artefacto de datos autoinformados.

2. Precisión diagnóstica

La puntuación LFLS predice con éxito la pérdida medida de arranque en caliente a arranque en frío en múltiples dominios:

Fuerza: Correlación $r=0.94$ entre la LFLS escalada y la pérdida medida.
Mezclas de concreto: Correlación $r=0.998$ .
Energía de edificios: Identificó correctamente una fuga cercana a cero (ya que los descriptores ya fijan los objetivos).
Calificaciones escolares: El desempeño más débil ( $r=0.71$ ), indicando que el diagnóstico es una herramienta para la evidencia más que una ley universal.

3. Desempeño en arranque en frío

En la tarea honesta de arranque en frío, el modelo propuesto logra un $R^2$ medio de 0.656, empatando estadísticamente con bases sólidas como CatBoost (0.654) y LightGBM (0.646). El artículo enfatiza que la precisión puntual no es la contribución principal; más bien, el valor reside en la capacidad del modelo para manejar la predicción de subconjuntos y proporcionar incertidumbre calibrada.

4. Eficiencia en la predicción de subconjuntos

Al predecir levantamientos desconocidos a partir de un conjunto parcial de levantamientos observados:

El modelo iguala el rendimiento de un Proceso Gaussiano (GP) corregionalizado (el método clásico para esta tarea) en todos los niveles de observación.
Eficiencia: El modelo propuesto es significativamente más rápido, utilizando una covarianza de forma cerrada ajustada sobre una media de gradiente potenciado, mientras que el GP requiere optimizar núcleos y puntos de inducción (aprox. 30 segundos por división frente a los minutos del método propuesto).
Desempeño: El modelo supera a los condicionadores de gradiente potenciado en regímenes de baja observación (1–2 levantamientos observados) y empata con el GP en regímenes de alta observación.

5. Interpretabilidad

En un perfil de seis medidas (añadiendo dominadas y una métrica de acondicionamiento), un segundo factor latente se vuelve identificable. Este factor carga cerca de cero en levantamientos con barra y positivamente en métricas de acondicionamiento, representando un eje de fuerza-versus-acondicionamiento. Incluir este factor mejora la precisión de la predicción de subconjuntos.

Significado y Reivindicaciones

El artículo reivindica tres contribuciones principales:

Corrección de la precisión reportada: Demuestra que la alta precisión en la predicción de la fuerza es a menudo un artefacto de fuga, y que el problema "honesto" de arranque en frío es significativamente más difícil ( $R^2 \approx 0.65$ ).
Una herramienta de diagnóstico: Introduce la LFLS, una puntuación de forma cerrada que predice la pérdida de precisión debido a la fuga de hermanos antes de entrenar modelos complejos, validada en los campos de la fuerza, el concreto y la energía.
Un marco generativo unificado: Proporciona un modelo único y computacionalmente eficiente que maneza la predicción de arranque en frío, el condicionamiento de cualquier subconjunto y la incertidumbre calibrada, igualando el rendimiento de los costosos procesos gaussianos mientras mantiene el orden fisiológico.

Los autores mantienen la modestia respecto a la utilidad práctica de las predicciones de arranque en frío, señalando que añaden solo un valor limitado sobre la simple contabilidad demográfica (sexo y peso corporal) y deben verse como herramientas de cribado e inicialización más que como reemplazos para la medición directa. El trabajo es observacional y transversal, por lo que no realiza afirmaciones causales.