新時代，與 AI 共榮｜回歸人本，重新想想什麼值得我們親自去做

這幾年，我們愈來愈習慣把一些事情交給科技。

查資料，可以問 AI。

整理資訊，可以交給 AI。

規劃行程、比較選項、修改文字，甚至很多原本需要花幾個小時完成的工作，現在可能幾分鐘就能得到一個不錯的起點。

我並不覺得這是一件需要抗拒的事情。

如果工具能幫我們減少重複工作、整理複雜資訊，讓時間用在更值得投入的地方，本來就是一種進步。

所以問題可能不是：

「AI 會取代我們什麼？」

我最近反而比較想問：

當愈來愈多事情可以交給工具，我們更值得把時間留下來做什麼？

而肌力訓練，剛好是一件很有意思的事。

有些事情可以外包，有些能力不能

AI 可以幫你整理一份訓練資料。

也可以解釋深蹲、硬舉，告訴你什麼叫漸進增加負荷。

甚至可以幫忙記錄訓練重量、整理數據，讓原本很花時間的資訊工作變得簡單。

但有一件事情，它沒有辦法替你完成。

它不能代替你的身體適應。

看完一百篇深蹲文章，腿不會因此變得更有力。

理解漸進式超負荷的原理，也不等於身體已經承接過那些負荷。

知道睡眠很重要，和真的睡了一個晚上，仍然是兩件事情。

身體有一個很誠實的地方：

它需要你真的去做。

把重量拿起來。

穩定完成一次動作。

休息。

恢復。

下一次再來。

身體經過一次一次刺激與適應，能力才慢慢留下來。

這件事情，到現在仍然沒有捷徑。

AI 可以給答案，身體需要的是經驗

我們現在取得答案的速度愈來愈快。

以前一個訓練問題，可能要找一本書、問一位教練、看很多資料。

現在一句問題，就可能得到很完整的整理。

這很方便。

但肌力訓練也提醒我們一件事：

知道答案和擁有能力，中間還隔著實際經驗。

你可以知道深蹲時腳要怎麼站，但第一次拿起重量時，身體還是要重新學習怎麼穩定。

你可以理解硬舉是髖鉸鏈，但真正站在槓鈴前，仍然需要慢慢建立出力方式。

你甚至可能很清楚課表應該怎麼安排，卻還是需要在一次一次訓練裡，知道今天什麼重量合適、什麼狀況該往前、什麼時候應該先留在原地。

這些東西沒有辦法只靠資訊獲得。

它們要經過身體。

如果你常常已經知道很多訓練原理，卻還沒有真正累積練習，可以接著看「肌力訓練學很多卻練不多」：答案可以變快，身體能力仍需要透過重複、記錄與適應慢慢形成。

未來愈方便，身體能力可能愈值得保留

科技其中一個很大的價值，就是替人減少不必要的負擔。

交通工具讓我們不用走那麼遠。

機器讓我們不用搬那麼重。

自動化幫我們省掉許多重複勞動。

AI 又開始替我們承接更多認知工作。

這些發展沒有什麼不好。

但從訓練的角度看，我會多想一層。

如果生活裡需要身體出力的機會愈來愈少，我們還要不要主動保留這些能力？

我認為要。

不是因為我們應該刻意把生活變辛苦。

而是生活變方便之後，力量、體能與動作能力不一定會自動留下來。

身體會適應我們平常給它的刺激。

很少承受負荷，它就沒有太多理由維持負荷能力。

很少使用某些活動範圍，身體也不會因為我們「知道它很重要」就自動練習。

所以肌力訓練在未來的價值，可能反而更加清楚。

我們刻意留下一段時間，讓身體承受一些合適的重量。

不是為了重新把生活變得辛苦。

而是讓愈來愈方便的生活裡，身體仍然保有一些能力。

如果想把這個問題再往現代生活延伸，可以接著看「生活愈方便，為什麼還要主動保留身體能力？」：當日常愈來愈省力，訓練如何主動留下生活不再自然提供的身體刺激。

有效率，不代表所有事情都要追求最快

AI 時代很容易讓我們習慣一件事情：

更快得到結果。

一句問題，希望立刻有答案。

一個工作，希望少花一半時間。

如果有工具能做到，當然很好。

但身體的節奏不完全一樣。

今天訓練一次，明天不會突然多出半年累積的力量。

動作從陌生到熟悉，需要重複。

力量增加，需要適當刺激和恢復。

訓練中有一些東西，本來就需要時間。

這不代表效率低。

這只是身體適應的方式。

所以在比安，我們不會因為一個人今天狀況很好，就把所有進度一次往前推。

重量可以增加，但要看動作品質能不能承接。

版本可以進階，但要看現在是否真的需要。

今天累一點，也不代表一定比昨天累積得更多。

有些事情可以因為科技而加速。

身體能力則仍然需要尊重它自己的時間。

肌力訓練也讓人重新回到「人」本身

科技很擅長處理可以被數位化的事情。

數字、文字、資訊、模型、選項，都可以被快速整理。

但人不只有這些。

我們會走路。

會搬東西。

會累。

會恢復。

會因為前一天沒睡好而有不同狀態。

會在學一個新動作時緊張，也會在某一天突然發現，以前覺得很難的事情已經變得自然。

這些感受很難被一個漂亮的數據完全代替。

訓練讓人重新注意到這些事情。

今天站得穩不穩。

這個重量拿起來是什麼感覺。

呼吸有沒有跟上。

做完這一組，還剩多少能力。

這些很小的觀察，看起來不像科技時代最前沿的東西。

但它們非常接近一個人實際怎麼生活。

教練的價值，也會因此變得更清楚

AI 可以提供很多好的訓練知識。

我甚至認為，未來大家取得基本訓練資訊會比現在容易很多。

這反而會讓教練真正的價值變得更清楚。

因為資訊愈容易取得，單純「知道一個動作怎麼做」就愈不稀有。

現場真正困難的，是判斷。

同樣一份課表，今天適不適合這個人？

同樣是深蹲，現在該繼續這個版本，還是換一個版本？

今天的重量可以增加嗎？

學員說「有點怪怪的」，需要停下來、調整，還是只是動作還不熟悉？

原本規劃四組，做到第三組時狀態已經足夠，需不需要硬做完？

這些事情沒有一個永遠固定的答案。

因為教練面對的不是一份資料。

是眼前這一個人。

好的工具可以幫助教練取得資訊、整理紀錄、減少行政工作。

省下來的注意力，應該回到更重要的事情：

觀察、判斷與教學。

如果想再往教學現場走一步，可以接著看「複雜的事情看完整，簡單的事情做到好」：資訊愈容易取得，教練的工作愈回到觀察、判斷與安排。

與 AI 共榮，不代表把所有事情都交出去

我期待的未來，不是人和 AI 比誰比較厲害。

這大概也不是一場值得花太多力氣的比賽。

工具擅長的事情，就讓工具做得更好。

大量資訊整理、重複工作、初步分析，AI 很可能會愈來愈方便。

而我們也可以因此重新思考：

那些仍然值得自己花時間做的事情是什麼？

和家人相處。

去一個地方真正走一走。

學會一件需要反覆練習的技能。

吃一頓飯。

睡覺。

休息。

訓練自己的身體。

這些事情的價值，很大一部分就在於它們不能只靠知道，也不能完全請別人替你完成。

訓練，是把能力真正留在自己身上

你可以請 AI 幫你整理肌力訓練的資料。

可以請工具幫你記錄重量。

也可以請教練替你規劃訓練。

這些都能讓路走得更清楚。

但最後真正留下來的能力，還是要由你的身體完成。

一次深蹲。

一次硬舉。

一次推。

一次拉。

拿著重量走一段路。

慢慢讓原本吃力的重量變得能控制。

讓原本陌生的動作變得熟悉。

讓原本很接近能力上限的日常活動，慢慢多留一點身體餘裕。

也許這就是肌力訓練在新時代裡，一個很值得被保留下來的價值。

當世界有愈來愈多事情可以外包，我們仍然花一些時間，把某些能力真正留在自己身上。

訓練，是替未來的自己保留選擇｜如果想把「哪些事情值得親自累積」再往生活推一步，這篇會談身體能力如何慢慢變成未來仍可使用的生活選項。

延伸閱讀

生活愈方便，為什麼還要主動保留身體能力？｜當現代生活愈來愈省力，這篇往下談為什麼仍值得主動保留力量、負重與身體餘裕。

複雜的事情看完整，簡單的事情做到好｜如果想看 AI 與資訊工具進到教學現場之後，教練的價值如何回到觀察、判斷與安排，可以接著讀這篇。

肌力訓練學很多卻練不多｜把知道的練成身體能力｜如果已經知道很多訓練原理，這篇會接著談怎麼讓知識經過練習、重複與記錄，慢慢變成真正做得到的能力。