文章同步發表在我的Blog
使用 ChatGPT 協助健康管理一段時間後，我開始遇到一個很實際的問題。
如果 AI 的建議看起來很合理，但我今天就是覺得很累，到底該聽誰的？
例如照原本的運動安排，今天應該跑步。
DailyLog 看起來也沒有什麼明顯異常。
前一天沒有高強度訓練，最近體重趨勢正常，甚至睡眠時數看起來也還可以。
如果我把這些資料交給 ChatGPT，它可能會告訴我：
今天可以照原訂計畫運動。
問題是，下班之後，我坐在椅子上，心裡很清楚：
我今天真的不太想動。
這時候就出現一個很有趣的衝突。
資料說可以。
計畫說可以。
AI 也說可以。
但我的身體好像在說：
今天不要。
以前的我，很可能會選擇照計畫做。
因為我一直相信：
有紀律，就是不能太相信「今天不想做」這種感覺。
但後來我發現，事情需要再分得更細一點。
有些時候，我只是懶。
尤其是下班回家、坐到沙發上的那一刻。
腦中會出現很多理由：
今天工作很累。
外面好像很熱。
晚一點還有事情。
少跑一天應該沒差。
但只要真的換好衣服出門，跑個十分鐘，通常就恢復正常。
這種「不想動」，比較像啟動困難。
但另外一種感覺不太一樣。
可能前一晚睡得不好。
腿一直覺得沉。
精神很差。
原本平常不太需要意志力就能完成的事情，今天光想到就覺得很累。
甚至熱身後，狀態還是沒有改善。
這時候如果我把所有「不想運動」都當成懶惰，反而很容易忽略身體真的在提醒我。
所以後來我不再只問：
「今天想不想運動？」
我會多問一句：
「開始活動之後，身體有沒有變好？」
這種判斷在安排不同運動時特別明顯。
有時候晚上原本想騎大約 40 公里的單車。
隔天中午可能還有瑜伽課。
單看計畫，兩件事情並不一定衝突。
如果最近睡眠正常、身體狀況也好，晚上騎車，隔天再做瑜伽，可能完全沒有問題。
但如果當天已經覺得疲勞，我就會開始重新考慮。
真的需要騎完整 40 公里嗎？
是不是改成比較輕鬆的短程？
或者乾脆游個 500 到 1000 公尺，把今天當成比較輕的活動？
甚至直接休息？
這時候我會把最近幾天的 DailyLog 丟給 ChatGPT，讓它協助整理：
最近有沒有連續訓練？
睡眠怎麼樣？
步數是不是已經很高？
明天是不是還有其他活動？
AI 可以幫我把這些事情放在一起。
但最後一個資訊，只有我知道：
** 我現在的身體到底是什麼感覺。**
這也是我使用 DailyLog 越久，越清楚的一件事。
假設昨晚記錄：
睡眠 7.5 小時。
看起來很好。
但七個半小時不代表我今天一定精神很好。
也許睡眠中斷很多次。
也許工作壓力很大。
也許前幾天累積的疲勞還沒有消失。
步數也是一樣。
今天只有六千步，不代表腿一定很輕鬆。
體重、體脂更不可能告訴我：
今天跑起來舒不舒服。
所以 DailyLog 是一張地圖。
它可以提供方向。
但它永遠不可能完整取代當下的身體感受。
這也是一個很容易被忽略的地方。
如果我只告訴 ChatGPT：
「昨天睡 7.5 小時，今天沒有運動，晚上適合跑步嗎？」
它看到的資料確實很合理。
但如果我補上一句：
「下午開始覺得精神很差，而且腿部有明顯疲勞感。」
建議很可能就會改變。
AI 沒有辦法自己感受到我的疲勞。
它只能根據我提供的資訊判斷。
這讓我慢慢理解：
使用 AI 管理健康，最重要的能力之一，其實不是問出多厲害的問題。
而是：
我願不願意誠實描述自己的狀況。
如果我只提供漂亮的數字，AI 很容易得到漂亮的結論。
以前我比較相信可以量化的東西。
體重 65.2 公斤。
睡眠 7 小時。
步數 10,523。
跑步 8 公里。
這些都很明確。
相比之下：
「今天有點累。」
「腿比較沉。」
「精神很好。」
「跑起來很輕鬆。」
看起來很不精確。
但後來我反而越來越重視這些描述。
因為健康管理最後還是發生在我的身體上。
所以有些日子，我會直接在 DailyLog 備註：
「精神不太好。」
「睡眠不足。」
「腿部疲勞。」
「今天很餓。」
「運動狀況很好。」
這些簡短的句子，之後回頭看非常有用。
尤其當 ChatGPT 幫我比較一段時間的紀錄時，它可以一起看到：
某些狀況是不是反覆出現。
這是我後來替自己建立的一條很重要的界線。
ChatGPT 給我的運動建議，我會把它當成：
在目前已知資訊下，一個值得參考的判斷。
最後決定權還是在我。
如果 AI 說今天可以跑八公里，我出去熱身後覺得狀況很差，我可以改跑三公里。
也可以改成走路。
甚至直接回家。
這不代表 AI 判斷錯了。
因為它沒有我熱身後得到的新資訊。
反過來，如果 AI 建議今天休息，但我下班後精神很好，身體也沒有任何不適，我也可能選擇做一段很輕鬆的活動。
接著把結果記下來。
決定不是一次完成的。
生活本身會一直產生新的資訊。
有些時候，我真的分不出來：
今天是懶，還是真的需要休息？
後來我找到一個自己很常用的方法。
先做最低版本。
原本要跑八公里。
先換衣服出去走十分鐘。
原本要騎 40 公里。
先騎一段輕鬆路線。
原本安排正式訓練。
先做暖身。
然後再判斷。
如果開始之後身體慢慢進入狀況，我就繼續。
如果暖身後還是很疲勞，就降低強度或停止。
這個方式對我很有幫助。
因為它同時避免兩個極端：
一覺得累就完全取消。
明明狀況不好還硬把計畫完成。
最重要的是，事情沒有在「今天休息」之後結束。
我還會觀察隔天。
例如原本應該跑步，但我改成休息。
隔天精神真的變好了嗎？
腿部疲勞有沒有下降？
如果答案是有，那這次調整可能是合理的。
反過來，如果我覺得自己只是懶，最後還是出去跑了一段輕鬆跑，結果跑完精神很好，隔天也完全正常。
這也是一筆經驗。
我會慢慢更了解自己：
什麼感覺只是啟動困難。
什麼感覺是真的需要恢復。
這些東西很難一次學會。
只能靠一次一次觀察。
這裡還有另一個方向。
前面一直在談：
不要因為 AI 說可以，就忽略身體。
但反過來也成立。
人其實很會替自己找理由。
如果我連續三天都寫：
「今天很累，所以休息。」
ChatGPT 回頭看 DailyLog，可能會提醒我：
最近睡眠其實正常。
沒有高負荷訓練。
活動量也持續下降。
這時候就值得問：
我是真的需要恢復，還是生活習慣開始鬆掉？
這也是 AI 很有價值的地方。
它可以挑戰我的主觀感覺。
但最後還是由我判斷。
用了一段時間之後，我發現這根本不是「到底要聽 AI 還是聽身體」的二選一問題。
我現在比較像這樣做：
DailyLog 告訴我最近發生什麼。
ChatGPT 幫我整理資料、找出可能的規律與矛盾。
我感受今天身體的實際狀況。
然後做決定。
做完之後，再把結果記回 DailyLog。
下一次遇到類似情況，我們就多了一筆經驗。
這個循環跑得越久，AI 的建議才會越接近我的生活。
而我也越來越知道自己什麼時候真的需要休息。
這大概是我使用 ChatGPT 管理健康後，越來越確定的一件事。
我很願意讓 AI 分析資料。
也願意聽它提醒我：
最近睡太少。
訓練太密。
晚間進食增加。
或者其實不用那麼擔心今天的體重。
但我不希望把自己的身體交給一個模型決定。
因為真正承受結果的人是我。
AI 可以幫我看得更完整。
DailyLog 可以讓我的記憶更可靠。
但今天要不要跑、要不要休息、要不要調整，最後仍然是我的責任。
這也是我認為 AI 健康管理真正有價值的地方。
它沒有讓我少做決定。
它讓我有更多資訊，可以做出比較好的決定。
下一篇，我會談一個開始使用 AI 之後很容易出現的另一個問題：如果每件事情都問 ChatGPT，我會不會反而失去自己的判斷能力？ 從「今天能不能跑」到「晚上能不能吃」，我後來開始刻意區分哪些問題值得問 AI，哪些事情其實應該自己決定。
iThome鐵人賽
看影片追技術