近年來，隨著大數(shù)據(jù)技術(shù)和人工智能的發(fā)展，運動鞋生物力學(xué)領(lǐng)域的研發(fā)創(chuàng)新逐漸由單一的實驗測試科學(xué)轉(zhuǎn)變?yōu)閷嶒灴茖W(xué)與數(shù)據(jù)科學(xué)并重的模式。美國學(xué)者Booth等首次將機(jī)器學(xué)習(xí)算法應(yīng)用在運動鞋楦的設(shè)計改良領(lǐng)域，采用主成分分析（PCA）、線性及非線性模擬等方法，將足形指標(biāo)簡化降維為關(guān)鍵指標(biāo)，研究結(jié)果顯示，大樣本量精準(zhǔn)的足形數(shù)據(jù)采集有利于機(jī)器學(xué)習(xí)精度的提升，同時隨著機(jī)器學(xué)習(xí)算法的改良和大數(shù)據(jù)的積累，有望將運動鞋楦的設(shè)計誤差降低至亞毫米級。部分國際運動品牌研發(fā)團(tuán)隊聚焦運動鞋舒適性的提升，基于4 199名運動員足形，構(gòu)建大規(guī)模人群的足部統(tǒng)計形態(tài)模型（statistical shape modelling，SSM）。其采用PCA降維方法對足部三維解剖構(gòu)形進(jìn)行二維精細(xì)描述，基于迭代最接近點算法，實現(xiàn)了足部模型與模板網(wǎng)格的自動剛體對齊，將復(fù)雜的三維足部形態(tài)特征用傳統(tǒng)的二維足形測試指標(biāo)進(jìn)行描述?；诓煌朔N的大數(shù)據(jù)足形精細(xì)參數(shù)的獲取和建模，有助于進(jìn)一步提升運動鞋舒適度。我國學(xué)者顧耀東等開展基于機(jī)器學(xué)習(xí)算法和大數(shù)據(jù)足形特征的生物力學(xué)指標(biāo)預(yù)測工作，開發(fā)、訓(xùn)練和測試了基于足形多變量的機(jī)器學(xué)習(xí)偏最小二乘回歸（partial least squares regression，PLSR）模型，現(xiàn)已收集近3 000人的精細(xì)化足形參數(shù)，預(yù)測普通人群在著鞋和裸足狀態(tài)下的足底壓力特征。隨著足形大數(shù)據(jù)的進(jìn)一步積累和機(jī)器學(xué)習(xí)算法的優(yōu)化，預(yù)計預(yù)測精度可達(dá)0.95以上。筆者認(rèn)為：當(dāng)前人工智能和大數(shù)據(jù)技術(shù)在運動鞋生物力學(xué)研發(fā)領(lǐng)域的應(yīng)用已得到學(xué)界和業(yè)界的廣泛關(guān)注和共識；未來運動鞋生物力學(xué)研發(fā)應(yīng)充分結(jié)合多學(xué)科前沿研究成果，尋找新的學(xué)科增長點，不斷融合生物力學(xué)、計算機(jī)科學(xué)及人工智能等領(lǐng)域的前沿技術(shù)，拓寬研究深度及廣度，提升運動鞋科技研發(fā)能力。