由於新冠肺炎疫情，今年的奧運會可能不對大多數觀眾開放，但由於數十臺攝像機記錄著運動員的每一次跳躍、潛水和翻轉，全世界的目光仍然聚焦在運動員身上。在所有這些廣播裝置中，田徑比賽的參賽者可能會注意到五臺額外的攝像機——這是一個詳細的 3-D 跟蹤系統的第一步，該系統為觀眾提供近乎即時的洞察，瞭解比賽的每一步或接力棒的傳遞。
而跟蹤僅僅是開始。東京展示的技術表明，精英運動員訓練的未來不僅在於收集關於人體的資料，還在於利用這些資料建立人體的數字複製品。這些虛擬化身有一天可以執行假設的場景，以幫助運動員決定哪些選擇將產生最佳結果。
東京正在使用的跟蹤系統，一種名為 3DAT 的英特爾產品，將即時影片輸入雲端。在那裡，人工智慧程式使用深度學習來分析運動員的動作，並識別關鍵的效能特徵，如最高速度和減速度。該系統透過顯示動作的慢動作圖形表示，突出關鍵時刻，與觀眾分享這些資訊。從捕捉影片到廣播分析的整個過程不到 30 秒。
支援科學新聞事業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續報道關於發現和塑造我們當今世界的想法的具有影響力的故事。
例如，在 NBC 廣播俄勒岡州尤金舉行的 100 米選拔賽期間，人工智慧顯示了 沙卡里·理查森 如何在她的巔峰時期達到每小時 24.1 英里的速度，並在她到達終點線時減速到每小時 20.0 英里。這足以贏得比賽：理查森的亞軍最高速度為每小時 23.2 英里，在終點線處減速至每小時 20.4 英里。
英特爾奧運技術集團的體育效能技術主管喬納森·李說：“這就像擁有你自己的私人評論員，在比賽中向你指出重點。”
為了透過機器學習訓練他們的奧運人工智慧，李和他的團隊必須儘可能多地捕捉精英田徑運動員運動的鏡頭。他們需要人類身體進行特定動作的錄影，但用於類似研究的現有鏡頭顯示的是普通人在運動，這會使演算法感到困惑，李說。“人們通常不會完全水平地停留在空中七英尺，”他指出，但世界級跳高運動員經常達到這樣的高度。
在錄影中，英特爾的一個團隊手動註釋了身體的每個部分——眼睛、鼻子、肩膀等等——逐個畫素。一旦確定了這些關鍵點，模型就可以開始在三個維度上連線它們，直到它獲得運動員體形的簡化渲染圖。跟蹤這個“骨架”使程式能夠在運動員的身體在賽事中移動時執行 3-D 姿勢估計（一種計算機視覺技術，可以跟蹤物體並嘗試預測它在空間中可能發生的變化）。
該跟蹤系統僅限於今年奧運會的田徑賽事。但類似的技術可能會成為各種運動的標準配置，義大利佈雷西亞大學的人機互動研究員兼助理教授芭芭拉·麗塔·巴里切利建議道，她沒有參與英特爾的專案。“真正的重大轉變是，當一項技術不僅用於娛樂或研究，而且被實踐社群接受時，”巴里切利說。例如，當影片助理裁判員首次在足球比賽中使用時，它們在廣播網路中很受歡迎——但一些人類裁判員拒絕在改變比賽結果的判罰中依賴它們。這項技術仍然存在爭議，但現在許多官員經常使用影片助理來幫助做出判罰。巴里切利認為 3DAT 在奧運會上的首次亮相可能是“研究成果與實踐相結合的一大步——或者更好的是，實踐擁抱研究成果”。
李認為，人工智慧可以幫助從奧運選手到普通健身愛好者等所有人糾正他們的姿勢，跟蹤他們步態的變化，這些變化可能表明即將發生的損傷等等。“從長遠來看，這項技術將透過為運動員提供更多資訊來幫助提高[運動員的]表現，”曾在英特爾 3DAT 專案工作的兩屆奧運會十項全能冠軍阿什頓·伊頓 告訴俄勒岡人報。
所有這一切都歸功於計算技術的進步，這些進步使人工智慧能夠更有效地將 2-D 影像轉換為 3-D 模型。李說，它正在產生“我們以前從未有過的——以前沒有人有過的——資訊，因為它太麻煩了”。他認為，像最近的田徑選拔賽中分享的那些見解僅僅是個開始。
未來，運動員可能會越來越依賴大量資料，並利用人工智慧進行處理，以提高他們的比賽水平。其中一種工具可能是一種名為數字孿生的模型——“一個虛擬的你填空的表示，”美國宇航局總部空間技術任務理事會首席技術專家約翰·維克斯說。
這些模型以計算機程式中的資料形式存在，因此可以在螢幕上或虛擬現實中檢視，並執行真實世界情況的模擬。十多年前，維克斯與佛羅里達理工學院的研究教授邁克爾·格里夫斯共同創造了“數字孿生”這個詞。維克斯說，工程師最初將數字孿生定義為工業物體的 不斷發展的 虛擬模型，從下一代 太空飛行器 到整個 地球城市。例如，2020 年，美國空軍啟動了一個為期六年的專案，以 開發 B-1B 槍騎兵轟炸機的數字孿生，以瞭解各個部件如何衰減，以及如何減緩這些過程。現在，研究人員正在開發數字孿生技術，以構建、測試甚至運營幾乎任何東西，從競技場中“粉絲體驗”等抽象概念到人類。
巴里切利目前正在從事這項工作。她認為，工程師很快將利用從可穿戴健身監測器和人工智慧跟蹤工具收集的資料來部署 個別運動員的數字孿生。教練可以使用這些來測試比賽如何受到從睡眠模式到飲食到在球場上的站姿等各種行為的影響。數字孿生最終可以幫助運動員預測他們未來的真實世界表現，甚至可以提出訓練調整建議。
巴里切利說：“在那個層面上，[運動員]持續監測他們訓練的假設結果將非常有幫助。”這樣，“你每次做某事時都會看到它如何影響你取得的成果。”