行业焦点

如果奥运会的裁判都是 AI，会更公平吗？

浏览量：1105

人工智能技术可以最大程度上减少偏见和歧视，结果也将更加准确。

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等新领域，重点介绍国外的新技术、新观点、新风向。

编者按：在今年的东京奥运会乒乓球比赛中，日本选手的动作数据会被实时传送到浙大乒乓球智能大数据分析平台进行分析。这一技术可以应用到人工智能裁判中，有朝一日，人工智能裁判可能会比人力裁判更公平更准确，不像人一样容易受到偏见的影响。本文编译自Fast Company,作者Steven Melendez，原文标题At future Olympics, algorithms could be doling out gold medals instead of judges。

跳水也许将会成为第一个使用电脑可视化进行自动评分的项目，并且已经转变了运动员、教练和在家中观看比赛的粉丝们对于他们喜欢的动作的理解。

由于新冠疫情，今年的奥运会不同往年。但其中也有许多熟悉的场景，比如，裁判们依旧会在跳水、滑板等项目中对选手进行打分。

体育数据公司Stats Perform的首席科学家Patrick Lucey表示，在未来，人工智能可能会负责部分裁判工作，有朝一日，人工智能裁判可能会比人类裁判更准确，并且不像人类一样容易受到偏见的影响。Lucey说，他估计跳水可能是最早受益于自动评分技术的项目之一，与自由体操等项目的复杂程度相比，跳水项目的环境相对较小且可控。

Lucey说：“裁判结果将更透明，不会有任何偏见。”

自动化已经在人类体育裁判中发挥着越来越重要的作用。美国网球公开赛和其他网球锦标赛一直在逐步淘汰人力裁判，转而采用自动判断球位的工具，这样做还可以在疫情期间减少赛场上的人员。美国棒球小联盟和其他规模较小的职业棒球联盟也一直在试验自动系统，以帮助裁判判罚球和击球。

随着近年来电脑学习技术的进步，人工智能在跟踪运动员的表现以及各类型动作方面发挥着越来越大的作用。索尼旗下的鹰眼(Hawk-Eye)为美国网球公开赛提供了线路判断技术，并在足球、橄榄球和羽毛球等运动项目中使用并测试了其对于球的跟踪能力。一个名为TrackMan的系统可以向棒球教练提供不同级别的关于球员投球和击球的信息。而Stats Perform的AutoStats系统最近也开始进行革新。之前他们只能够从由特殊摄像机录制的大学篮球比赛中提取数据，而现在他们仅通过现有的视频就可以记录下比赛细节。

Lucey说，这些系统是根据人工裁判标记的视频片段进行训练的，它们可以比人类更快、更准确地观察比赛的细节。

他说:“只要给它提供足够的被标记过的范式，计算机就能够模仿那些老练的人工所做的事情。”

NCAA一级联赛有300多支球队参加，与此同时众多球迷和职业球探也都在寻找球队和球员比赛表现的信息，因此，面对如此庞大的任务量，每个体育场都必须安装大量的设备，而上个月得到续约的Orlando Magic AutoStats作为其球探过程的一部分，帮NCCA省下了这一项的部分设备支出。Lucey说，人工智能进行的球员评估还可以帮助职业球队发现那些被低估的人才，更好地了解队内球员的能力。

Orlando Magic的篮球部运营总裁Jeff Weltmam在一份声明中说：“跟踪数据已经成为NBA比赛分析的黄金标准，而AutoStates的跟踪技术可以使大学的球探分析达到和NBA同等的深度和级别。得到AutoStats的真实数据的支持后，我们的球探和勘探分析大幅进步，成为了我们在过去两个赛季中的巨大优势，并帮助我们更好地洞察最近的2020年NBA选秀。”

人工智能自然也可以在运动员训练中发挥作用，提供关于比赛和技术的实时反馈。已有的工具可以让业余运动员使用智能手机拍摄视频并记录他们的表现，随着相机和软件的不断更新，这些应用程序可能会变得更加复杂。网球应用SwingVision可以根据任何由iPhone或iPad拍摄的画面提供比赛的实时分析，而HomeCourt也可以为篮球运动员提供类似的反馈；同样的，高尔夫球手也有一系列工具帮助他们提高球技，包括视频片段，还有从球杆上的传感器收集来的数据。

虽然这些技术现在已经出现，但要达到奥运会级别的全自动裁判仍有很长的路要走。要想让人工智能完全取代人力裁判，人工智能就必须提高准确率，尽可能排除已知的人工的错误和偏见(想想冷战时期关于俄罗斯奥运会裁判的笑话)。

Lucey说：“仅仅做得和人力裁判一样好是不够的，人工智能裁判必须比人力裁判优秀十倍才行。”

译者：扣人心