憑什么AI能在東京奧運會上免費看排球比賽？
大數據文摘出品
來源：wired
8月8日晚，第32屆夏季奧林匹克運動會正式閉幕。
本次奧運會中國以38金、32銀、18銅的戰績，追平了參加境外奧運會的最佳戰績。
由于疫情原因，本次奧運會沒有開放觀眾入場，偌大的比賽場上能清楚聽到選手的吶喊和喘息聲。
但在一些比賽場上，比如沙灘排球，除了教練和隊友，還有這么一群特殊的“觀眾”。
“我們使用帶有計算機視覺技術的攝像頭來跟蹤運動員和排球，”Omega Timing的負責人Alain Zobrist說，“這是我們將相機技術和人工智能結合實現的”。
自1932年以來，Omega Timing一直為奧運會提供官方計時服務。
最讓人印象深刻的，可能是1948年在倫敦推出的第一臺光電照相機Magic Eye，在此之前，裁判都是用人眼與秒表，結合判定哪個運動員最先越過終點線。
多年來，Omega Timing除了一直提高準確性，還實時開發了對新項目的判定方法。比如，競技攀巖、游泳、田徑、體操和馬術都在今年獲得了新的計時方法。
但其中，最有趣的應當要數Omega Timing花了四年時間訓練人工智能來學習沙灘排球。
據了解，Omega Timing的研發部門由180名工程師組成，開發過程從內部定位系統和運動傳感器系統開始。他們的目標是，在每年500多項體育賽事中，可以為多個項目提供關于運動員表現的詳細實時數據。這些數據在賽事期間的測量、處理和傳輸時間必須少于十分之一秒，以便呈現給屏幕前的觀眾。
對于沙灘排球來說，這意味著采用定位和運動技術，并訓練人工智能來識別各種擊球類型，比如擊球到攔網到扣球的變化，以及傳球類型和球的飛行路徑，然后將這些數據與從球員衣服上的陀螺儀傳感器收集的信息結合起來。這些傳感器能夠讓系統知道運動員的運動方向，跳躍高度和速度等。
處理完畢后，相關信息和數據就會用于直播、評論或以屏幕上的圖形進行展示。
據Zobrist說，人工智能要學習的最難的課程之一是在攝像機不能再看到球的情況下準確地跟蹤球的運動。
“有時，球會被運動員的身體部位遮住，有時在電視畫面外，因此，如何在看不見球的時候進行追蹤，讓軟件預測球的運動軌跡，然后，當球再次出現時，重新計算這段時間的差距，自動填補缺失的數據，并再度實現追蹤”。
Zobrist說，“當跟蹤球時，系統會知道它的位置，以及它何時改變了方向，如果再結合運動員身上的傳感器，算法就會識別出擊球行為，同時你會知道是哪支球隊哪名球員發出了這個動作。也正是基于這兩種技術，使我們能夠準確地測量數據”。
Omega Timing聲稱，沙灘排球系統的準確率為99%，這要歸功于傳感器和以每秒250幀運行的多個攝像頭。然而，達勒姆大學計算機視覺和圖像處理教授Toby Breckon表示，關鍵還在于，系統是否會被種族和性別的差異所欺騙。
“這些已經完成的工作相當令人印象深刻，你需要一個大的數據集來訓練人工智能”，Breckon說，“但其中一個問題是準確性。在這些不同的動作方面，它有多長時間會出錯?它多長時間會失去對球的追蹤?還有，如果它在所有種族和性別上都能統一工作，比如說，對美國女隊的準確率是99%，系統對加納女隊的準確率仍然是99%嗎?”
Zobrist對此很有信心，他解釋說，雖然調用谷歌或IBM來提供所需的人工智能專業知識可能更容易，但這不是他們的選擇。“重要的是，不管是對于計分運動，還是計時運動，我們都不能讓成績的解釋和最終結果之間出現差異”。
至于未來的計時和跟蹤升級，Zobrist諱莫如深，但他說2024年的巴黎奧運會將是關鍵。
“你會看到一套全新的設備。它仍將圍繞計時、計分，以及運動傳感器和定位系統，當然也可以期待一下2028年的洛杉磯，我們還將有更為有趣的項目，雖然我們才剛剛開始”。
相關報道：https://www.wired.co.uk/article/tokyo-olympics-timekeeping-omega
【本文是51CTO專欄機構大數據文摘的原創譯文，微信公眾號“大數據文摘（ id: BigDataDigest）”】
