本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

AI當裁判的時代，終于還是到來了。

還不是什么隨隨便便的賽事，正是北京冬奧會測試賽！

[[412350]]

這個“裁判”是誰？

直接來亮個相：

小冰AI競技體育國際賽事評分系統。

但畢竟在競技體育這件事上，差之毫厘，便是失之千里。

小冰，又是哪里來的底氣？

與人類專業裁判結果一致

或許你會問了，難道在以前的國際賽事上，就沒用過AI技術？

有，確實有。

例如在2019年的體操世錦賽上，3D感應技術就充當了人類裁判“小助手”的角色。

但不得不強調的是，這些AI技術僅僅是幫裁判提高精確度，避免誤判。

要想獨當一面，還是比較困難。

那小冰AI評分系統，達到了怎樣的水平？

全球首個能夠基于運動員動作和姿態，獨立做出與人類專業裁判一致，且完整評價的AI系統。

我們以自由式滑雪空中技巧為例，一同來看這個“AI裁判”的本領。

在這個項目過程中，運動員穿戴滑雪板從跳臺躍起后，在空中做各種空翻和轉體動作。

裁判會根據選手的起跳動作、騰空高度、空中動作難度與完成度、落地穩定性等方面進行評分，每次兩跳得分總和為該輪得分。

針對這一項目，小冰AI提出了一個叫做競技體育國際賽事評分系統。

據了解，這個系統可以克服如下現實場景存在的難點：

• 高強光復雜的背景
• 運動員空中停留時間極短
• 競賽項目場地限制等

這些問題對于人類裁判來說，也是評分中較為棘手的難點。

而后，這個評分系統就會根據運動序列預測，做出目標檢測、目標跟蹤和目標識別。

這個過程還是可以實時反饋的那種。

如此一來，就可以為每一位運動員提供專業的評分意見，協助他們調整運動的姿態。

此外，根據運動員歷史數據，這個系統能夠實現對訓練趨勢的追溯：

在精準分析運動姿態、聚合運動數據的基礎上，整理并提出科學訓練專家策略，有效提升國家隊訓練效率。

怎么做到的？

小冰AI競技體育國際賽事評分系統，它背后的技術其實是小冰框架 （Xiaoice Framework）。

其實，不僅僅是這次的應用，包括之前我們所熟知的小冰虛擬人等，都是從這個“通用框架”中衍生出來的。

但今天，我們講點新鮮的，聚焦在這個“競技體育國際賽事評分系統”。

據介紹，這個系統包含了四大功能模塊，分別是：

• 提高運動認知
• 改善不良運動姿態
• 定制化私人教練
• 個性化用戶檔案

人類教練往往是回看訓練錄像，來對運動員的動作做分析工作，而且往往依賴的是個人經驗。

需要注意的是，人類教練和裁判的知識和經驗，并非全部都是結構化數據和顯性的系統知識。

還有許多隱藏在口述、言傳身教里的非結構化數據和隱性知識。

但通過AI的圖像識別、數據分析，能幫助教練和運動員獲得更好的運動認知。

舉個例子，小冰的這個系統能夠總結世界頂尖選手在每個階段重要的比賽特征。

然后將運動員的身體重心、空中姿態、曲線、落地姿態等數值進行記錄、標注和訓練。

再結合人類專業教練和裁判的評價、知識和經驗，對模型進行不斷優化。

這就體現出了小冰框架的優勢：

在計算機視覺領域的目標檢測、目標跟蹤和目標識別之外，還能根據自然語言處理和計算機語音等基礎技術儲備，更好地理解和學習人類教練和裁判的知識與經驗。

剛才也提到了，在賽事的現實場景中，存在著許多困難。

但其實比起這些能夠用技術解決的問題，更棘手的一點是，競技體育要求不能在現場架設任何干擾比賽的設備。

這又該如何解決？

據了解，小冰團隊把普通攝像頭架設在裁判的位置，基于大量訓練數據進行模型修正。

而后再根據運動序列預測，做出針對競技體育特點的目標跟蹤、目標檢測和識別，包括骨架識別等。

值得一提的是，以往傳統的骨架模型是識別不出冰雪運動員骨架的。

這是因為運動員一般所穿的衣服都是比較寬松的那種款式。

而小冰 AI競技體育國際賽事評分系統，卻可以完美解決這一“屏障”。

One More Thing

值得一提的是，由于小冰團隊在備戰北京冬奧會測試賽做出的貢獻：

相關成員獲得國家體育總局冬運管理中心授予的先進稱號。

而在前不久，小冰公司剛剛宣布完成A輪融資，估值直接飆升至10億美元。

這也是小冰公司成為新晉獨角獸之后的又一成果。

那么在體育競技之后，小冰還將會在哪些領域發力？

對此，團隊介紹到：

將進一步把該技術從競技體育帶向大眾體育，體育領域也成為小冰團隊繼金融、汽車、內容生產之后的又一商業垂直領域。

更令人興奮的一點，小冰的這個系統，不僅僅可以給專業運動員用的。

普通滑雪愛好者也是可以的哦！

而且還會是你7 x 24小時的專屬私人教練~