人工智能与体育融合发展历程、现状与展望

梁楠楠，李亚玲

体育是人类社会化进程中的产物，符合人类追求精神文化进步的需要，是促进民族团结、经济发展的重要抓手。“十四五”规划中，建设体育强国被纳入其中。人工智能(Artificial Intelligence，下文部分简称维AI)是指通过硬件或软件对人类能力进行模仿，例如视听感知、语言理解、经验学习等能力。作为第四次产业革命的核心驱动力，AI技术的快速发展已经深刻改变人们生产生活习惯，其支撑下的数字化改革进程正在逐渐重塑社会治理体系，而体育的发展范式也在第四次产业革命浪潮中被重新定义。本文从人工智能体育融合发展视角出发，首先介绍人工智能技术在体育领域应用沿革，随后透过交互视角分析人工智能对于体育世界中各角色的替代或者协助作用。最后探讨当前人工智能技术应用于体育领域面临的问题与挑战，并对未来发展进行展望。

1 人工智能体育融合发展沿革

相比于交通、医疗等其他商业领域，目前AI技术在体育领域的运用存在相对滞后，但审视体育自身发展进程，相比于以往也已发生较大变化。AI技术对于体育领域的影响广泛且深远，分布在竞技体育、学校体育和大众体育等各个方面，推动体育竞技水平不断提升、体育文化传播更加广泛、体育活动组织更加高效、体育教学更有成效，是AI改变该领域传统发展模式的一个典型案例[1]。

体育领域与AI融合进程也随着智能技术快速发展也不断更迭进步。有学者通过对1995-2020年期间的体育AI的期刊文章中的关键词分析，将AI在体育领域的应用由远及近分为简单活动识别与能量消耗测算、运动画面分类研究、体能与技战术分析与预测、动作分析与损伤防控研究、复杂背景中人体动作识别这五个由简单到复杂的逐步进化的场景[2]。而随着AI硬件和算法不断升级迭代，统一场景前提下的AI解决方案的有效性也在不断提升。

电影《夺冠》中描述了早在20世纪80年代，美国女子排球队就已可以通过计算机准确模拟出每一个运动员的打法，这是AI早期的雏形。近十年来在球类比赛中广泛运用的“鹰眼”技术，通过高速摄像头多视角同时捕捉球体飞行轨迹，瞬时准确精准计算并即时成像的运动路线及落点[3]，是早期AI解决方案代替人眼实现高精度判断的典型运用。该技术最早运用于板球和网球领域，随后随着深度学习技术发展是的鹰眼系统逐渐推广到排球和羽毛球等隔网球类运动当中。近期面世的全球首款AI乒乓球发球机器人，从起初的传统发球机进化到具备球拍接发球的深度学习模型，能够通过学习实现国家级教练水平的发球，宣示进入了AI在体育领域运用的新纪元[4]。

此外一个历史趋势是相比于以往的纯“软件”模式，应用于体育领域的AI解决方案也逐渐向“软件+硬件”模式转变，即AI硬件+认知计算，例如基于惯性传感器的智能穿戴设备、基于图形处理器的计算机视觉分析和以自然语言理解为核心的深度学习算法，共同构成智能体育发展的驱动力[5]。

可以看出，AI技术在体育领域的运用从早期关注机器学习以及机器学习的典型算法人工神经网络，到之后智能感知与知识计算等AI技术运用于运动场景识别和计算分析，AI技术的升级极大拓宽了体育领域的研究视野，推动体育事业迈向数字化发展的新时代。

2 人工智能体育融合发展现状

体育本身与人体活动紧密联系，因此AI技术在体育领域的运用与对于人体活动的捕捉、理解和分析息息相关。总体可分为面向运动人员的技术动作分析、运动损伤预防，面向教练员的陪练机器人、战术优化分析，面向赛事裁判的智能裁判和辅助判罚、面向体育媒体的精彩赛事画面识别等。

2.1 AI+教练员

教练团队是保障运动员训练水平和成果的核心要素，通常承担了指导训练、陪练、战术分析等工作。AI技术为教练员提供的支持有智能机器人解放陪练等重复性工作，以及团体运动的战术优化分析。

2.1.1 科学训练辅助

2020东京奥运会赛事中，共有22项世界纪录被打破，运动员技战术水平屡创新高，离不开先进技术和科学训练方法加成，其中就包括AI起到的训练辅助作用。

运动员在日常运动训练中，对于技术动作的精确度要求极高，因此需要有更高精度的设备系统能够协助对其中技术动作进行识别和分析。构建超越人类感知能力的视觉获取手段，呈现人类“看不清”“看不准”“看不到”的内容。在实际应用中，一般首先通过高速摄像机和对应的重建算法对高速运动视频进行智能采集，并实现视频数据智能整理。其次大脑3D视觉技术以及深度神经网络技术可以使采集到的2D视频投射出三维的姿态，把运动过程的一系列动作定格到三维空间上，还可以在空间中全维度自由旋转观看。最后利用深度学习算法识别运动轨迹和姿态，以及海量视频数据对智能评估系统进行训练，对标最佳水平或技术标准，生成个性化的改进策略，帮助教练实时调整训练方法，提升训练效率和效果。该类别AI技术已经利用于跳水、自由式滑雪等打分类项目训练当中[6,7]。

2.1.2 智能陪练机器人

在以乒乓球为代表的球类运动中，发球机很早就被运用于日常训练当中，但是传统发球机器人旋转、球速、方向都不会变化，无法实现预期训练效果，而现今的陪练机器人在AI技术加持下被赋予了更多的“智慧”。当前乒乓球机器人分类两类，一类是以发球训练为核心功能，更符合用户实际需求，一类是以对打训练为核心功能，更能体现AI技术。

智能发球机器人的两大技术关键是对乒乓球运动轨迹高精细度的捕捉和实时采集，以及模拟多变的发球路线、速度、旋转的发球功能。例如乒乓球发球机器人庞伯特的解决方案中利用高通机器人RB5平台，能够以20亿pixel/s的处理速度，快速且全面的满足机器学习的大量推理需求。配套的5G网络模组了满足乒乓球机器人对数据通信低时延的要求，实现后端实时反馈运动员接发球的质量[8]。

另一款可以对打的乒乓球机器人FORPHEUS则主打其“主动学习+综合推理”的AI技术能力。FORPHEUS能够通过对打来记住人的特征，随之通过人体信息、球的轨迹、球拍挥舞方式等对球手的水平进行判断，并基于自己积累的数据自我学习，通过改变回球方法选择更为适合个人的实际情况的方式进行对打，实现与人类对打逐步学习提升其球技水平。在高精度算法加持下，FORPHEUS检测乒乓球的速度和旋转已经从过去每秒钟80次进化到每秒220次，计算误差可以小于5mm[9]。正在研发的第六代FORPHEUS将聚焦情绪感知技能，依托图像传感捕捉一系列表情、视线、心率等人体信息，评估人类对手的技术水平和情绪状态。同时搭载的Meta-AI技术将分析并制定可以调动对手情绪的回球与对打计划，提高人机互动趣味性[10]。

二者根据不同类别的用户需求，解放重复性较高的陪练工作，使教练能够更多地观察运动员的技术动作，提高训练效率。另一方面，对打机器人可以通过高质量的人机互动，增强人机互动的趣味性，提高大众对于体育运动的热情。

2.1.3 战术分析优化

AI强大的运算能力引发了对其应用于复杂运动项目战术分析的好奇。足球运动的环境、参与人、运动路线等要素环境都更为复杂，游戏规则比其他球类更小，具有更大的球场、更多球员参与、更长不间断比赛时间、较少球员更换等特点。因此相比于篮球、棒球、网球其他球类几十年前就开始利用数据进行预测分析，足球这项运动近几年才刚开始向大数据科学靠拢，计算机视觉、统计学习、博弈论等近年来已经被证明能够为管理层、教练和球员的决策提供有效支持。

该领域当前研究聚焦统计学习、计算机视觉和博弈论的交叉研究等足球AI技术前沿，例如博弈论与机器学习结合的用于学习在其他代理存在的情况下做出有效决策的智能系统。研究的长期目标是能够开发一个可以理解足球比赛，并且指导球员的自动视频助理教练。例如博弈论模型可以用于分析点球时球员射门选择，研究发现一个群体更喜欢射向球门口的左角，而另一个群体则更倾向于射向左右两个角；幽灵模型用于提出备选的球员轨迹，获得比赛过程的关键洞察力[11]。相比于其他体育领域，AI用于战术分析更类似与类脑智能与群体智能，是人工智能2.0时代的发展前沿，同时考虑到伦理问题，该项技术在实际社会中的运用仍在发展过程中[12]。

2.2 AI+运动队医

以知识计算引擎技术为代表的AI技术对于运动损伤预防具有重要应用意义。人体是一个极其复杂的系统，会同时受到自身和外部环境影响，且在时刻动态变化环境中微妙地保持一个稳定状态，但这种稳定状态也很容易被打破，且难以解释，意外运动损伤就是一个难以解释的现象。运动损伤通常是由包括内外部因素在内的多因素共同导致的，传统的统计学方法难以应用于解释运动损伤作用因素。而基于人工神经网络的深度机器学习模型可以分层方式捕获复杂的模式，通过数据驱动的学习过程识别观察变量的非线性函数，从而建立复杂系统模型[13]。

AI技术对于运动损伤预防的另一个视角是评估运动员受伤的风险，例如根据运动员步态进行疲劳分析[14]，提前预测损伤。巴塞罗那足球俱乐部曾构建一个了一个决策树分类器模型，根据球员最近训练工作量预测他们是否会受伤。测试结果显示利用随机森林与逻辑回归算法，决策树分类器可以50%左右的准确率预测80%的损伤类别，有助于俱乐部有效控制伤病，减少赛季中的医疗开销[15]。

此外，机器学习的所需要的数据也越来越依靠AI硬件的支持。AI 芯片的发展推动智能前移的新型传感器件的研发，其中典型应用即可穿戴设备，可通过人工活动感知，连接、计算等实现运动员活动数据收集，这为运动损伤风险评估或预测的机器学习算法提供更庞大的数据规模支持。可穿戴智能设备目前已经被广泛应用于各项运动的人体活动监测，并与机器学习等AI技术结合使用。例如已经投入生产的一款“数据统计紧身衣”，通过安装在球衣内的传感器，追踪运动员肌肉、心率、神经等身体机能的运作方式，实现训练过程数据同步采集。随之连接以往无数次的运动数据，计算出一套最适合该球员的运动方式[16]。

2.3 AI+比赛裁判

在赛事判罚辅助方面，以视觉感知以及智能计算为主的AI计算已在球类运动、田径、竞技体操等具有明确规则的比赛项目中被广泛运用，用于实现人类肉眼更难感知到的画面。比赛中AI裁判的一项重要工作是捕捉运动画面，动作分析，对标规则的打分分析。与之前用于辅助运动员训练的AI技术类似，辅助裁判的AI技术同样多为对高速运动物体或人体动作的捕捉，尤其是对于复杂环境、目标被遮挡、超出摄像头视线等情况，需要通过智能计算技术，进行大量数据训练，对目标运动轨迹进行计算推测落点。“鹰眼”系统、视频助理裁判(VaR)等都运用了视觉定位、语言与知识理解等人工智能技术。并且随着人工智能技术不断迭代，以自监督学习为代表的新一代人工智能技术，能够赋能计算机视觉领域，完成相对位置预测、填补、旋转、运动方向预测等任务，鹰眼系统也随之不升级，并被逐渐推广到羽毛球、足球、游泳等运动当中。AI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。

在对动作进行评估打分方面，AI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主观意志影响。刚结束的东京奥运会首次采用了AI评分科技，系统通过向选手的身体及其周边投射红外线追踪运动员的动作，实时转换成三维立体图像。基于该图像AI对比赛中的旋转和扭动等动作做出分析，结合已经建立的评分模型，评估运动员技术动作[17]。

展望未来完全由智能裁判评分的体育领域，由于跳水项目的环境相对简单，跳水有望成为第一个使用计算机视觉进行自动评分的项目[18]。但不得不承认的是，AI技术在比赛裁判中所体现的技术先进性略微落后于战术分析、培训等其他体育领域，并且裁判在比赛中的作用距离被AI所取代仍有相当之长的距离。

2.4 AI+体育媒体

体育媒体需要对赛事视频进行人工识别和剪辑，以向为收看直播的观众呈现精彩的比赛瞬间，同时及时撰写体育赛事新闻稿，第一时间传递比赛结果。当前机器人写新闻在国内外各大知名体育媒体中已成为常态，并且写作速度和报道速度远超人工采编。目前美联社WordSmith、华盛顿邮报Heliograf、纽约时报blossom，国内则有新华社“快笔小新”、第一财经“DT稿王”、今日头条xiaomingbot，写作机器人极大提高了文字新闻传播效率。

如果说机器写作是弱AI阶段，那么AI自主识别、归类和标注视频以及图片则是机器人写作基础之上的又一AI技术升级，在当前以短视频传播为主流媒体的时代，可以有效提高体育媒体工作效率。腾讯体育与IBM合作开发的“IBM AI Vision视觉大脑”技术，首先采用了多模态深度学习建模技术、通过对人脸、声音、表情和动作进行像，并从人与物体的运动关系中，“读懂”篮球比赛的逻辑。其次该技术能将自主学习成果生成神经网络，迅速识别、标注、评分和剪切百万分钟的视频，形成结构化数据。最后，该技术能生成主观情绪，例如霸气、稳定等主题，找到对应的视频素材，进行剪辑配乐[19]。

2.5 AI+健身教练

疫情的发展让人们居家时间延长，居家健身逐渐成为一种新常态，由此衍生出对于虚拟健身教练的市场需求。大众健身领域一款名叫“智能健身镜”的产品主打“硬件+内容+服务+AI”模式，可以识别人体健身作用并提供专业纠正，解决了健身教练不专业、健身服务供给不足的问题。该产品中的AI解决方案被称之为真实世界环境下的情景理解及人机群组协同，能够跨越非结构化信息与语义知识间的鸿沟。其核心技术是利用3D摄像头和姿态识别算法抽取人体动作模型，将非完整非结构化的信息处理成结构化数据，并与已经置入系统的专业教练级别标准姿态模型进行比对并给予反馈。目前智能健身镜已经能够达到L4级别的人机交互，反馈时延在300-400毫秒，实现对用户动作的实时捕捉、实时纠错，系统地分析训练数据并通过OTA的形式不断迭代升级并在向L5级别发展[20]。

3 人工智能体育融合发展面临的问题与挑战

3.1 融合进程缓慢

AI技术的前沿运用与体育领域的融合进程相对其他产业领域较为缓慢。目前AI在自然语言处理、计算机视觉等智能感知领域成熟度已经很高，计算机视觉甚至已经超越人类水平。已经进入了认知智能的发展阶段。而目前应用于体育领域还多为单一视觉媒体，仅体育媒体涉及了跨媒体智能。新一代人工智能尚未与体育形成有机融合，例如战术优化分析等还在初级阶段，预期功能还没有完全实现。另一方面，出于体育运动应用人工智能的可选择性与伦理问题，尤其是竞技体育领域，对于如何让人工智能更好地融入还存在较大争议，人工智能对于身体主体的替代是引起伦理争议的根本性担忧[21]，此外，尽管体育产业具有巨大的规模潜力，受限于目前仍然较高的经济成本，人工智能在业余体育运动、健身运动等大众体育和校园体育中的运用还不普及，未来随着人工智能技术经济成本下降有望成为体育与人工智能融合发展的主要切入点。

3.2 伦理问题突出

人工智能的应用带来的伦理争议已经引起社会、政府的广泛关注，这在体育领域也不例外。这份关注以阿尔法围棋(Alpha Go)在2016 年战胜了职业九段棋手李世石为里程碑，之后关注热点指数上升。未来人工智能在体育领域应扮演什么角色、机器人是否被允许与人类一起比赛、人工智能对比赛观赏性的影响、人工智能误差率，这些均引起了全球范围内体育发展的社会学思考。例如利用大量数据对人工智能进行训练过程可能涉及运动员的肖像权或个人隐私等问题[22]。以及基于早期人工智能技术的VaR系统近几年才被引入足球比赛中，是因为受到较大的争议。足球界反对声音的主要观点是裁判需要一定时间借助VaR确认最后判罚，使比赛时间碎片化，这与足球比赛的特点不符，大幅降低足球比赛的观赏性和连贯性。

另一方面，人工智能技术的发展需要大量资金投入，这背后代表了一个区域或者国家的科技竞技实力，悬殊的国家对比赛结果的影响极大，而这会进一步加剧全球不平等，使得本公平的体育赛事掺杂较多资本和政治因素，违背了体育竞争公平性原则。2008年北京奥运会游泳比赛中，鲨鱼皮泳衣助力打破了游泳比赛中的25项新世界纪录中的23项，但随后2010年国际泳联正式在全球赛事范围内禁止非天然纺织物泳衣的使用。这是第一次在体育界宣布拒绝科技绑架体育[23]。未来在需要装备的体育比赛中，随着人工智能与体育的深度融合，类似的争议案例将不可避免，有必要提前做好各类应对策略。

目前各国已发布了若干针对人工智能应用的伦理准则，如英国的《英国人工智能发展的计划、能力与志向》报告、欧盟委员会的《人工智能道德准则》、我国的《人工智能行业自律公约》等，都为人工智能与体育融合发展提供了一定保障。未来更具有针对性的人工智能与体育产业融合发展的伦理道德规则和技术规范亟须完善，以保障AI 与体育的有机、良性融合。

3.3 复合型人才短缺

体育本身即为交叉学科，涉及人体工学、运动科学、心理学、社会学、经济学等多个领域。融入人工智能之后，其可应用的场景也需要研究人员相应的融合多学科知识，对于人工智能体育的研究提出了一定挑战。另一方面此前中国体育发展模式多依靠举国体制，体育产业发展不成熟，相应的产学研合作不充分，领域之间割裂较严重，导致同时具备体育和人工智能背景的复合型人才稀少[24]。

随着国家社会经济向好发展，中国体育产业的发展潜力空间已经显现[25]。加之社会变迁也让极大改变了群众对于体育运动的看法，人们对健康的重视程度更进一步加速体育产业化进程，业余体育运动、健身休闲、体育旅游等产业的发展。体育产业市场率先孕育出了一批对智能体育的需求，吸引一些企业开始投入AI+体育的产品研发中，并开发了一系列各类体育场景下的人工智能产品，也为培养AI+体育的复合型人才创造了良好的发展土壤。

4 人工智能与体育融合的发展展望

目前逐渐呈现AI技术与体育产业深度融合发展趋势。在体育场景应用较为广泛的主要是智能感知技术等，由计算机视觉，智能计算芯片与系统、深度学习等技术共同构成，以及大数据智能为代表的智能计算技术。一方面此类技术深刻改变传统体育产业发展模式已成为不可逆转的趋势，并且推动体育产业前所未有的高效和快速发展。

AI技术对于体育场景的支持处于相对初级阶段。目前AI技术在体育场景中的运用以提升观众的赛事观看体验，以及辅助运动员训练和裁判判罚为主，未来随着体育场景中的需求更加深入和多元化，AI有望完全取代人工判罚、体育媒体、体育场馆运营、健身教练等领域，并将反之推动AI技术的进一步发展与进步。体育项目的业余爱好者、健身娱乐、校园体育等领域将会成为人工智能体育融合发展的切入点，并将在大众体育和校园体育的落地中形成更蓬勃的生命力。

配套支撑方面，关于AI技术辅助运动员参与比赛存在不可忽视的伦理争议，因此需要AI技术运用的伦理也需要格外关注，注重人工智能体育的健康发展，而不是成为进一步扩大不平等的动因。此外，人才是产业发展的核心驱动力之一，AI+体育的产学研合作有望加强，以培养更多复合型人才，满足扩张中的市场需求。