业界 | 裁判太嚣张?平昌之后,奥运会评分系统将引入AI技术

简介:

平昌奥运会期间,在人类选手角逐较量的同时,八只机器人队伍也获得了参赛资格。2月12日,首届人形机器人滑雪锦标赛在威里山公园滑雪场开幕,这些装备传感器的8台机器人顺利完成比赛,给世界观众留下了深刻的印象。

a9fa958c5dab02bf364d05fc27583332cf3dd4de

你不禁会问:机器人能够参加比赛,那么也能够当裁判么?

国际体操联合会(The International Gymnastics Federation,简称 FIG)已经和日本通信技术公司富士通(Fujitsu)合作,计划把人工智能技术引进奥运会的打分系统,让人工智能分担一部分裁判工作。

日本富士通公司去年发布的一段视频显示,该公司正在开发软件,利用3D传感器接收的数据分析鞍马和自由体操等体操项目。据报道,富士通将在2020年东京奥运会上引入这项技术。

d40a83cdae623ff9bf161ef770e503d171dd6367

为了开发这款裁判软件,富士通在2016年收集了职业体操运动员的3D数据,力图为运动员创造一种“骨骼结构模型”。软件能理解和数字模拟每个体操运动员的确切位置,然后将其与国际体操委员会的标准进行比较。

想象一下未来体操比赛的场景:灯光闪烁,提醒体操运动员开始比赛。运动员做完全套动作,然后转身向机器人裁判致敬。分数已经在奥运会场馆的大屏幕上出现,电视机前的数百万观众也能够看到,人工智能技术根据现场表现分析动作然后进行赋分,此过程完全没有人类裁判员的参与。

7a3798bdce6e86e3e3c03b0d773b6bce397de7ee

有人也质疑人工智能的评分能力。奥运冠军、罗马尼亚体操运动员纳迪娅·科马内奇(Nadia Comaneci)在世锦赛上接受《卫报》采访时说道:“运动员有可能会在竞赛中做出新的动作,假如这些动作的数据人工智能没有采集过呢?”

而且,艺术体操是追求美感和韵律的运动,如果运动员们为了一味迎合人工智能的判分标准而失去了动作的韵律,那就失去了运动项目本身的意义。

另外,人工智能的公平性与安全性也不是绝对的。专家警告:不仅这些测量数据可能会在评分过程中出现一些偏差,而且对技术的依赖可能会带来算法篡改的新风险。伯克利网络安全中心的执行主任贝齐·库珀告(Betsy Cooper)告诉卫报:“如果这个算法被人操控,哪怕是一小部分人,也会影响到比赛的整个结果,而且很难被发现。”

不过即使如此,将人工智能引入奥运会评分系统依然是不可阻挡的趋势。因为体操、花样滑冰等评分标准“人性化”的项目都有过不可容忍的黑幕出现。

2014年索契冬奥会花样滑冰女单比赛结束,有失误的俄罗斯选手Adelina Sotnikova出乎意料地获得了金牌,结果受到了世界各大媒体的质疑,关注程度甚至超越了2002年盐湖城冬奥会丑闻。之所以会出现这个结果,外界传闻,是因为这位俄罗斯选手与裁判有不为人知的交易。

456a2e9d4d25541469402fad53c3ed0336d1a8d9

冬季运动会中最受欢迎的运动项目之一,花样滑冰早已饱受争议。根本原因在于其独特的评分标准——人工判断总是带有一定的主观性。更重要的是,奥运会裁判也被允许为来自自己国家的运动员评分。这就为“黑幕”提供了途径。

布鲁金斯学会的经济学教授Eric Zitzewitz15年来一直在评估国际滑冰比赛的成绩,他表示,通过数据可以观察到,包括美国在内的所有国家的裁判都偏向"自己人"。人工智能技术的引入,在一定程度上,能够使评分系统更加的公正。

奥运会运动项目竞赛的背后,更多的是一个国家,一个民族风采的展示。过多的追求名次与荣誉,反而会失去举办奥运会的意义。


原文发布时间为:2018-03-2

本文作者:文摘菌

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

相关文章
|
3天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
3天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在电子商务中的个性化推荐系统:驱动用户体验升级
AI在电子商务中的个性化推荐系统:驱动用户体验升级
41 17
|
3天前
|
人工智能 安全 机器人
OpenAI重拾规则系统,用AI版机器人定律守护大模型安全
在人工智能领域,大语言模型(LLM)展现出强大的语言理解和生成能力,但也带来了安全性和可靠性挑战。OpenAI研究人员提出“规则基于奖励(RBR)”方法,通过明确规则引导LLM行为,确保其符合人类价值观和道德准则。实验显示,RBR方法在安全性与有用性之间取得了良好平衡,F1分数达97.1。然而,规则制定和维护复杂,且难以完全捕捉语言的多样性。论文:https://arxiv.org/pdf/2411.01111。
30 13
|
6天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
42 14
|
6天前
|
存储 人工智能 运维
AI-Native的路要怎么走?一群技术“老炮儿”指明了方向
上世纪70年代,沃兹尼亚克、乔布斯等人成立Homebrew Computer Club,推动个人电脑普及。如今,创原会承袭这一精神,由CNCF执行董事Priyanka Sharma等构建,聚焦云原生和AI技术,汇聚各行业技术骨干,探索前沿科技。2024年创原会年度峰会达成“全面拥抱AI-Native”共识,解决算力与存储瓶颈,推动AI原生应用开发,助力千行万业智能化转型,成为行业创新风向标。
|
3天前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
|
2天前
|
人工智能 安全 图形学
【AI落地应用实战】篡改检测技术前沿探索——从基于检测分割到大模型
在数字化洪流席卷全球的当下,视觉内容已成为信息交流与传播的核心媒介,然而,随着PS技术和AIGC技术的飞速发展,图像篡改给视觉内容安全带来了前所未有的挑战。 本文将探讨篡改检测技术的现实挑战,分享篡改检测技术前沿和最新应用成果。
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
66 10
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
9天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。

热门文章

最新文章