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
|
4天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
34 3
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
42 4
|
8天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
9天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第33天】随着人工智能技术的不断发展,其在医疗领域的应用也越来越广泛。从辅助诊断到治疗方案的制定,AI技术都发挥着重要作用。然而,随之而来的挑战也不容忽视,如数据隐私保护、算法的透明度和可解释性等问题。本文将探讨AI技术在医疗领域的应用及其面临的挑战。
20 0
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
27 1
|
5天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
30 10
|
6天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。