鹰眼系统历经 25 年,AI 教练还要走多久?
编者:人工智能为教练提供了分析运动员竞技表现的全新手段,但把数据转化为更优质的训练方案依旧是一大难题。北京体育大学教授、诺亦腾联合创始人、CEO刘昊扬,剖析了这类工具的实际应用现状,以及要成为可靠的训练辅助工具还需攻克哪些难关。(作者:刘昊扬,原文为英文转自CGTN,此为中文译本)
10月11日,郑钦文击败米拉·安德列娃,夺得2026年中国网球公开赛女单冠军,成为首位获得该项赛事女单冠军的中国选手。观众或许几乎没有注意到,赛场上少了一类角色:不再有司线员负责判断球是界内还是界外。每一次判罚都由电子系统即时完成,不再需要裁判员举手示意。鹰眼技术于2001年首次出现在板球电视转播中,2006年进入网球领域,用于复核有争议的判罚。2017年,ATP新生代总决赛试行在没有司线员的情况下采用实时电子司线系统。2021年,澳大利亚网球公开赛和美国网球公开赛相继跟进;到2025年,温布尔登网球锦标赛和ATP巡回赛也完成了这一转变。从转播中的画面可视化工具,到正式用于赛事判罚,鹰眼技术走过了近四分之一个世纪。
目前,仍有一项大满贯赛事是例外。5月31日,在法国网球公开赛卡斯珀·鲁德对阵若昂·丰塞卡的比赛中,一记关键球在查看红土上的球印后被判为界内,尽管电视追踪画面显示球可能已经出界。法网赛事总监阿梅莉·毛瑞斯莫为保留人工司线员的做法辩护,认为红土场地表面会发生变化,因此电子判罚的准确性仍存在疑问。这场争议表明,具备技术能力并不意味着自然就能赢得信任。对于AI教练而言,挑战更进一步:如何帮助教练将测量数据转化为能够提升运动员表现的决策?
技术能够测量什么
与此同时,用于分析运动员竞技表现的技术正在迅速发展。在今年举行的米兰—科尔蒂纳冬奥会上,花样滑冰赛场周围架设了14台支持8K录制的摄像机,并结合AI驱动的三维追踪技术,几乎实时测量跳跃高度、滞空时间和冰刀角度。相关技术也曾应用于2022年北京冬奥会。国际滑冰联盟还一直在测试计算机视觉工具,以协助技术评审组评估跳跃的旋转情况和起跳用刃。这些应用尚不能证明训练效果已经因此得到提升,但它们表明,运动测量正逐步走出实验室。
一些针对特定用途的技术已经在顶尖竞技体育中得到应用。澳大利亚公司Catapult表示,其系统已服务于40多个运动项目的5,000多支队伍,可追踪跑动距离、速度和加速度负荷。在中国,百度曾与国家跳水队合作,通过快速视频回放和AI辅助技术分析,对从起跳到入水这一不足两秒的动作过程进行分析。中国花样滑冰保障团队在备战北京冬奥会期间,也广泛使用了动作分析技术。这些工具能够揭示肉眼难以观察到的细节,并帮助比较运动员在不同训练阶段的表现。
为什么仅有测量还不够
但能够测量,并不意味着测量结果就能直接用于训练。设备可能价格昂贵、操作复杂,而且难以与其他系统集成;有关运动员训练强度、动作方式以及身体反应的数据,也往往分散存储在不同系统中。要把这些数字转化为有用的训练指导,仍然需要运动科学研究人员和经验丰富的教练参与。
甚至测量结果本身也需要审慎评估。近期一项针对跳跃动作的摄像机动作捕捉分析发现,估算得到的关节角度可能存在约4至5度、甚至更大的误差。对教练来说,这会引出一个实际问题:如果运动员的膝关节角度看起来变化了5度,这究竟意味着技术动作真正有所改善,还是仅仅来自测量误差?在高水平竞技中,这种不确定性可能掩盖具有实际技术意义的变化。此外,并不存在适用于所有人的理想技术动作:运动员的身体结构、伤病史和竞技需求都会产生影响。
还有一个更深层次的科学难题:发现某个变量与运动表现相关,并不能证明改变这个变量就一定能改善运动表现。伤病预测就是一个值得警惕的例子。《英国运动医学杂志》的一篇综述指出,一些机器学习模型看起来具有很高的准确率,但其预警范围过于宽泛,或预警时间过早,因而无法为教练安排下一次训练提供有效指导。能够可靠预测单个运动员伤病风险的AI模型,目前仍更多是一种目标,而非现实。
从分析走向教练决策
人工智能正开始跨越从描述现象到提出建议的界限。2024年,谷歌DeepMind与利物浦足球俱乐部发布了TacticAI。该系统能够预测角球中的某些情况,并提出球员站位的替代方案。在一项盲测专家评估中,专家有90%的情况下更倾向于选择TacticAI提出的方案,而不是现有战术布置。这说明AI生成的战术选项具有可行性,但并不能证明它们会带来更多进球或胜利——在论文发表时,还没有利物浦球员在球场上实际尝试过这些建议。
中国也在探索相关方向。中国科学院自动化研究所的研究人员与北京体育大学团队合作,开展了足球仿真、战术态势分析,以及模拟不同决策可能如何改变比赛进程的模型研究。这些研究将关注点从“刚才发生了什么?”转向“还可能发生什么?”。
2026年国际足联世界杯展示了这一技术发展的又一个阶段。由国际足联与联想合作开发的FIFA AI Pro,将官方赛事数据、球员追踪数据与比赛视频整合进一个对话式助手。国际足联表示,全部48支参赛球队都使用了该工具。教练或分析人员可以直接提出问题,而不必在多个专业数据仪表板之间来回切换。只要系统给出的答案能够得到核验,这一工具就有望帮助专业分析人员配置有限的球队。
通用AI模型目前还不能胜任可靠的专业技术教练。近期针对运动动作评估的基准测试显示,即使是表现最好的多模态模型,也仍难以稳定、准确地识别具体的动作技术错误。它们还可能把无害的个体动作差异误判为缺陷。因此,未来不太可能由一个聊天机器人向所有人提供一套通用训练指令。更有可能出现的是一种整合式系统:将经过验证的测量结果、专项运动模型、运动员长期档案和透明的建议结合起来,同时由具备专业资质的人士负责作出影响重大的决策。
理想目标应当是形成真正的训练闭环:感知、分析、决策、执行和验证。每次训练结束后,系统整合动作质量、机械负荷、生理反应以及运动员自身的感受,提出具体的调整建议,再检验下一次训练是否产生了预期效果。随着时间推移,系统可以逐渐了解哪些方法对某一名运动员有效,而不只是将其表现与群体平均值进行比较。教练仍然不可或缺:他们需要设定训练重点、管理不确定性、理解运动员的动机,并判断何时不应盲目遵循数据。
鹰眼技术用了近四分之一个世纪,才成为赛事判罚中广受认可的一部分。AI教练助手或许会以更快的速度普及,但它面临的核心考验将比判断一个球是否出界更加艰巨。衡量其成功与否,不应看它能计算多少个变量,也不应看它的解释听起来有多流畅,而应看运动员能否因此持续改善训练效果,以及教练是否有充分理由信任它。
人工服务热线
工作日 9:00 - 18:00
售前咨询:+86 400-107-8298 转1
售后服务:+86 400-107-8298 转2
诺亦腾微信服务号