所有文章 > 正文

AI+体育:IBM使用Waston AI记录温网赛场上的“高光时刻”

作者: Jansfer

时间: 2019-07-08 14:41

在温网走过的142年间,赛场上选手的服装和球拍都发生了很大的变化,而在场下,人工智能的出现正在改变人们拍摄和策划镜头以供公众消费的方式。

温布尔登网球锦标赛,也就是我们所熟知的温网,是世界上最负盛名的体育赛事之一。它最初于1877年举办,也是世界上最古老的网球锦标赛。温布尔登有18个草地球场,在温网举办的两周内要举办包括男女单打,双打,混合双打等在内的近700场比赛。而其中有六块场地是主要的“比赛场地”,举办最著名的比赛,平均每天四场。去年,所有的18个场地首次使用了“人”和“机器人”的相机混合来进行电视转播,这可以为观众提供前所未有的访问权限。然而这样做的问题在于这些“混合相机”会产生过多镜头,对于普通人来说,及时筛选出那些最精彩的瞬间几乎是不可能的,而这是IBM认为自动化可以提供帮助的地方。IBM将使用Waston AI来帮助节目策划者们更好的策划和编辑视频集锦。Boyden与VentureBeat对此进行了报道。

事实上,IBM已经与全英草地网球和槌球俱乐部(AELTC)的温布尔登组织者合作了三十年。IBM负责一般的IT运营,网络安全以及所有面向客户的数字资产,包括粉丝所一直热衷于的那些应用软件。在过去的六年中,IBM已经实现了让Waston AI进行很多应用程序的执行,但最近它又把目光瞄准了到了温网的比赛转播上。在比赛中,Waston AI能捕捉到选手们那些令人惊艳的操作并将其打包成一个不超过两分钟的比赛集锦,在比赛结束时放送作为整场比赛的高光回顾。可以说,Waston AI的新功能给这项原本需要纯人力完成的工作带来了翻天覆地的变化。

IBM的首席架构师Simon表示,IBM正在从事一项在传统上需要大量人力,为俱乐部带来很多成本,并且花费大量时间的活动,而Waston AI的出现,能让温布尔登的球场上的亮点以最快的速度映入观赛者的眼帘。要做到这一点,AI会分析选手的手势和反应等元素,例如那些为了庆祝而向空气挥的拳头。而对于温布尔登2019年的亮点,IBM表示它想训练Waston利用更多的声学数据,例如检测球的每次击球,并听取人群的噪音,例如喘气和欢呼声。这些将有助于在比赛中识别出那些最关键的动作,实现更紧密的自动裁剪,并有助于识别出那些精彩的长时间的多拍对抗。

图|由Watson AI汇总的温网赛场上的亮点

当然,Waston AI也存在着人工智能偏向问题,这是一个老生常谈的问题。温布尔登环境包含许多可能误导智能识别的场景,例如中心球场将拥有更多球迷,因此自然会有更多的噪音。此外,在中心球场进行比赛的像罗杰·费德勒这样的超级巨星肯定会比那些在其他场地上进行比赛的没那么著名的球员更有声音支持。为了检测最佳动作而不考虑这些外部因素,IBM已经培训Watson AI通过创建出第四种数据点,减少偏差的可能性,以更好地识别声学中的趋势和模式。这一结果是通过IBM OpenScale实现的,IBM 在去年首次推出,它提供了一套自主的偏差检测和缓解工具,能够持续监控跨AI应用程序的偏见决策。具体到温网赛场上,这项技术帮助Waston AI“学习”人群的整体噪音,并将其作为一种标准值来进行参考,以此作为基线来测量后续的高点。

在制作视频集锦时,Watson还会进一步根据背景来统计比赛数据。原本这些统计数据是由网球运动员来统计的的,他们被雇来坐在场边,以识别主观数据点,如非受迫性错误,以及其他统计数据,例如ACE球或双误,以及网球比赛中关键时刻,例如破发,局点或是赛点等等。目前,Waston只有大概七八成的识别准确率,因此这一工作还需要人的协作。不过,研究人员正在向100%的准确率进发。未来可能发生的是一系列渐进式的变化,Waston将逐渐承担更多任务。

参考:venturebeat.com

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多