AI 在體育界有多不靠譜?
上個月，在蘇格蘭足球冠軍聯(lián)賽的賽場上，AI 攝像機將裁判員的光頭識別成了足球，瘋狂追了一整場。
無論哪支球隊進攻，哪個球員帶球，AI 都視而不見。
反而緊盯著邊裁的光頭不放，還時不時給個鏡頭特寫，全場 90 分鐘的足球盛宴，在家看直播的球迷們大部分時間都在圍觀一顆頭。
“真想沖上去給教練扣一頂帽子!”不少球迷吐槽稱。
由于直播畫面一度非常糟糕，事后，賽事負責人還親自發(fā)文向球迷們致歉。
這是蘇格蘭因弗內斯足球足球俱樂部首次在直播賽事中引入 AI 攝像機。采用 AI 技術原本是為了給球迷們提供更好的觀賽體驗，因為由于新冠疫情的大流行，廣大球迷們不能到現(xiàn)場去觀看比賽。
但沒想到，AI 竟然翻車了，還翻得如此徹底。
這件事情發(fā)生后，賽事舉辦方在采用 AI 技術方面不得不變得更加慎重，因為多次翻車事件已經(jīng)讓球迷們極度不滿。
最近，來自慕尼黑工業(yè)大學的研究人員也證實了這一點。他們利用機器學習分析了球迷們對 AI 技術的態(tài)度，結果發(fā)現(xiàn)：在 124 場英超聯(lián)賽中，球迷們的差評率高達 41.1%，好評率僅為 25.5%。
不過，這里的 AI 技術指的并不是 AI 攝影師，而是另一項應用—VAR。
視頻輔助裁判 VAR
最近，曾獲得 2 次英超聯(lián)賽冠軍的足球運動員詹姆斯 · 米爾納(James Milner)在 Twitter 上吐槽。
很明顯，我們需要嚴肅討論 VAR 的價值。不止我一個覺得當前的 AI 不適合大型足球賽事。
Milner 提到的 VAR，全稱 Video Assistant Referees，是一項 AI 視頻輔助裁判技術。
采用 VAR 技術的目的是：通過視頻分析輔助主裁判，減少比賽中可能出現(xiàn)的爭議和誤判情況。
不同于主裁判必須親臨現(xiàn)場，VAR 通過攝像機捕捉到的比賽畫面進行視頻分析來做出判斷，因此它更可能關注到一些微小的細節(jié)，因為比賽場面瞬息萬變，僅憑主裁判肉眼觀察難免出現(xiàn)爭議。
當然，只有主裁的判罰出現(xiàn)爭議時，VAR 才會派上用場。比如出現(xiàn)球員犯規(guī)或是越位、紅牌判罰、犯規(guī)地點是否在禁區(qū)內、禁區(qū)內手球和犯規(guī)等情況時。
VAR 技術開始走向足壇是在 2016 年，當時它首次在美國職業(yè)大聯(lián)盟的一場預備隊杯賽中擔任裁判助手，之后，經(jīng)過兩年的技術升級，2018 年國際足球協(xié)會理事會(IFAB)正式推出 VAR，隨后它便開始被大量用于各國聯(lián)賽、杯賽中。
從近幾年的反饋來看，VAR 的表現(xiàn)讓球員們非常不滿。
2018 年，在世俱杯一場半決賽后，齊達內、貝爾、莫德里奇、卡塞米羅等大牌球星紛紛吐槽：“VAR 把比賽搞得支離破碎。”
而在此次之前，布馮也曾公開表示，
我知道這項技術是實驗性階段。但當這個簡單的工具，讓比賽頻繁陷于中斷，我感覺很糟糕，感覺像是在打水球一樣。
近日，2020 年英超聯(lián)賽正如火如荼地進行，Milner 也借此表達了他對 VAR 的看法。
不過，VAR 在比賽中的綜合表現(xiàn)如何，是否能夠繼續(xù)使用，僅有球員們的反饋還是不夠的，觀眾和粉絲們的態(tài)度也非常重要。另外，從科學的角度來講，評估一項技術輔助工具需要進行科學的研究分析。
鑒于此，慕尼黑工業(yè)大學的研究人員利用機器學習技術對他們的態(tài)度進行了科學分析。
被嫌棄的 VAR
在體育賽事期間，有 79%的觀眾會通過社交媒體進行互動。
其中最為普遍的是在 Twitter 上發(fā)文。這對于 AI 來講，是一個龐大且有效的檢測數(shù)據(jù)集，而且球迷們發(fā)表的推文是情緒檢測的重要指標。
因此，研究人員從 2019-2020 英超聯(lián)賽 129 場比賽中，使用官方 Twitter API 收集了 643251 條推文作為研究數(shù)據(jù)集，其中 4583 條推文作為訓練數(shù)據(jù)集。
另外，他們將觀眾情感劃分為三類積極(肯定)、中立(無感)以及消極(吐槽)，并訓練了一個情感分類模型。
多種監(jiān)督的機器學習算法均適用于訓練短文本語料庫的情感分類模型，在這里，研究人員使用了梯度增強方法來訓練基于樹的模型，因為這種方法在此類問題的研究中展現(xiàn)出了最佳性能。
此外，他們還采用了三個進一步的分類模型：一個是樸素貝葉斯分類器(Bayes Classifier)，一個支持向量機(Support Vector Machine)，另一個是基于 Bagging 的隨機森林(Random Forest)。
如圖，研究人員對所有模型進行了標準的 10 倍交叉驗證。測試結果顯示了在情感分類和主題檢測(是否與 AVR 相關)這兩個分類問題的 10 次交叉驗證的性能度量。
在主題檢測方面，基于決策樹的三種方法的準確度都達到了 94%，而且在 F 值上也沒有太大差異;支持向量機的表現(xiàn)稍差，樸素貝葉斯分類器的精度值僅為 71.0%
在情感分析中，模型達到了最高的準確性值(70.8%)，可以說，該方法比傳統(tǒng)增強方法和情感分類 / 主題檢測(VAR)模型的性能都要稍好。
來看一下該模型最終的分析結果：
在 4,583 條推文中，有 31.1%被標記為與視頻助理裁判(VAR)相關。在情感方面，有 25.5%的人表示為積極情緒，而有 41.1%的人表示為負面情緒，其余為中立情緒。
另外，研究人員為了比較了 94 次 VAR 事件前后不同時間間隔的平均情緒。結果發(fā)現(xiàn)一旦發(fā)現(xiàn) VAR 事件，平均情緒就會顯著下降。
這表明，采用 VAR 技術的賽事或與 VAR 相關的事件都會給觀眾帶來明顯的不滿情緒。
那么如何減少觀眾們的消極評估，除了進一步提升技術減少烏龍事件外，研究人員在此也給提出了兩條建議：
足球協(xié)會在 VAR 的使用過程中應盡可能確保透明度，即在球場上同步公布 AI 評審過程的信息。
足球管理機構需要改進現(xiàn)行體制，實施質詢制度，讓比賽各方可以通過對現(xiàn)場投訴來啟動審查程序。
AI 賦能體育的可能性
可見，基于視覺技術的 AI，在賽事直播和輔助裁判方面還遠不夠成熟。
不過從現(xiàn)實考量來看，AI 想要做好這件事確實不容易。因為包括足球賽在內的任何大型體育賽事，不僅現(xiàn)場瞬息萬變，涉及運動員眾多，而且場地也足夠大，這些外在因素對 AI、對硬件、對算法都提出了非常高的要求。
另外，它還要求系統(tǒng)必須有一個強大的后臺大腦，能夠能實時地分析若干數(shù)據(jù)，在最短的時間內提供最為科學的現(xiàn)場報告，這一點在輔助裁判方面體現(xiàn)的尤為明顯。
雖然目前的 AI 技術存在明顯的局限性，但這并不妨礙它在賦能體育市場的可能性。
最近幾年，AI 加速滲透到體育領域，在多次翻車事件之后，其實我們可以看到 AI 技術的不斷升級、優(yōu)化，看到它在更多潛在應用場景的價值，比如用 AI 分析球隊打法、預防球員受傷、評價球員積極性等等。
總之，熱血澎湃的體育賽場需要 AI，只是一切需要慢慢來!
關鍵詞：
