人工智能已经从根本上改变了医疗行业,它也很可能永远改变运输和国防等行业。同时,AI 也为体育领域带来了诸多变革。
以棒球为例,如今运动员们都会佩戴传感器将详细数据传输到数据中心,用于分析每一次挥棒或球员在场上的其他动作。外野中即便是一片树叶的晃动,AI 也能捕捉到。
让我们看看另一项运动:花样滑冰。这项运动也有其独特的精细之处。在这里,AI 数据系统的主要用途不是分析运动员多年的职业生涯数据,而是为了公平地评判表现。
评分系统
在一场关于 AI 在花样滑冰中应用的 TED 演讲中,Amelie Chan 提到了"总技术分"这样的评分指标,以及技术小组和评判小组如何协作给出成绩。
"听起来很简单,对吧?"Chan 反问道,随后她指出了一些观众在家看比赛时可能想不到的复杂性。
首先,裁判必须考虑花样滑冰表演中出现的小失误和停顿。
"冰面往往比较滑,"Chan 说道。
其次,还要考虑人性因素。
"这项运动有时会受到政治因素影响,"她说。"人为偏见始终存在。作为滑冰运动员,我们尽最大努力表现,但最终结果取决于裁判组。…… (某个花样滑冰论坛上) 最热门的帖子就是对评分系统的强烈抱怨。"
对每位滑冰运动员的测量需要高度的同步性,要关注身体线条和腿部角度等因素。
Chan 设想开发一个"Synchrobot",能够对每位舞者进行一致且公平的分析。
个人与团队
在讨论建立 AI 分析系统基准的挑战时,Chan 指出在线视频数量有限,可能存在数据稀缺问题。此外,数据可能需要手动标注。
她表示,这需要使用卷积神经网络 (CNN),这是早期计算机视觉深度学习中发展出的基础网络类型之一。
通过低、中、高层次以及滤波器和填充等技术,程序可以定义特征和边缘,提供 Chan 所说的"图像的层次表示"。
"它能自主学习最有效的特征检测滤波器,无需明确指出要寻找什么,"她谈到 CNN 的能力时说。
Chan 介绍了一系列可以应对这些挑战的验证和其他工具。
"我们可以使用 CNN 检测画面中的滑冰运动员,创建边界框,"她说。"然后,通过姿态估计和计算,我们可以帮助查看技术标准,例如,测量向量并计算运动员双腿之间的角度,或检测运动员的脚是否高于头部。"
还可以进行其他群体分析。
"这也可以用来指出同步性,"她解释道。"它可以向裁判建议同步时刻,如果运动员肢体角度都是平行向量,那么他们一定是匹配的。然而,当运动员处于不常见的姿势时,用普通姿态估计数据集训练的 CNN 最终会失效,这就是为什么我们可以通过使用 CMU 和 Facebook AI 研究人员开发的 shuffle and learn 方法来预训练 CNN。这是一个序列验证任务,使模型能够以无监督方式学习并获得有意义的结果。"
这些工具能否减少人为偏见?它们还能做什么?
"通过这个序列验证过程,模型可以专门针对花样滑冰的姿态估计获得敏感性和直觉。通过使用深度学习观察个人和团队,我们可以在自动化评分方面向前迈进,减少人为偏见,为花样滑冰的公平性做出贡献,但显然可能性是无限的。如果公平对我们来说意味着使用可获得的资源,这很容易被调整用于教练指导和自我反馈。"
Chan 认为,这一切都将改进花样滑冰动作和表演的评分。
"我们需要思考自己想用它做什么,以及我们希望在世界上看到什么样的改变,"她在结束时说道。
实际影响
想象一下十二名(或可能十六名)男女运动员,以精致优雅的队形和组合,随着共同的节奏同步移动。
现在设想机器能够识别精确的腿部角度和身体姿势,为赛场带来数据驱动的评分。
这就是新技术将在体育界产生的惊人影响,不仅仅是在滑冰领域,在其他运动中也是如此。因此,在迈入 2025 年之际,我们才刚刚开始看到这些有趣的技术对我们世界的影响。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。