分不清足球還是光頭的 AI，在英超聯賽又被球迷嫌棄

Auto Post

4 年前

AI 在體育界有多不可靠？11 月蘇格蘭足球冠軍聯賽的賽場，AI 攝影機將邊線裁判的光頭辨識成足球，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，反而緊盯裁判光頭不放，還時不時給個特寫，全場 90 分鐘的足球盛宴，在家看直播的球迷大部分時間都在圍觀一顆頭。

「真想衝上去幫裁判戴帽子！」不少球迷吐槽。

由於直播畫面一度非常糟糕，事後負責人還親自發文向球迷致歉。

這是蘇格蘭因弗內斯足球足球俱樂部首次在直播賽事引入 AI 攝影機。採用 AI 技術原本是為了給球迷更好的觀賽體驗，因由於武漢肺炎疫情大流行，廣大球迷不能到現場看比賽。

沒想到 AI 竟然翻車了，還翻得如此徹底。這件事情發生後，主辦方採用 AI 技術時不得不更慎重，因為多次翻車事件讓球迷都極度不滿。

最近慕尼黑工業大學的研究人員更證實這點。他們利用機器學習分析球迷對 AI 技術的態度，結果發現：124 場英超聯賽中，球迷差評率高達 41.1%，好評率僅 25.5%。

不過，這裡的 AI 技術指的並不是 AI 攝影師，而是另一項應用──VAR。

最近獲得 2 次英超聯賽冠軍的足球運動員詹姆斯‧米爾納（James Milner）在 Twitter 吐槽。

很明顯，我們需要嚴肅討論 VAR 的價值。不只我覺得目前的 AI 不適合大型足球賽事。

Milner 提到的 VAR，全稱 Video Assistant Referees，是 AI 影像輔助裁判技術。採用 VAR 技術目的是：透過影像分析輔助主裁判，減少比賽可能出現的爭議和誤判。

不同於主裁判必須親臨現場，VAR 透過攝影機捕捉到的比賽畫面分析判斷，因此更可能關注到小細節，因比賽瞬息萬變，僅憑主裁判肉眼觀察難免出現爭議。當然，只有主裁的判決有爭議時，VAR 才會派上用場。比如出現球員犯規或越位、紅牌判罰、犯規地點是否在禁區內、禁區內手球和犯規等情況時。

VAR 技術走向足壇是 2016 年，當時首次在美國職業大聯盟預備隊賽擔任裁判助手，之後經過兩年技術升級，2018 年國際足球協會理事會（IFAB）正式推出 VAR，隨後開始大量用於各國比賽。

從近幾年回饋看來，VAR 的表現讓球員非常不滿。

2018 年，國際足總俱樂部世界盃一場半決賽後，席內丁·席丹、加雷斯·貝爾、盧卡·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。」

之前詹路易吉·布馮也公開表示：

我知道這項技術是實驗性階段。但當這個簡單的工具，讓比賽頻繁中斷，我感覺很糟糕，感覺像是打水球。

近日 2020 年英超聯賽正如火如荼進行，Milner 也藉此表達對 VAR 的看法。

VAR 在比賽的綜合表現如何，是否能繼續使用，僅有球員回饋還是不夠，觀眾和球迷的態度也非常重要。另外從科學角度來講，評估技術輔助工具需要以科學研究分析。

鑑於此，慕尼黑工業大學研究人員利用機器學習技術進行科學分析。

體育賽事期間，有 79% 觀眾會透過社群媒體互動。最普遍的是在 Twitter 發文，對 AI 來講是龐大且有效的檢測資料庫，且球迷推文是情緒檢測的重要指標。

因此研究人員從 2019~2020 英超聯賽 129 場比賽期間，使用官方 Twitter API 收集 643,251 條推文為研究資料庫，其中 4,583 條推文為訓練資料庫。

另外，他們將觀眾情感劃分為積極（肯定）、中立（無感）以及消極（吐槽）三類，並訓練一個情感分類模型。

多種監督的機器學習演算法均適用訓練短文本語料庫的情感分類模型，研究人員使用梯度增強法訓練基於樹的模型，因為這種方法在此類問題的研究展現出最佳性能。

此外還採用三個進一步的分類模型：一是樸素貝葉斯分類器（Bayes Classifier），一個支援向量機（Support Vector Machine），另一個基於 Bagging 的隨機森林（Random Forest）。

如圖，研究人員對所有模型進行標準的 10 倍交叉驗證。測試結果顯示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。

主題檢測方面，基於決策樹的三種方法準確度都達 94%，且 F 值也沒有太大差異；支援向量機的表現稍差，樸素貝葉斯分類器的精度值僅 71.0%

情感分析，模型達最高準確性值（70.8%），可以說此方法比傳統增強方法和情感分類／主題檢測（VAR）模型的性能都要稍好。

來看一下模型最終的分析結果：

4,583 條推文中，有 31.1% 標記為與影像助理裁判（VAR）相關。情感方面，有 25.5% 表示為積極情緒，而 41.1% 表示為負面情緒，其餘為中立情緒。

研究人員比較 94 次 VAR 事件前後不同時間間隔的平均情緒，結果發現一旦發生 VAR 事件，平均情緒就會顯著下降。

這代表採用 VAR 技術的賽事或與 VAR 相關的事件都會造成觀眾明顯的不滿情緒。

如何減少觀眾的消極評估，除了進一步提升技術減少烏龍事件，研究人員也提出兩條建議：

可見基於視覺技術的 AI，在賽事直播和輔助裁判方面還不夠成熟。

不過從現實考量來看，AI 想做好這件事確實不容易。因包括足球賽等任何大型體育賽事，不僅情勢瞬息萬變，涉及運動員眾多，且場地也大，這些外在因素對 AI、硬體、演算法都有非常高的要求。

另外，這還要求系統必須有強大的後台大腦，能即時分析數據，在最短時間內提供最科學的現場報告，這點在輔助裁判方面尤為明顯。雖然目前 AI 技術有明顯的局限性，但並不妨礙賦能體育市場的可能性。

最近幾年，AI 加速滲透到體育領域，多次翻車事件後，其實可看到 AI 技術不斷升級優化，看到它在更多潛在應用場景的價值，如用 AI 分析球隊打法、預防球員受傷、評價球員積極性等。

總之，熱血澎湃的體育賽場需要 AI，只是一切得慢慢來。

（本文由雷鋒網授權轉載；首圖來源：shutterstock）