3 способа, которыми ИИ меняет Олимпийские игры 2024 в Париже

Чат-бот AthleteGPT — большая языковая модель (LLM), созданная с использованием ИИ, разработанного парижской компанией Mistral AI и работающий на процессорах Intel Gaudi. Это лишь один из способов, с помощью которого ИИ оставляет свой след на парижской Олимпиаде.

Международный олимпийский комитет (МОК) принимает эту технологию. В апреле он представил свою программу развития ИИ — попытку упорядочить взрывной рост исследований ИИ в спорте и разработать стратегию его использования на Олимпиаде. «Мы должны быть лидерами изменений, а не объектами изменений», — сказал Томас Бах, президент МОК на пресс-конференции в Лондоне, на которой были продемонстрированы возможности различных спортивных инструментов ИИ.

Журнал Nature описал три способа, которыми ИИ меняет то, как спортсмены и зрители будут воспринимать Олимпийские игры.

Еще в 1900 году, когда Париж впервые принимал Олимпийские игры, французский ученый Этьен-Жюль Марей был пионером в использовании технологий для изучения спортсменов в движении. Его высокоскоростная хронофотография, которая работала как пулемет, заряженный фотопластинками, запечатлела спринтеров и прыгунов в длину. Он проанализировал биомеханику тела, чтобы «открыть секрет превосходства определенных спортсменов», как прокомментировала его работу редакционная статья Nature в 1901 году.

Сегодня можно сделать гораздо больше, просто записывая выступления спортсменов на смартфон. Технология 3D-отслеживания спортсменов (3DAT) от Intel использует ИИ для отслеживания 21 точки по всему телу человека, чтобы точно воспроизвести его физическое движение, предоставляя «все биомеханические сведения, которые интересуют тренеров» элитных спортсменов, говорит Харпл. Он считает, что такие технологии приведут к более высокой конкуренции и новым рекордам.

Способы использования ИИ для повышения результатов спортсменов варьируются от проектирования индивидуальной спортивной обуви и одежды до определения оптимального питания и графиков тренировок. «Это может даже ускорить наше открытие новых стратегий занятий спортом», — говорит Харпл. Историческим примером такого фундаментального изменения является фосбери-флоп — сейчас доминирующий стиль прыжков в высоту, впервые примененный американским спортсменом Диком Фосбери на Олимпиаде 1968 года.

Простота сбора индивидуальных данных в сочетании с анализом ИИ также может помочь тренерам выявлять таланты. В марте МОК запустил пилотную программу скаутинга, которая использовала 3DAT для выявления более 40 детей в Сенегале, которые показали себя многообещающими спортсменами-олимпийцами. Дети просто бегали и прыгали, а ИИ «прогнозировал» их будущее.

Олимпийский арбитр по водному поло Фрэнк Оме не новичок в области ИИ. Его обычная работа в качестве астрофизика в Институте гравитационной физики Макса Планка в Ганновере, Германия заключается в поиске сигналов сталкивающихся черных дыр — иногда с помощью ИИ — в зашумленных данных. Но когда он наденет полностью белую форму судьи в Париже, ему придется смотреть сквозь плещущиеся волны, чтобы решить, пересек ли мяч линию ворот и не нарушили ли правила спортсмены при борьбе под водой.

ИИ уже информирует судей, например, в футболе, используя информацию, записанную множеством камер по всему стадиону и чипы, встроенные в мяч. Но ИИ еще не прижился в других видах спорта, которые тоже требуют анализа данных в реальном времени.

Одним из препятствий является финансирование и особые потребности каждого вида спорта — на играх в Париже их будет 32. Несмотря на то, что водное поло является старейшим олимпийским командным видом спорта, в нем не так много денег, как в баскетболе или футболе, говорит Оме. Использование ИИ в водном поло повлечет за собой такие проблемы, как обучение алгоритмов на перекрывающихся, хаотических изображениях, сделанных под водой, добавляет Оме.

Очень сложно устранить неоднозначность в таких действиях, как фолы в контактных видах спорта, а водное поло высоко контактный вид. Это решения, которые принимаются за доли секунды и с которыми не все люди могут согласиться. «Я даже не знаю, как начать переводить их в числа», — говорит Оме, который считает, что обнаружение черных дыр — более простая задача для ИИ по сравнению с определением фолов в бассейне. Но ученый готов к решению такой задачи с помощью своих глаз, интуиции и свистка.

Потоки данных, собранных во время игр, будут питать не только алгоритмы ИИ, но и телезрителей, жаждущих статистики. «Спорт — это особый язык. Он преодолевает многочисленные барьеры, чтобы помочь нам всем друг друга понять», — говорит Патрик Люси, главный научный сотрудник спортивно-технологической компании Stats Perform в Чикаго. Статистика, предоставляя дополнительные ориентиры для сравнения, является частью этого языка. «Конечно, люди хотят этого», — добавляет он.

Телевидение спешит найти новые способы усилить впечатление от картинки на экранах телевизоров. Зрители были в восторге, когда виртуальная линия мирового рекорда была наложена на экран для телезрителей во время игр в Сиднее 2000 года. Линия сопровождала пловца, приблизившегося к лучшему в мире результату, и было видно настолько он к нему близок. С тех пор такая линия рекорда стала стандартом показа. В 2024 году у телевидения появится возможность отображать гораздо больше информации, например, ускорение, максимальную скорость и длину шага спринтера говорит Харпл.

Больше всего Харпла волнует перспектива выделения персонализированных главных моментов, доступных зрителям через платформу компьютерного зрения Intel Geti AI. Это может стать особенностью будущих трансляций. Харпл говорит, что при одновременной записи стольких спортивных событий, как это всегда бывает на Олимпиаде, способность ИИ выбирать именно то, что хочет видеть зритель, станет основным моментом. «Если вы хотите обязательно увидеть каждый трехочковый бросок, сделанный мужской баскетбольной командой Нигерии, ИИ этого не пропустит и сохранит, даже если вы в это же время смотрите забег на три тысячи метров», — говорит Харпл.