奥运花样滑冰看似轻松自如，运动员们在冰面上滑行，腾空旋转如陀螺般旋转，最终稳稳落在仅有4-5毫米宽的单刃冰刀上。为了帮助滑冰选手轻松完成四周阿克塞尔跳、萨尔科跳、卢茨跳，甚至是难度极高的五周跳，麻省理工学院金融硕士Jerry Lu（2024届）开发了名为OOFSkate的光学追踪系统。该系统利用人工智能分析花样滑冰跳跃视频，提供改进建议。作为MIT体育实验室的前研究员，Lu一直协助美国国家队的顶尖滑冰选手提升技术表现，并将在2026年冬奥会期间与NBC体育合作，帮助解说员和电视观众更好理解花样滑冰、单板滑雪和滑雪的复杂评分体系。他将运用AI技术解释细致的裁判判决，展示这些运动的技术难度。

与此同时，MIT体育实验室联合创始人兼教职主任Anette “Peko” Hosoi教授正开展新研究，旨在理解AI系统如何评估花样滑冰的美学表现。Hosoi和Lu最近接受了MIT新闻的采访，分享了他们对AI在体育中的应用、AI是否能用于奥运花样滑冰评分，以及何时可能出现五周跳的看法。

问：为什么要将AI应用于花样滑冰？

**Lu：**滑冰选手总是在追求更高、更快、更强。OOFSkate的目标是帮助选手找到跳跃中旋转更快或跳得更高的方法。该系统能捕捉到肉眼难以察觉的细节，帮助选手锁定高价值的提升空间。相比技术动作，花样滑冰的艺术表现更难评估，因为它带有主观性。

使用这款移动训练应用，只需拍摄运动员的跳跃视频，系统便能输出影响旋转次数的物理指标。它会追踪这些指标，并结合当前及前顶尖运动员的数据。用户可以看到自己的数据，并对比“这位奥运冠军是如何完成这个动作的，我或许也该尝试这样做。”系统还配备自动分类器，能估算如果在世界锦标赛上由国际评审团评分，你的动作大致能获得的执行分数。

**Hosoi：**目前有许多AI工具涌现，尤其是姿态估计技术，能从视频中近似推断骨骼结构。单摄像头角度下，这些工具在摄像机平面内表现良好，但对深度感知较差。例如，在击剑中，运动员向摄像机移动时，数据质量会很差。但在花样滑冰中，Jerry发现深度问题影响不大。花样滑冰主要关注跳跃高度、旋转次数和着陆质量，这些指标不依赖深度信息。因此，姿态估计在此领域应用效果显著，且不会因深度缺失而受损。

问：你们认为AI未来能否评估花样滑冰的艺术表现？

**Hosoi：**关于AI与美学评估，我们正在开展一项由MIT人类洞察协作项目（MITHIC）资助的新研究，合作伙伴包括Arthur Bahr教授和IDSS研究生Eric Liu。当你询问AI对一幅画的美学评价时，它会给出类似人类的回答。我们想探究的是，AI是否通过与人类相似的推理路径和直觉概念来做出判断，还是仅仅模仿人类语言？是否存在某种美学吸引力的概念图谱？花样滑冰是理想的研究对象，因为它的美学评分是量化的，而不像美术馆里的绘画没有明确分数。

这也引发了另一个有趣问题：专家与新手的差异。已知专家和新手对同一表演的反应不同。专家评委的评分可能与普通观众的感受不一样。我们试图理解专家、新手和AI三者的反应是否有共通之处，还是AI的判断来源于完全不同的机制。

**Lu：**花样滑冰领域的AI应用研究有助于推动人工通用智能（AGI）的发展。通过研究AI如何理解和评判花样滑冰，我们能更好地理解人类的思维和判断方式。这对AI模型的训练和微调具有重要意义，有助于推动AI技术进步。

问：作为研究者，你们在米兰-科尔蒂纳冬奥会期间会关注哪些花样滑冰比赛？你们认为会有人完成五周跳吗？

**Lu：**我将在冬奥会期间与NBC合作，负责花样滑冰、滑雪和单板滑雪项目的数据解说，旨在为美国观众讲述数据驱动的故事。花样滑冰在电视上看似缓慢，但实际上动作极其迅速且优雅。选手们需要学会高速旋转、高空跳跃、空中漂浮，并优美地单脚着陆。我们收集的数据能帮助观众理解花样滑冰的难度，尽管它看起来轻松自如。

我很高兴能参与奥运项目的研究，因为奥运运动每四年吸引全球关注，且传统上依赖教练指导和天赋。与棒球等运动相比，缺乏顶尖光学追踪系统会限制运动价值的最大化。我们有机会为奥运运动员和项目带来积极影响，感到非常荣幸。

**Hosoi：**我从小就看奥运花样滑冰比赛，始终觉得精彩绝伦。作为业余“裁判”，我会练习识别各种跳跃动作，这并不容易。

我也做过粗略计算，认为五周跳是可能实现的。我相信我们这辈子会看到五周跳出现，虽然可能不会在本届冬奥会上。至于六周跳，可能超出人体极限。五周跳已经触及人类能力的边界，但仍在可达范围内。