楊耿 蔡鐵 華悅來(lái) 林仕龍 黃巍 陳華洋 賴(lài)紅 李欽

(深圳信息職業(yè)技術(shù)學(xué)院 廣東深圳 518000)

目前，我國(guó)正在大力推行體育強(qiáng)國(guó)政策，體育強(qiáng)國(guó)是新時(shí)期我國(guó)體育工作改革和發(fā)展的目標(biāo)與任務(wù)。2019年9月，國(guó)務(wù)院辦公廳印發(fā)《體育強(qiáng)國(guó)建設(shè)綱要》，提出將全面實(shí)施青少年體育活動(dòng)促進(jìn)計(jì)劃。2020年8月，由體育總局、教育部印發(fā)的《關(guān)于深化體教融合促進(jìn)青少年健康發(fā)展的意見(jiàn)》中提出：加強(qiáng)學(xué)校體育工作；完善青少年體育賽事體系；加強(qiáng)體育傳統(tǒng)特色學(xué)校；大力培養(yǎng)體育教師。2020 年10 月，國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于全面加強(qiáng)和改進(jìn)新時(shí)代學(xué)校體育工作的意見(jiàn)》，指出到2022年，健全學(xué)校體育工作制度機(jī)制，全面提高教育教學(xué)質(zhì)量，提升學(xué)生身體素質(zhì)，到2035年，形成多樣化、現(xiàn)代化、高質(zhì)量的學(xué)校體育體系。

近年來(lái)，我國(guó)人工智能（AI）產(chǎn)業(yè)快速崛起，憑借著互聯(lián)網(wǎng)產(chǎn)業(yè)的快速發(fā)展積累了龐大規(guī)模的基礎(chǔ)數(shù)據(jù)，再加上數(shù)據(jù)挖掘利用技術(shù)的進(jìn)步，數(shù)據(jù)、技術(shù)和政策效應(yīng)相互疊加，催生了一大批新型AI 應(yīng)用產(chǎn)業(yè)，而體育領(lǐng)域正是AI 技術(shù)應(yīng)用的最佳場(chǎng)景之一。AI 可以極大地提升體育活動(dòng)人群的參與感和運(yùn)動(dòng)后的效果，有效幫助大家了解體育活動(dòng)對(duì)于人們從微觀到宏觀的影響。同時(shí)，人們?cè)谑褂弥悄芑∩碓O(shè)備時(shí)，將會(huì)產(chǎn)生大量健身數(shù)據(jù)，這些數(shù)據(jù)可以對(duì)我國(guó)國(guó)民體質(zhì)現(xiàn)狀進(jìn)行評(píng)估，并對(duì)體育政策的制定提供重要的參考意義。

如今，中國(guó)體育正處于從體育大國(guó)向體育強(qiáng)國(guó)邁進(jìn)的重要?dú)v史時(shí)期，應(yīng)當(dāng)利用新一代信息技術(shù)尤其是AI 技術(shù)做好引導(dǎo)參與體育活動(dòng)的人員進(jìn)行規(guī)范、高效的體育鍛煉，學(xué)會(huì)運(yùn)用AI 輔助進(jìn)行體育鍛煉，增強(qiáng)體質(zhì)。該文結(jié)合過(guò)去和現(xiàn)在的AI 在體育方面運(yùn)用的實(shí)例，深入探討AI 在體育建設(shè)路上的應(yīng)用場(chǎng)景與應(yīng)用方法。

1 AI關(guān)鍵技術(shù)

1.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)［1，2］是一類(lèi)包含卷積計(jì)算，并且含有深層次結(jié)構(gòu)的深度前饋神經(jīng)網(wǎng)絡(luò)，它能有效地將包含大數(shù)據(jù)量的原始數(shù)據(jù)降維成小數(shù)據(jù)量，并有效地保留原始數(shù)據(jù)特征，是深度學(xué)習(xí)的重要組成部分，廣泛應(yīng)用于AI的計(jì)算機(jī)視覺(jué)、圖像分析、目標(biāo)識(shí)別、自然語(yǔ)言處理等領(lǐng)域，并取得了舉世矚目的成就。卷積神經(jīng)網(wǎng)絡(luò)按結(jié)構(gòu)可分為輸入層—卷積層—池化層—全連接層—輸出層。卷積層負(fù)責(zé)提取輸入的特征信息，低層卷積只能提取到低級(jí)特征，如邊緣、線條等，高層卷積可以提取更深層的特征。池化層負(fù)責(zé)壓縮特征圖，提取主要特征，大幅降低參數(shù)量級(jí)，簡(jiǎn)化網(wǎng)絡(luò)計(jì)算的復(fù)雜度，全連接層負(fù)責(zé)給出最后的分類(lèi)結(jié)果。在體育領(lǐng)域，可利用卷積神經(jīng)網(wǎng)絡(luò)提取體育多媒體數(shù)據(jù)（如視頻、圖像、語(yǔ)音、文字等）的特征，為體育應(yīng)用場(chǎng)景服務(wù)。

1.2 目標(biāo)檢測(cè)

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)中用于確定圖像某個(gè)區(qū)域是否含有要識(shí)別的對(duì)象。近年來(lái)，目標(biāo)檢測(cè)算法通過(guò)采用卷積神經(jīng)網(wǎng)絡(luò)與深度神經(jīng)網(wǎng)絡(luò)，取得了很大的突破。目前，主流的目標(biāo)檢測(cè)算法包括基于Region Pro‐posal 的R-CNN［3］算法以及基于one-stage 的Yolo［4］或SSD［5］算法。前者準(zhǔn)確度更高，但是速度較慢；后者算法速度較快，但準(zhǔn)確性相對(duì)前者略低。目標(biāo)檢測(cè)有2個(gè)主要任務(wù)：物體定位與分類(lèi)。為完成這2個(gè)任務(wù)，以R-CNN為例，可分為以下步驟：輸入一張圖片，通過(guò)指定算法從圖片中提取2000 個(gè)左右類(lèi)別獨(dú)立的候選區(qū)域；對(duì)于每個(gè)候選區(qū)域利用卷積神經(jīng)網(wǎng)絡(luò)來(lái)獲取一個(gè)特征向量；對(duì)于每個(gè)區(qū)域相應(yīng)的特征向量，利用如支持向量機(jī)SVM的分類(lèi)器進(jìn)行分類(lèi)，決定輸出類(lèi)別；送入到全連接網(wǎng)絡(luò)以回歸的方式精修候選區(qū)域。采用目標(biāo)檢測(cè)算法，可以在體育視頻或體育圖像中提取感興趣物體位置，并識(shí)別物體的類(lèi)別。如在籃球運(yùn)動(dòng)視頻中識(shí)別籃球隊(duì)員、籃球與籃筐；在田徑比賽視頻中識(shí)別跑步運(yùn)動(dòng)員、跑道；在足球運(yùn)動(dòng)視頻中識(shí)別足球隊(duì)員的號(hào)碼、足球、裁判員、守門(mén)員與門(mén)框等。

1.3 動(dòng)作識(shí)別

動(dòng)作識(shí)別技術(shù)主要運(yùn)用計(jì)算機(jī)強(qiáng)大的處理和運(yùn)算能力，對(duì)動(dòng)作姿態(tài)與動(dòng)作行為進(jìn)行識(shí)別并采集相關(guān)的信息。動(dòng)作識(shí)別技術(shù)主要分為機(jī)器視覺(jué)方式［6，7］和傳感器方式［8］。其中，機(jī)器視覺(jué)方式是基于視頻或圖像數(shù)據(jù)，采集各種動(dòng)作下的人體特定標(biāo)志點(diǎn)信息，構(gòu)建深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，根據(jù)標(biāo)志點(diǎn)的信息推導(dǎo)出人體的姿態(tài)與動(dòng)作。但該方法極易受到拍攝場(chǎng)景等各種因素限制，如光線的影響、數(shù)據(jù)缺乏多維度的影響，最終得到的數(shù)據(jù)噪點(diǎn)多、準(zhǔn)確性小。傳感器方式是采用可穿戴傳感器采集人體運(yùn)動(dòng)信息。該方法可通過(guò)人體穿戴部署傳感器方式，直接精確地采集人體各部位的運(yùn)動(dòng)信息，高精度的傳感器甚至可以采集人體細(xì)微動(dòng)作產(chǎn)生的信息，如手腕的輕微轉(zhuǎn)動(dòng)。傳感器方式不受場(chǎng)景等其他因素的影響，但在成本、便攜性有著明顯的缺點(diǎn)，并且不穿戴則無(wú)數(shù)據(jù)。通過(guò)結(jié)合機(jī)器視覺(jué)與傳感器方式，可以互補(bǔ)采集不同的體育運(yùn)動(dòng)場(chǎng)景下人體姿態(tài)與運(yùn)動(dòng)信息，為體育訓(xùn)練與體育活動(dòng)服務(wù)。

1.4 目標(biāo)追蹤

目標(biāo)跟蹤就是對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)、提取、識(shí)別和跟蹤，獲得運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)參數(shù)，并進(jìn)行處理與分析，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的行為理解，以完成更高一級(jí)的檢測(cè)任務(wù)。在機(jī)器視覺(jué)領(lǐng)域，目標(biāo)跟蹤在連續(xù)的視頻序列中建立所要跟蹤物體的位置關(guān)系，得到物體完整的運(yùn)動(dòng)軌跡。運(yùn)動(dòng)軌跡的生成，是給定圖像第一幀的目標(biāo)坐標(biāo)位置，計(jì)算在下一幀圖像中目標(biāo)的確切位置。在運(yùn)動(dòng)的過(guò)程中，目標(biāo)可能會(huì)呈數(shù)據(jù)特征的變化，如姿態(tài)或形狀的變化、尺度的變化、背景遮擋或光線的變化等。傳統(tǒng)的目標(biāo)跟蹤方法包括Meanshift［9］、Particle Filter與Kalman Filter［10］等方法。隨著深度卷積神經(jīng)網(wǎng)絡(luò)的成功，深度學(xué)習(xí)目標(biāo)跟蹤算法也在迅猛發(fā)展［11］。深度學(xué)習(xí)目標(biāo)跟蹤主要包括特征學(xué)習(xí)、數(shù)據(jù)相關(guān)、端到端學(xué)習(xí)與狀態(tài)預(yù)測(cè)4 部分，在準(zhǔn)確度與穩(wěn)定性上均比傳統(tǒng)方法有優(yōu)勢(shì)。通過(guò)目標(biāo)跟蹤，可以獲得體育運(yùn)動(dòng)中運(yùn)動(dòng)人員的軌跡、速度以及運(yùn)動(dòng)變化情況。

2 AI在體育領(lǐng)域應(yīng)用情況分析

目前，AI 在體育層面的應(yīng)用研究主要圍繞著大型比賽展開(kāi)。在體育領(lǐng)域，最常見(jiàn)的應(yīng)用主要包括教練系統(tǒng)、輔助訓(xùn)練防損傷、體育新聞撰寫(xiě)、比賽判罰。通過(guò)應(yīng)用AI技術(shù)，可自動(dòng)采集分析大量的數(shù)據(jù)并構(gòu)建對(duì)應(yīng)的體育分析模型，為體育活動(dòng)參與者與管理者提供決策支持。

2.1 教練系統(tǒng)

教練系統(tǒng)［12，13］主要利用AI的數(shù)據(jù)分析能力對(duì)比賽進(jìn)行解讀，再把解讀比賽的數(shù)據(jù)用于運(yùn)動(dòng)員的日常訓(xùn)練中。如圖1所示，AI教練系統(tǒng)運(yùn)用目標(biāo)檢測(cè)技術(shù)、動(dòng)作識(shí)別技術(shù)去采集數(shù)據(jù)，然后使用機(jī)器學(xué)習(xí)技術(shù)處理數(shù)據(jù)，最后建立相應(yīng)的模型、算法。教練就可以根據(jù)模型得到的規(guī)律對(duì)比賽進(jìn)行預(yù)測(cè)，或根據(jù)數(shù)據(jù)分析結(jié)果制定比賽戰(zhàn)術(shù)。

圖1 智能教練模擬流程

例如，在足球比賽上，可以通過(guò)AI 技術(shù)提取足球軌跡與球員站位并進(jìn)行分析，同時(shí)用機(jī)器學(xué)習(xí)挖掘球隊(duì)的內(nèi)在運(yùn)行規(guī)律。教練通過(guò)規(guī)律分析結(jié)果，制訂相應(yīng)戰(zhàn)術(shù)、應(yīng)對(duì)方法與球隊(duì)訓(xùn)練計(jì)劃。在沒(méi)有AI幫助的時(shí)代，球隊(duì)教練必須觀看大量的比賽，從中找出規(guī)律，任務(wù)繁雜且效率低下。如今，在AI的幫助下解讀比賽與整理數(shù)據(jù)，大大減少了教練的工作量，教練得以專(zhuān)心制訂戰(zhàn)術(shù)與訓(xùn)練計(jì)劃。這種方法既節(jié)省了人力成本，又提高了效率。

近幾年，大多數(shù)足球俱樂(lè)部都引進(jìn)了機(jī)器學(xué)習(xí)技術(shù)，用來(lái)提升球隊(duì)的訓(xùn)練效果。2020年，巴塞羅那俱樂(lè)部創(chuàng)新中心與體育科技公司達(dá)成合作，共同開(kāi)發(fā)了智能圖像采集與識(shí)別系統(tǒng)，使用無(wú)人攝像機(jī)組多角度拍攝視頻，并進(jìn)行目標(biāo)檢測(cè)與數(shù)據(jù)分析。在這個(gè)系統(tǒng)的幫助下，該俱樂(lè)部球隊(duì)的足球競(jìng)技水平明顯提高。AI系統(tǒng)的引入，對(duì)體育教練的改變是巨大的，在未來(lái)，AI系統(tǒng)甚至?xí)〈叹毜膽?zhàn)術(shù)制訂的工作。

2.2 訓(xùn)練防損傷系統(tǒng)

AI技術(shù)可應(yīng)用于日常訓(xùn)練防損傷［12，14］。在運(yùn)動(dòng)員訓(xùn)練的過(guò)程中，常常因?yàn)樽藙?shì)不正確、訓(xùn)練強(qiáng)度過(guò)大等造成身體損傷。由于無(wú)法明確劃分適量運(yùn)動(dòng)與過(guò)量運(yùn)動(dòng)的界限，運(yùn)動(dòng)員不能準(zhǔn)確地安排適合自己體能與身體狀況的訓(xùn)練。現(xiàn)在，AI 穿戴設(shè)備可以準(zhǔn)確地采集運(yùn)動(dòng)員的身體數(shù)據(jù)，通過(guò)對(duì)穿戴設(shè)備獲取的數(shù)據(jù)進(jìn)行分析，即可判定運(yùn)動(dòng)員的身體狀況，對(duì)運(yùn)動(dòng)員的訓(xùn)練做出適應(yīng)性調(diào)整。

如圖2 所示，防損傷訓(xùn)練系統(tǒng)先按照正常的生理指標(biāo)建立標(biāo)準(zhǔn)判斷模型，用來(lái)判斷人體的正確運(yùn)動(dòng)姿勢(shì)，然后使用機(jī)器學(xué)習(xí)技術(shù)對(duì)穿戴設(shè)備獲取的數(shù)據(jù)進(jìn)行建模。通過(guò)對(duì)比2個(gè)模型，得到二者的差異，并根據(jù)這個(gè)差異判斷運(yùn)動(dòng)員的身體狀況。如今，幾乎所有的國(guó)家級(jí)專(zhuān)業(yè)運(yùn)動(dòng)員都在訓(xùn)練時(shí)使用AI 驅(qū)動(dòng)的可穿戴設(shè)備，一方面可以采集運(yùn)動(dòng)員本身的運(yùn)動(dòng)心率、呼吸頻率、肌肉緊張程度等數(shù)據(jù)，以便確保他們的運(yùn)動(dòng)安全；另一方面，教練可以根據(jù)這些數(shù)據(jù)分析結(jié)果，對(duì)運(yùn)動(dòng)員安排針對(duì)性的訓(xùn)練、營(yíng)養(yǎng)飲食與作息時(shí)間。

圖2 訓(xùn)練防損傷系統(tǒng)

2.3 新聞寫(xiě)作

AI 可運(yùn)用于體育新聞寫(xiě)作［15］。隨著時(shí)代對(duì)體育活動(dòng)關(guān)注度的不斷提高，快速、高質(zhì)量的體育新聞報(bào)道成了人們的日常所需。但是體育賽事往往蘊(yùn)含著大量的數(shù)據(jù)，而且對(duì)時(shí)效性的要求十分高。媒體記者很難既采訪比賽以獲得數(shù)據(jù)的同時(shí)，還要在短時(shí)間內(nèi)對(duì)數(shù)據(jù)進(jìn)行整理分析，寫(xiě)出一篇新聞報(bào)道。如何整理數(shù)據(jù)和快速排版出稿就成了體育新聞報(bào)道的難點(diǎn)與剛需。如圖3 所示，AI 新聞寫(xiě)作的工作原理是將收集的數(shù)據(jù)錄入數(shù)據(jù)庫(kù)，將數(shù)據(jù)按照語(yǔ)句出現(xiàn)頻率和關(guān)鍵詞等組成一個(gè)發(fā)稿的模板，然后將新聞元素代入其中，這樣一篇初版的新聞就誕生了。AI輔助新聞寫(xiě)作的優(yōu)勢(shì)在于它可以24h不停地收集數(shù)據(jù)，檢測(cè)熱點(diǎn)新聞發(fā)展動(dòng)向。這就極大程度上提升了新聞發(fā)布的時(shí)效性，并且保證寫(xiě)出來(lái)的新聞更加全面。在智能新聞系統(tǒng)的幫助下，媒體記者和編輯從繁瑣的數(shù)據(jù)處理工作解放出來(lái)，降低了媒體記者和編輯的壓力，讓他們可以更加集中精力地深入分析新聞背后的意義。2015 年9 月，騰訊推出了新聞寫(xiě)作機(jī)器人Dreamwriter。僅僅在2 年內(nèi)，Dreamwriter 機(jī)器人就已完成953 篇“機(jī)器人NBA 戰(zhàn)報(bào)”。然而，目前的AI技術(shù)水平，仍無(wú)法使AI新聞報(bào)道擺脫人的影響而獨(dú)立完成有創(chuàng)造性地撰寫(xiě)報(bào)道，它所撰寫(xiě)的報(bào)道都是對(duì)人工報(bào)道的模仿以及對(duì)預(yù)設(shè)的實(shí)現(xiàn)。

圖3 智能新聞寫(xiě)作

2.4 輔助體育判罰

AI可運(yùn)用于體育判罰［16］，AI在體育賽事中的最早用途就是幫助裁判作出更準(zhǔn)確的裁定?，F(xiàn)在多數(shù)比賽項(xiàng)目都有AI輔助裁判對(duì)賽場(chǎng)人員運(yùn)動(dòng)情況進(jìn)行判罰，以增加判罰的準(zhǔn)確度和客觀性，保證賽事的公平、公正。通過(guò)目標(biāo)追蹤技術(shù)對(duì)比賽中關(guān)鍵物體追蹤所采集的數(shù)據(jù)可以作為比賽判罰的依據(jù)。例如，在球類(lèi)運(yùn)動(dòng)中對(duì)人員與球的軌跡進(jìn)行追蹤，用來(lái)判斷運(yùn)動(dòng)人員是否存在違規(guī)行為。隨著科技的發(fā)展，判罰已經(jīng)變得越來(lái)越精確，AI 技術(shù)可以利用動(dòng)作識(shí)別技術(shù)獲得運(yùn)動(dòng)員的姿勢(shì)、位置等數(shù)據(jù)，進(jìn)而提升輔助判斷能力。然而，目前判罰系統(tǒng)的智能水平還不足以獨(dú)立對(duì)一場(chǎng)比賽進(jìn)行判罰，主要功能還是輔助裁判為其提供更精準(zhǔn)的判罰分析。如圖4所示，通過(guò)建立比賽的規(guī)則模型，結(jié)合智能感知自動(dòng)采集的賽事數(shù)據(jù)，采用AI技術(shù)可以將規(guī)則與數(shù)據(jù)進(jìn)行融合比對(duì)，即可提供準(zhǔn)確與實(shí)施的判罰決策。

圖4 智能體育判罰設(shè)想流程圖

3 現(xiàn)存問(wèn)題

AI 在體育領(lǐng)域應(yīng)用存在個(gè)體數(shù)據(jù)獲取困難、溝通與理解能力不足、技術(shù)局限性、識(shí)別精度不夠、普及接受程度不足、人才缺失、標(biāo)準(zhǔn)制度不完善等問(wèn)題。盡管AI已開(kāi)始應(yīng)用于體育場(chǎng)景，但由于普及力度不夠、設(shè)備昂貴、群體還未完全接受等問(wèn)題的存在，體育運(yùn)動(dòng)數(shù)據(jù)獲取仍較困難。并且大多僅應(yīng)用于賽事場(chǎng)景，對(duì)于普通體育活動(dòng)、學(xué)校體育活動(dòng)與個(gè)體人員體育活動(dòng)數(shù)據(jù)的采集、分析和挖掘還未有成熟應(yīng)用。盡管AI技術(shù)在不斷發(fā)展，但與人類(lèi)智能還有很大的差距，無(wú)法達(dá)到人類(lèi)智能的動(dòng)態(tài)性、冗余性、處理事務(wù)的多變性，還未能夠?qū)崿F(xiàn)AI與人類(lèi)直接無(wú)縫地溝通與理解。因此，在新聞寫(xiě)作、體育判罰與體育訓(xùn)練中，AI僅僅起到了初步方案、輔助決策與輔助數(shù)據(jù)分析的作用。在未來(lái)的“AI+體育”應(yīng)用中，希望能夠提升AI 與人類(lèi)溝通與理解的能力。在AI的體育應(yīng)用中，關(guān)于功能性動(dòng)作的自動(dòng)評(píng)估具有一定的局限性。人體運(yùn)動(dòng)包含著豐富的信息，在一些周期性的運(yùn)動(dòng)項(xiàng)目中，往往需要大量的運(yùn)動(dòng)指標(biāo)與數(shù)據(jù)，目前AI技術(shù)尚未覆蓋全面。在某些體育項(xiàng)目中，微小的誤差就有可能造成運(yùn)動(dòng)員重大失誤，甚至傷亡事故，如果AI 的測(cè)量與識(shí)別精度不夠，所提供的結(jié)論有可能會(huì)形成錯(cuò)誤的方案，不僅會(huì)導(dǎo)致運(yùn)動(dòng)訓(xùn)練無(wú)效、浪費(fèi)時(shí)間與損耗設(shè)備，還會(huì)引發(fā)運(yùn)動(dòng)損傷問(wèn)題。AI在實(shí)際應(yīng)用中，由于知識(shí)普及性不強(qiáng)，人們甚至抱有畏懼的心理，認(rèn)為AI 將來(lái)會(huì)取代人類(lèi)，使得一些體育管理者與參與者的固有觀念難以轉(zhuǎn)變，限制了“AI+體育”的普及?！癆I+體育”的應(yīng)用發(fā)展，需要復(fù)合型人才，既要對(duì)AI技術(shù)有充分的知識(shí)基礎(chǔ)，又要對(duì)體育行業(yè)應(yīng)用業(yè)務(wù)需求有深刻的認(rèn)識(shí)，因此“AI+體育”面臨著人才不足與人才緊缺問(wèn)題。市場(chǎng)上與AI 相關(guān)的體育用品越來(lái)越多，但是產(chǎn)品的質(zhì)量與技術(shù)水平不高，甚至存在假AI 產(chǎn)品。“AI+體育”還未有統(tǒng)一的行業(yè)標(biāo)準(zhǔn)和相關(guān)的成熟制度，急需一套標(biāo)準(zhǔn)與管理制度，促進(jìn)“AI+體育產(chǎn)業(yè)”的穩(wěn)步發(fā)展。

4 結(jié)語(yǔ)

該文對(duì)AI技術(shù)發(fā)展與“AI+體育”應(yīng)用情況的分析表明，AI 技術(shù)在逐漸發(fā)展成熟，并且AI 的應(yīng)用已經(jīng)在體育領(lǐng)域嶄露頭角。較為典型成熟的“AI+體育”應(yīng)用包括輔助教練、輔助訓(xùn)練、輔助判罰、輔助體育新聞寫(xiě)作等。然而，體育運(yùn)動(dòng)包括田徑、球類(lèi)、游泳、武術(shù)、健美操、登山、滑冰、舉重、摔跤、柔道、自行車(chē)、射擊等多種項(xiàng)目，普通民眾、學(xué)校學(xué)生的體育活動(dòng)也多姿多彩，目前AI技術(shù)尚未能普及到大眾領(lǐng)域，存在個(gè)體數(shù)據(jù)獲取困難、溝通與理解能力不足、技術(shù)局限性、識(shí)別精度不夠、普及接受程度不足、人才缺失、標(biāo)準(zhǔn)制度不完善等問(wèn)題。針對(duì)現(xiàn)存問(wèn)題的解決方案，包括擴(kuò)展AI數(shù)據(jù)采集范圍并降低采集成本、增強(qiáng)類(lèi)腦智能+體育的研究、建立完善的動(dòng)作指標(biāo)體系、工程化提升AI 識(shí)別精度、推動(dòng)AI知識(shí)在體育領(lǐng)域的普及、培養(yǎng)綜合性AI+體育人才、建立健全AI+體育標(biāo)準(zhǔn)與制度等內(nèi)容。這些解決方案需要教育、體育、科技、政府等相關(guān)企業(yè)與部門(mén)的共同努力才能完成。

在國(guó)家大力推行體育強(qiáng)國(guó)政策的大環(huán)境下，大力發(fā)展“AI+體育”技術(shù)，有助于體育強(qiáng)國(guó)大數(shù)據(jù)獲取、推動(dòng)正確體育教學(xué)與訓(xùn)練方法、降低體育活動(dòng)損傷與事故風(fēng)險(xiǎn)、提升人民群眾體育活動(dòng)興趣、提供有效的健康管理方案，最終為提升人民群眾健康的發(fā)展服務(wù)。