“視頻精靈”，讓AI敢為人師

  近日，美國斯坦福大學一個研究團隊在預印本論文網站arXiv上發布論文。研究人員將“視頻精靈”（VideoSprites）技術應用在網球賽中，建立一種行為模型并將其與基于圖像的渲染結合，構建出可交互控制的視頻，來模仿頂級網球職業選手的風格和表現。

研究者認為，該系統具備生成逼真游戲視頻的能力，具有交互式用戶控制功能，從而獲得體育娛樂新體驗，也可應用于運動員視頻分析和教練。

AI教練，真的來了么？

前所未見的對決

受新冠疫情影響，今年許多體育賽事延期或取消，作為世界上最古老的網球賽事——溫布爾登網球錦標賽（溫網）也未能幸免。所幸，科學家用AI系統合成了逼真度極高的虛擬比賽作為彌補，該系統甚至能為我們帶來實際生活中不可能出現的“名家對決”。

在競技體育領域，人們經常利用海量比賽視頻，創建對運動員行為的預測模型。受此啟發，斯坦福大學的研究人員利用帶標注的擊球周期（包括每次擊球時從準備、擊球到復原的一系列動作）數據庫，構建了運動員行為的統計模型，并生成球員的擊球選擇和回位決策。

基于多樣化的現實數據渲染高質量視頻，該研究提供了一種創建真實視頻片段數據集的方法，并用于創建可控制視頻系統。這一過程涉及神經圖像遷移方法，可以消除不同比賽日或不同比賽時間運動員外觀（著裝發型等）的差異。當運動員在畫面中被部分裁剪時，系統還能補齊缺失的像素數據，使新視頻具備一定的穩定和連貫性（如運動員對球判斷后作出的回應姿勢）。

除此之外，該系統創建的視頻支持交互控制。比如，你可以控制網球的落點和運動員擊球后的回位。你甚至可以“修改”之前的比賽，如2019年溫網男單決賽中，德約科維奇與費德勒那場史詩級對決，通過這個系統修改比賽中的關鍵一球，顛覆原來的結果。該系統還能創建一些從未見過的對壘，比如費德勒自己和自己打球。

“智能陪練”越來越多

“我們的系統理論上可以直接應用到乒乓球或者羽毛球，只要有相應的視頻數據集，就可以生成乒乓球或者羽毛球的視頻。”論文第一作者、斯坦福大學博士生張浩天通過郵件告訴《中國科學報》，“目前來看，如果想應用到其他運動領域，比如籃球或者足球，大體的思路也相同，是可行的。”

據張浩天介紹，該系統具有交互式用戶控制功能，可應用于運動員視頻分析和教練。除網球外，還可應用于其他運動領域，但需要克服一些問題。比如復雜的相機視角，以及如何訓練多個球員之間戰術配合的模型。

“目前這篇論文是針對網球場景去研究的，用了不少關于網球的專業知識。如果應用于其他運動項目，相關領域的專業知識需要根據具體項目重新梳理和構建。”中科院自動化所研究員興軍亮分析道，“在此條件下，該技術可以延伸到兵乓球、羽毛球、籃球等技能型運動項目。”

“針對網球的系統已經完成了。”張浩天說，“其中視頻標注是重要內容，需要一些工作量，不過絕大部分標注工作可以由AI模型自動標注，比如運動員的定位和姿勢等，只有小部分信息需要人工標注。”

興軍亮認為，即使在不偏重具體動作、技能的項目，未來也會出現一些利用AI技術的教練教學手段。比如，主要側重于策略思考的圍棋，現在AlphaZero等AI技術已經用于圍棋選手的培訓。

“之前騰訊人工智能實驗室研發的圍棋AI——“絕藝”已經用于我國國家圍棋隊的培訓。以后各種技能運動中的智能陪練應用肯定會越來越多，而且我覺時間不會太遙遠。”興軍亮說，“但是，這些智能陪練不一定基于VideoSprites這項技術，基于其他相關技術的產品也會不斷出現。”

AI教育仍需努力

去年，教育部曾公布“基于教學改革、融合信息技術的新型教與學模式”實驗區名單，要求各實驗區認真落實“發揮網絡教育和人工智能優勢，創新教育和學習方式”的要求。今年年初爆發的新冠疫情，客觀上也助推了線上教育、AI教育的發展，但AI教育仍然面臨成本、技術、倫理等諸多難題。

“我對AI教育持謹慎態度。”北京師范大學教育學部教育技術學院教授楊開城說，“多數情況下，學生成績差的原因并非智力因素，這是AI暫時無法解決的問題。”

楊開城認為，不同的教育對象、教育目標和教育需求，應使用不同的教育手段和教育方法。教育的對象是人，教育過程不只是傳授知識，還要教會學生如何做人。而算法容易將人的本質簡單化、線性化，出現只見“教書”不見“育人”的窘況。

“教育過程中除了‘言傳身教’對被教育對象產生影響外，還存在人與人之間的情感交流體驗。在完成某些單項任務時，AI有處理數據快速準確、不知疲倦的優點，但它也有些難以克服的問題。”楊開城說，“比如教師在發現某個學生的弱點或缺點時，會考慮是否告訴他本人？是采取‘鼓勵教育’還是用‘激將法’？這些是AI的無法做到的。”

此外，準確的教育基礎數據，是AI成功應用于教育領域的關鍵。