奥运花样滑冰看起来毫不费力。运动员在冰面上滑行，然后腾空而起，像陀螺般旋转，最后在仅4-5毫米宽的冰刀上着陆。为了帮助花样滑冰选手完成四周半跳、萨霍夫跳、勾手跳，甚至是令人望而生畏的五周跳，同时看起来毫不费力，MIT金融硕士Jerry Lu开发了一个名为OOFSkate的光学追踪系统，该系统使用人工智能分析花样滑冰选手跳跃的视频并提出改进建议。

作为MIT运动实验室的前研究员，Lu一直在为美国队的精英滑冰选手提供技术表现方面的帮助，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地理解花样滑冰、滑雪板和滑雪项目复杂的评分系统。他将运用AI技术来解释细致入微的裁判决定，并展示这些运动在技术上的挑战性。

与此同时，MIT运动实验室联合创始人兼教授Anette "Peko" Hosoi正在开展新的研究，旨在理解AI系统如何评估花样滑冰中的美学表现。Hosoi和Lu最近接受了MIT新闻采访，讨论了将AI应用于体育运动、AI系统是否可以用于裁判奥运花样滑冰，以及何时能看到滑冰选手完成五周跳等问题。

为什么要将AI应用于花样滑冰

Lu：滑冰选手总是可以不断突破，更高、更快、更强。OOFSkate的目标就是帮助滑冰选手找到在跳跃中旋转更快或跳得更高的方法。该系统帮助滑冰选手捕捉那些可能通过肉眼观察的细节，但这些细节可能让他们锁定一些高价值的机会领域。滑冰的艺术方面比技术要素更难评估，因为它是主观的。

使用移动训练应用程序时，你只需拍摄运动员跳跃的视频，它就会输出驱动你能完成多少次旋转的物理指标。它跟踪这些指标，并整合所有其他现役和前精英运动员的数据。你可以看到自己的数据，然后看到"这是奥运冠军完成这个动作的方式，也许我应该试试这样做"。你可以得到比较和自动分类器，它会显示如果你在世界锦标赛上完成这个技巧并由国际评审团评判，他们大约会给你什么样的执行分数。

Hosoi：有很多AI工具正在上线，特别是姿态估计器这样的工具，可以从视频中近似骨骼配置。这些姿态估计器的挑战在于，如果你只有一个摄像机角度，它们在摄像机平面上表现很好，但在深度方面表现很差。例如，如果你想critique某人在击剑中的形态，而他们正朝摄像机移动，你会得到非常糟糕的数据。但在花样滑冰中，Jerry发现了姿态估计器深度挑战并不重要的少数领域之一。在花样滑冰中，你需要理解：这个人跳了多高，转了多少圈，着陆得如何？这些都不依赖于深度。他找到了一个姿态估计器表现出色的应用，而且不会因为它们表现不好的方面而受到惩罚。

你是否能预见AI用于评估花样滑冰艺术方面的世界

Hosoi：当涉及AI和美学评估时，我们在MIT人类洞察合作项目（MITHIC）资助下有新的工作正在进行。这项工作是与Arthur Bahr教授和IDSS研究生Eric Liu合作进行的。当你向AI平台询问美学评价如"你觉得这幅画怎么样？"时，它会用听起来像人类的回答来回应。我们想要理解的是，为了得出那个评估，AI是否经历了相同的推理路径或使用了与人类相同的直觉概念来得出"我喜欢那幅画"或"我不喜欢那幅画"？还是它们只是鹦鹉学舌？它们只是在模仿听到人类说过的话？还是存在某种美学吸引力的概念图？花样滑冰是寻找这种图的完美场所，因为滑冰是被美学评判的。而且有数字。你不能在博物馆里找到分数，"这幅画是35分"。但在滑冰中，你有数据。

这带来了另一个更有趣的问题，即新手和专家之间的差异。众所周知，专家人类和新手人类看到同样的事物会有不同的反应。作为专家评判的人可能对滑冰表演有与普通大众不同的意见。我们试图理解专家、新手和AI反应之间的差异。这些反应在来源上是否有共同基础，还是AI来自与专家和新手都不同的地方？

Lu：花样滑冰很有趣，因为在AI领域工作的每个人都在试图理解通用人工智能（AGI），试图构建这种极其健全的AI来复制人类。将AI应用于花样滑冰等体育运动有助于我们理解人类如何思考和处理评判。这对AI研究和开发AI模型的公司有后续影响。通过深入理解当前最先进的AI模型如何与这些体育运动协作，以及如何需要对这些模型进行训练和微调以使其适用于特定体育运动，这有助于你理解AI需要如何发展。

你会在米兰科尔蒂纳奥运会花样滑冰比赛中观察什么，现在你已经在这个领域学习和工作？你认为有人会完成五周跳吗

Lu：对于冬季奥运会，我正与NBC合作进行花样滑冰、滑雪和滑雪板比赛，帮助他们为美国人民讲述数据驱动的故事。目标是使这些运动更容易理解。滑冰在电视上看起来很慢，但实际上不是。一切都应该看起来毫不费力。如果看起来很困难，你可能会被扣分。滑冰选手需要学会如何快速旋转，跳得极高，在空中漂浮，然后美丽地用一只脚着陆。我们收集的数据可以帮助展示滑冰实际上有多难，尽管它应该看起来很容易。

我很高兴我们在奥运会体育领域工作，因为全世界每四年观看一次，这是传统上教练密集型和天赋驱动的体育运动，不像棒球这样的运动，如果你没有精英级别的光学追踪系统，你就没有最大化你目前拥有的价值。我很高兴我们能与这些奥运会体育项目和运动员合作并在这里产生影响。

Hosoi：自从我能打开电视以来，我一直观看奥运花样滑冰比赛。它们总是令人难以置信。我要练习的事情之一是识别跳跃，如果你是业余"评判"，这是很难做到的。

我也做了一些粗略计算来看五周跳是否可能。我现在完全确信这是可能的。我们将在有生之年看到，如果不是相对很快的话。不会在这届奥运会，但很快。当我看到我们离五周跳如此接近时，我想，六周跳呢？我们能做六次旋转吗？可能不行。那是我们开始遇到人类身体能力极限的地方。但我认为五周跳是可以达到的。

Q&A

Q1：OOFSkate是什么？它能为花样滑冰选手做什么？

A：OOFSkate是Jerry Lu开发的光学追踪系统，使用人工智能分析花样滑冰选手跳跃的视频并提供改进建议。选手只需拍摄跳跃视频，系统就会输出影响旋转次数的物理指标，并与精英选手数据对比，还能预测国际评审团可能给出的执行分数。

Q2：AI能否用于评估花样滑冰的艺术表现？

A：目前研究人员正在探索这个可能性。MIT的研究团队正通过花样滑冰这个既有美学评判又有具体分数的项目，研究AI、专家评判和普通观众在美学评估上的差异，试图理解AI是否具备真正的美学概念还是只是模仿人类的评价。

Q3：人类何时能完成五周跳？这在身体上可能实现吗？

A：根据Hosoi教授的计算，五周跳在物理上是可能实现的，我们将在有生之年看到，虽然不会在即将到来的奥运会上，但会相对较快实现。不过六周跳可能就到了人类身体能力的极限。