3DAT A.I. ของ Intel คือ 'จอกศักดิ์สิทธิ์' ของเทคโนโลยีการฝึกอบรม

โจนาธาน ลีผู้อำนวยการฝ่ายเทคโนโลยีประสิทธิภาพการกีฬาในกลุ่มเทคโนโลยีโอลิมปิกของ Intel ได้บิน 11 ชั่วโมงและกักกันเป็นเวลา 14 วันเพื่อเย็บโครงกระดูกเข้าด้วยกันบนคอมพิวเตอร์ และถ้ามันได้ผลตามที่เขาหวังไว้ มันจะเป็นนวัตกรรมที่น่าทึ่งสำหรับการเล่นรีเพลย์ในโอลิมปิกที่โตเกียวปี 2020

“ปัญญาประดิษฐ์ส่วนหนึ่งของเรา [ออกแบบมาเพื่อ] เพื่อต่อโครงกระดูกที่ถูกต้องเข้าด้วยกันเมื่อคุณมีนักกีฬามากถึงแปดหรือเก้าคน วิ่งไปตามเส้นทาง” ลีบอกกับ Digital Trends จากห้องพักในโรงแรมของเขาในหมู่บ้านโอลิมปิกของโตเกียว ซึ่งอยู่ห่างจากบ้านของเขาในซาน 5,000 ไมล์ ฟรานซิสโก.

เขาเป็นส่วนหนึ่งของทีมวิศวกรของ Intel ที่ถูกส่งไปเข้าร่วมการแข่งขันโตเกียวเกมส์ เทคโนโลยีการติดตามนักกีฬา 3D ของ Intel (หรือ 3DAT ออกเสียงว่า "three-dat") ในโอลิมปิกปีนี้ การออกอากาศ การแสดงภาพซ้อนทับที่น่าทึ่งของ 3DAT จะพร้อมใช้งานในระหว่างการเล่นซ้ำของการวิ่งผลัด 100 เมตร 200 เมตร 4×100 เมตร และการแข่งขันกรีฑาข้ามรั้ว ซึ่งจะจัดขึ้นระหว่างวันที่ 30 กรกฎาคม ถึง 4 สิงหาคม

“การติดตามนักกีฬาแบบ 3 มิติ … เป็นเทคโนโลยีที่เราพัฒนาขึ้นที่ Intel ซึ่งช่วยให้เราสามารถถ่ายวิดีโอมาตรฐานของนักกีฬาและดึงข้อมูลเกี่ยวกับรูปแบบและการเคลื่อนไหวของพวกเขาได้” Lee กล่าว “เราทำสิ่งนี้โดยใช้ A.I. และการมองเห็นของคอมพิวเตอร์ [ด้วยเทคโนโลยีของเรา เราสามารถ] จดจำส่วนต่างๆ ของร่างกาย ตั้งแต่ตาและจมูกไปจนถึงส่วนล่าง ไปที่ข้อเท้าและนิ้วเท้า และใช้สิ่งนี้เพื่อสร้างโครงกระดูก 3 มิติของนักกีฬา หรือในบางกรณี หลาย ๆ นักกีฬา จากโครงกระดูกเหล่านั้น เราก็สามารถดึงข้อมูลอย่างเช่น ความเร็ว ความเร่ง และชีวกลศาสตร์ได้”

พูดง่ายๆ ก็คือ 3DAT จะรวมวิดีโอที่ถ่ายจากหลายรายการเข้าด้วยกัน 4เค กล้องวิชันซิสเต็มพร้อมภาพการออกอากาศและใช้สิ่งนี้เพื่อสร้างแบบจำลองสามมิติของนักกีฬาโอลิมปิก สิ่งเหล่านี้สามารถใช้เพื่อจัดเตรียมการเล่นซ้ำที่สร้างโดยคอมพิวเตอร์ สิ่งที่ทำให้สิ่งนี้มีความได้เปรียบเหนือการเล่นวิดีโอซ้ำแบบเดิมก็คือเทคโนโลยี 3DAT สามารถนำเข้าข้อมูลได้ แหล่งวิดีโอต่างๆ และใช้สิ่งนี้เพื่อสร้างโมเดลการจับภาพเคลื่อนไหวที่สามารถหมุนได้ในแบบ 3 มิติ ช่องว่าง.

“โดยพื้นฐานแล้วคุณทำให้ [ผู้ออกอากาศ] สามารถหมุน ซูม วางกล้องได้ทุกที่ที่ต้องการ” ลีกล่าว

แผนที่ความร้อนและอื่น ๆ

ไม่ใช่แค่การหมุน "กล้อง" เท่านั้น ด้วยการดึงข้อมูล เช่น ความเร็วและความเร่งจากโมเดล 3 มิติ 3DAT จึงสามารถซ้อนทับโมเดลด้วยข้อมูลเพิ่มเติม เช่น แผนที่ความร้อนเพื่อระบุว่านักกีฬาวิ่งเร็วแค่ไหน เมื่อใดที่นักกีฬาวิ่งด้วยความเร็วสูงสุด และระยะเวลาที่พวกเขาสามารถรักษาระดับนี้ได้ ความเร็ว. เป็นการแสดงข้อมูลที่สะดุดตาในระดับที่ไม่เคยมีมาก่อนในการแข่งขันกีฬาโอลิมปิก — หรือที่อื่นๆ ในเรื่องนั้น

“สิ่งที่คุณต้องการคือสิ่งที่มีประโยชน์และสวยงาม ช่วยให้ผู้ชมที่บ้านเชื่อมต่อกับนักกีฬาได้อย่างแท้จริง และเข้าใจสิ่งที่พวกเขาไม่เคยรู้มาก่อน” ลีกล่าว

แน่นอนว่าการจับภาพเคลื่อนไหวนั้นไม่มีอะไรใหม่ มีการใช้สิ่งนี้ในฮอลลีวูดมานานหลายปี โดยเฉพาะอย่างยิ่งในการแสดงละครที่น่าทึ่งบางส่วน ถ่ายโดยบริษัทอย่าง Weta Digital จากนักแสดงอย่าง Andy Serkis (ซึ่งเคยรับบทเป็นทุกคนจาก Gollum) ใน เดอะลอร์ดออฟเดอะริงส์ ถึงซีซาร์ใน รุ่งอรุณแห่งดาวเคราะห์วานร ถึงคิงคองใน เอ่อ คิงคอง). นอกจากนี้ Mo-cap ยังถูกใช้บ่อยในโลกของเกมเพื่อให้แน่ใจว่าอวตารบนหน้าจอจะเคลื่อนไหวใกล้กับคนจริงมากที่สุด แต่ในขณะที่ชุด mo-cap จำนวนมากมีเซ็นเซอร์เพื่อจับการเคลื่อนไหวของแขนขาแต่ละข้าง 3DAT ไม่ต้องการเซ็นเซอร์

ปัญหาลีกล่าวว่าในขณะนั้น ชุดจับภาพเคลื่อนไหว เป็นเรื่องปกติสำหรับบางสถานการณ์ การติดตามนักกีฬาระดับหัวกะทิไม่จำเป็นเสมอไป

“ลองนึกภาพคุณติดเซ็นเซอร์บนศีรษะ ข้อศอก หน้าอกของใครบางคน แล้วคุณพูดว่า 'เอาล่ะ ไปทำสูงๆ สิ” กระโดด และเมื่อคุณลงจอด คุณจะรู้สึกว่าเซ็นเซอร์เหล่านี้ถูกกดเข้าไปในร่างกายของคุณ’ ใช่ไหม?” เขา พูดว่า. “คุณคงจินตนาการได้ว่านั่นไม่ใช่ประสบการณ์ที่น่าพึงพอใจเสมอไป หรือ [แล้ว] นักวิ่งระยะสั้นล่ะ? หากวางเซ็นเซอร์ไว้ใต้เข่า มันจะรบกวนการหลุดออกจากบล็อกและวิธีการวิ่ง”

ในทางกลับกัน 3DAT อาศัยการมองเห็นของคอมพิวเตอร์และอัลกอริธึมการประมาณค่าเพื่อวิเคราะห์ชีวกลศาสตร์ของการเคลื่อนไหวของนักกีฬา Lee กล่าวว่าสามารถทำได้อย่างแม่นยำเพียงพอที่จะบันทึกแม้แต่การเคลื่อนไหวเล็กๆ น้อยๆ ของนักกีฬา ไม่จำเป็นต้องมีเครื่องมือติดตาม

อนาคตของ 3DAT

ด้วยเหตุนี้ Lee จึงไม่เพียงแค่มองว่า 3DAT เป็นเครื่องมือข้อมูลเพื่อความบันเทิงและแจ้งข้อมูลแก่ผู้ชมที่บ้านเท่านั้น นอกจากนี้ยังใช้เป็นเครื่องมือฝึกซ้อมสำหรับนักกีฬาเพื่อทบทวนประสิทธิภาพอีกด้วย “เรามีโค้ชระดับหัวกะทิที่แตกต่างกันสามคนใช้วลีเดียวกันทุกประการเพื่ออธิบายสิ่งนี้ว่าเป็น ‘จอกศักดิ์สิทธิ์ของการฝึกสอน’” เขากล่าว กรณีการใช้งานที่อาจเปลี่ยนแปลงได้กรณีหนึ่ง? ช่วยในการวินิจฉัยการบาดเจ็บ

“หนึ่งในสิ่งที่ใหญ่ที่สุดที่ส่งผลกระทบต่อนักกีฬาคือการบาดเจ็บของเนื้อเยื่ออ่อน” ลีกล่าว “สิ่งเหล่านี้มักจะเริ่มแสดงออกมาในรูปแบบของความไม่สมมาตร บางทีความยาวก้าวซ้ายและขวาของคุณอาจแตกต่างกัน หรือวิธีขยับสะโพกของคุณอาจ [เปลี่ยนแปลง] ใช่ไหม? สิ่งเหล่านี้สามารถเกิดขึ้นได้ก่อนที่จะเกิดการบาดเจ็บด้วยซ้ำ หากคุณเริ่มมองนักกีฬาในแนวยาวมากขึ้นอีกหน่อย เช่น ต้นฤดูกาล ระหว่าง หลัง หรือระหว่างการทำงานบางประเภท การประเมินการเคลื่อนไหว — [A.I.] สามารถเข้ามารับรู้ถึงสารตั้งต้นของการบาดเจ็บ [เพื่อให้โค้ชและนักกีฬา] สามารถป้องกันพวกเขาได้ก่อนที่พวกเขาจะ เกิดขึ้น."

ด้วยเหตุนี้ Lee จึงมองเห็นอนาคตของ 3DAT ที่จะถูกห่อหุ้มด้วยปัญญาประดิษฐ์มากขึ้นเรื่อยๆ “คำถามที่เกิดขึ้นคือคุณทำอะไรกับข้อมูลทั้งหมดนี้” เขาตั้งข้อสังเกต “นี่คือจุดที่ฉันเห็นขอบเขตถัดไปของ 3DAT … จะต้องมีระดับต่อไป ไม่ว่าจะเป็นการป้องกันการบาดเจ็บ การปรับปรุงประสิทธิภาพ หรือการช่วยฟื้นฟู … คำถามต่อไปนั้นเป็นคำถามที่เราจะต้องตอบจริงๆ เพื่อเปลี่ยนจากเทคโนโลยีที่เจ๋ง [จริงๆ] มาเป็นเทคโนโลยีที่เจ๋งและ [เหลือเชื่อ] มีประโยชน์."

อย่างไรก็ตาม ในตอนนี้ ผู้ชมโอลิมปิกจะต้องพอใจกับสิ่งที่ "เจ๋งจริงๆ" บางสิ่งบางอย่างบอกเราว่าอาจจะเพียงพอแล้ว เร็วๆ นี้กับงานเหรียญทองใกล้ตัวคุณ (หรืออย่างน้อยก็ในโทรทัศน์ของคุณ)

คำแนะนำของบรรณาธิการ

• สูตรตลก: ทำไมอารมณ์ขันที่สร้างโดยเครื่องจักรจึงเป็นจอกศักดิ์สิทธิ์ของ A.I.
• สิ่งที่ไม่มีใครรู้: เทคโนโลยีเก่าแก่ 117 ปีช่วยให้นักขว้างโอลิมปิกได้เปรียบได้อย่างไร