Klizanje na ledu izgleda jednostavno. Klizači se kreću po ledu, zatim se uzdižu u zrak, vrteći se kao vrtnjača, prije nego što sletije na jednu oštricu, samo 4-5 milimetara široku. Da bi pomogao klizačima da slete skokove, Jerry Lu MFin ’24 je razvio optički praćenje sustava zvani OOFSkate koji koristi umjetnu inteligenciju za analizu videa klizača i davanje preporuka za poboljšanje. Lu, bivši istraživač u MIT Sports Labu, pomaže vrhunskim klizačima na američkoj reprezentaciji u tehničkim performansama i bit će raditi s NBC Sportsom tijekom Zimskih olimpijskih igara 2026. godine kako bi pomogao komentatorima i gledateljima da bolje shvate složeni sustav bodovanja u klizanju na ledu, snowboardingu i skijanju.
Profesorica Anette “Peko” Hosoi, suosnivačica i voditeljica MIT Sports Lab-a, započinje novo istraživanje kako bi razumjela kako AI sustavi procjenjuju estetsku izvedbu u klizanju na ledu. Hosoi i Lu nedavno su razgovarali s MIT Newsom o primjeni AI-a na sportove, mogućnosti korištenja AI sustava za ocjenjivanje klizanja na ledu na Olimpijskim igrama i kada možemo očekivati da klizač sleti skok.
Zašto primijeniti AI na klizanje na ledu?
Klijanje na ledu zahtijeva i tehničku preciznost i umjetničko izražavanje. Klizači uvijek mogu poticati sebe na više, brže, jače. OOFSkate pomaže klizačima da razumiju kako rotirati brže u svojim skokovima ili skočiti malo više. Sustav im pomaže da uhvate stvari koje možda prolaze vizualnu provjeru, ali koje im omogućuju da ciljaju na visoko vrijedne područja za poboljšanje. Estetska strana klizanja teže je ocijeniti nego tehničke elemente jer je subjektivna.
Da biste koristili mobilnu aplikaciju za trening, samo trebate snimiti video skokova klizača, a sustav će vam ispisati fizičke metrike koje određuju koliko rotacija možete izvesti. Sustav prati te metrike i uključuje ih u podatke o drugim vrhunskim i bivšim vrhunskim klizačima. Možete vidjeti svoje podatke i usporediti ih s podacima olimpijskih pobjednika, na primjer, kako je jedan olimpijski pobjednik izveo taj element, možda bi trebali pokušati to. Dobivate usporedbu i automatski klasifikator koji vam pokazuje kako bi međunarodni sudac ocijenio vaš skok na Svjetskom prvenstvu.
Snaga posebnih procjenjivača
Hosoi: Postoji mnogo AI alata koji dolaze na tržište, posebno stvari poput posebenih procjenjivača, gdje možete približno procijeniti kosturnu konfiguraciju iz videa. Problem s ovim posebenim procjenjivačima je da ako imate samo jedan kut kamere, oni vrlo dobro rade u ravnini kamere, ali vrlo loše s dubinom. Na primjer, ako pokušavate kritizirati formu nekog u mačevanju i kreće se prema kameri, dobivate vrlo loše podatke. Ali u klizanju na ledu, Jerry je pronašao jedno od rijetkih područja gdje dubina ne predstavlja problem. U klizanju na ledu, morate razumjeti: Koliko je visoko skočio, koliko je puta okrenuo, i koliko dobro je sletio? Nijedan od tih elemenata ne ovisi o dubini. Pronašao je aplikaciju gdje posebeni procjenjivači rade vrlo dobro, a ne trpe kaznu zbog onoga što rade loše.
Budućnost AI-a u klizanju na ledu
Možete li zamisliti svijet u kojem se AI koristi za ocjenjivanje estetskog dijela klizanja na ledu?
Hosoi: Kada je riječ o AI-u i estetskoj ocjeni, imamo novo istraživanje zahvaljujući MIT Human Insight Collaborative (MITHIC) grantu. Ovo istraživanje se provodi u suradnji s profesorom Arthurom Bahr i IDSS magistrom Ericom Liu. Kada zatražite od AI platforme estetsku ocjenu, na primjer, “Što misliš o ovoj slici?”, odgovorit će nečim što zvuči kao da je to rekao čovjek. Što želimo razumjeti je, da bismo došli do te ocjene, jesu li AI-ovi prolazili kroz iste razumijevajuće putanje ili koriste iste intuitivne koncepte koje ljudi koriste da dođu do “Sviđam mi se ova slika” ili “Ne sviđam mi se ova slika”? Ili su samo papige? Da li samo ponavljaju ono što su čuli od čovjeka? Ili postoji li neka mapa estetske privlačnosti? Klijanje na ledu je savršen primjer za traženje ove mape jer je klizanje estetski ocijenjeno. I postoje brojevi. Ne možete se kretati po muzeju i pronaći ocjene, “Ova slika je 35”. Ali u klizanju, imate podatke.
Ovo podiže još jedan, čak i zanimljiviji pitanje, a to je razlika između početnika i stručnjaka. Znano je da stručni ljudi i početnici prolaze kroz različite razumijevajuće putanje kada ocjenjuju estetsku izvedbu. Početnici se više fokusiraju na specifične značajke, dok stručnjaci gledaju na ukupnu kompoziciju i kako se elementi međusobno međudjeluju.
Zaključak
AI ima ogroman potencijal u klizanju na ledu, od poboljšanja tehničkih performansi do ocjenjivanja estetskih elemenata. OOFSkate i istraživanja MIT Sports Lab-a pokazuju kako AI može transformirati način na koji treniramo i ocjenjujemo klizanje na ledu. Dok AI ne može zamijeniti ljudsku ocjenu, može značajno pomoći klizačima i trenerima u poboljšanju performansi i razumijevanju složenosti klizanja na ledu.
Česta pitanja
Kako OOFSkate radi?
OOFSkate koristi AI za analizu videa klizača i davanje preporuka za poboljšanje. Korisnik samo snima video skokova klizača, a sustav ispisuje fizičke metrike koje određuju koliko rotacija možete izvesti. Sustav usporeduje vaše podatke s podacima vrhunskih klizača i daje ocjenu izvedbe.
Može li AI zamijeniti ljudske sudce u klizanju na ledu?
AI ne može zamijeniti ljudske sudce, ali može značajno pomoći u ocjenjivanju tehničkih elemenata. Za estetsku ocjenu, AI još uvijek ima ograničenja jer je ocjena subjektivna i ovisi o ljudskom sudu.
Kada možemo očekivati da klizač sleti skok?
Trenutno, AI sustavi poput OOFSkate pomažu klizačima u poboljšanju tehničkih performansi, ali još uvijek nije dostignut nivo na kojem bi se AI mogao koristiti za ocjenjivanje klizanja na ledu. Istraživanja u tijeku su kako bi se razumjelo kako AI sustavi procjenjuju estetsku izvedbu.