跳水也許將會成為第一個使用電腦視覺化進行自動評分的項目，並且已經轉變了運動員、教練和在家中觀看比賽的粉絲們對於他們喜歡的動作的理解。
由於新冠疫情，今年的奧運會不同往年。但其中也有許多熟悉的場景，比如，裁判們依舊會在跳水、滑板等項目中對選手進行評分。
體育資料公司Stats Perform的首席科學家Patrick Lucey表示，在未來，人工智慧可能會負責部分裁判工作，有朝一日，人工智慧裁判可能會比人類裁判更準確，而且不像人類一樣容易受到偏見的影響。Lucey說，他預計跳水可能是最早受益於自動評分技術的項目之一，與自由體操等項目的複雜程度相比，跳水項目的環境相對較小且可控。
Lucey說：「裁判結果將更透明，不會有任何偏見。」
自動化已經在人類體育裁判中發揮著越來越重要的作用。美國網球公開賽和其他網球錦標賽一直在逐步淘汰人力裁判，轉而採用自動判斷球位的工具，這樣做還可以在疫情期間減少賽場上的人員。美國棒球小聯盟和其他規模較小的職業棒球聯盟也一直在試驗自動系統，以説明裁判判罰球和擊球。
隨著近年來電腦學習技術的進步，人工智慧在追蹤運動員的表現以及各類型動作方面發揮著越來越大的作用。索尼旗下的鷹眼（Hawk-Eye）為美國網球公開賽提供了線路判斷技術，並在足球、橄欖球和羽毛球等運動項目中使用並測試了其對於球的追蹤能力。一個名為TrackMan的系統可以向棒球教練提供不同等級的關於球員投球和擊球的資訊。而Stats Perform的AutoStats系統最近也開始進行革新。之前他們只能夠從由特殊攝影機錄製的大學籃球比賽中提取資料，而現在他們僅通過現有的影片就可以記錄下比賽細節。
Lucey說，這些系統是根據人工裁判標記的影片片段進行訓練的，它們可以比人類更快、更準確地觀察比賽的細節。
他說:「只要為它提供足夠的被標記過的範例，電腦就能夠模仿那些老練的人工所做的事情。」
NCAA一級聯賽有300多支球隊參加，與此同時眾多球迷和職業球探也都在尋找球隊和球員比賽表現的資訊，因此，面對如此龐大的任務量，每個體育場都必須安裝大量的設備，而上個月得到續約的Orlando Magic AutoStats作為其球探過程的一部分，幫NCCA省下了這一項的部分設備支出。Lucey說，人工智慧進行的球員評估還可以幫助職業球隊發現那些被低估的人才，更好地瞭解隊內球員的能力。
Orlando Magic的籃球部營運總裁Jeff Weltmam在一份聲明中說：「追蹤資料已經成為NBA比賽分析的黃金標準，而AutoStates的追蹤技術可以使大學的球探分析達到和NBA同等的深度和等級。得到AutoStats的真實資料的支援後，我們的球探和勘探分析大幅進步，成為了我們在過去兩個賽季中的巨大優勢，並幫助我們更好地洞察最近的2020年NBA選秀。」
人工智慧自然也可以在運動員訓練中發揮作用，提供關於比賽和技術的即時回饋。已有的工具可以讓業餘運動員使用智慧型手機拍攝影片並記錄他們的表現，隨著相機和軟體的不斷更新，這些應用程式可能會變得更加複雜。網球應用SwingVision可以根據任何由iPhone或iPad拍攝的畫面提供比賽的即時分析，而HomeCourt也可以為籃球運動員提供類似的回饋；同樣的，高爾夫球手也有一系列工具幫助他們提高球技，包括影片片段，還有從球杆上的感測器收集來的資料。
雖然這些技術現在已經出現，但要達到奧運會等級的全自動裁判仍有很長的路要走。要想讓人工智慧完全取代人力裁判，人工智慧就必須提高準確率，盡可能排除已知的人工的錯誤和偏見（想想冷戰時期關於俄羅斯奧運會裁判的笑話）。
Lucey說：「僅僅做得和人力裁判一樣好是不夠的，人工智慧裁判必須比人力裁判優秀十倍才行。」
加入電腦王Facebook粉絲團