基于CiteSpace的國(guó)際體育人工智能研究的前沿?zé)狳c(diǎn)與演化分析

路來(lái)冰

(河南工學(xué)院 體育部，河南 新鄉(xiāng) 453003)

人工智能(Artificial Intelligence，AI)是一門(mén)在計(jì)算機(jī)科學(xué)、控制論、信息論、系統(tǒng)科學(xué)、哲學(xué)等多種學(xué)科基礎(chǔ)上發(fā)展起來(lái)的，能夠模擬、延伸、擴(kuò)展人類智能的學(xué)科[1]。1956年是人工智能元年，在著名的達(dá)特茅斯會(huì)議上，信息時(shí)代的偉大先知香農(nóng)見(jiàn)證了“人工智能”學(xué)科的誕生[2]。人工智能源于模仿人類的行為和能力，如思考和學(xué)習(xí)。它涉及所謂的“智能代理”，即機(jī)器同樣能夠獲得、模擬和利用知識(shí)，并具備分析能力和專業(yè)技能來(lái)解決實(shí)際問(wèn)題[3]。人工智能以軟硬件為基礎(chǔ)，是計(jì)算機(jī)科學(xué)中的一個(gè)分支，同時(shí)自身主要有三大分支即認(rèn)知AI(Cognitive AI)、機(jī)器學(xué)習(xí)AI(Machine Learn AI)和深度學(xué)習(xí)(Deep Learning)。

人工智能是人類進(jìn)入信息產(chǎn)業(yè)革命時(shí)代達(dá)到的認(rèn)識(shí)和改造客觀世界能力的高峰。隨著科技的發(fā)展，在國(guó)際體育領(lǐng)域的訓(xùn)練手段中越來(lái)越多地運(yùn)用了人工智能的輔助手段，如基于人工神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺(jué)識(shí)別的單一目標(biāo)跟蹤分析和集體運(yùn)動(dòng)項(xiàng)目技戰(zhàn)術(shù)分析系統(tǒng)、技術(shù)動(dòng)作評(píng)測(cè)和基于深度學(xué)習(xí)的智能訓(xùn)練反饋系統(tǒng)、運(yùn)動(dòng)營(yíng)養(yǎng)配比和身體疾病識(shí)別分析系統(tǒng)、體育賽事成績(jī)預(yù)測(cè)系統(tǒng)、運(yùn)動(dòng)智能穿戴設(shè)備等方面。我國(guó)體育領(lǐng)域?qū)τ谌斯ぶ悄艿难芯科鸩捷^晚，多集中在計(jì)算機(jī)視覺(jué)識(shí)別的單一目標(biāo)跟蹤分析、體育賽事成績(jī)預(yù)測(cè)和運(yùn)動(dòng)智能穿戴設(shè)備領(lǐng)域，且研究不夠精細(xì)化與系統(tǒng)化。因此分析國(guó)際體育界對(duì)于人工智能的研究情況，可以進(jìn)一步完善國(guó)內(nèi)相關(guān)學(xué)者的研究框架，豐富研究視角，取長(zhǎng)補(bǔ)短，使自身研究層次更加豐富、方法更加科學(xué)、視野更加開(kāi)闊。同時(shí)抓住時(shí)代契機(jī)，加快人工智能體育研究與運(yùn)用，早日實(shí)現(xiàn)我國(guó)由體育大國(guó)邁進(jìn)體育強(qiáng)國(guó)的目標(biāo)。

1 數(shù)據(jù)來(lái)源與研究方法

本研究以Web of Science數(shù)據(jù)庫(kù)平臺(tái)核心集的SCIE、SSCI和A﹠HCI為來(lái)源數(shù)據(jù)庫(kù)進(jìn)行檢索。本文重點(diǎn)探討人工智能在廣義上的具有一定規(guī)則的體育運(yùn)動(dòng)中的發(fā)展與應(yīng)用情況，檢索主題詞為“artificial intelligence sports”or“machine intelligence sports”or“computer vision intelligence sports”or“neural networks sports”，文獻(xiàn)格式為Article，檢索范圍為1995—2019年(因國(guó)際體育人工智能研究文獻(xiàn)在SCIE、SSCI和A&HCI中最早出現(xiàn)于1995年)，共檢索到初始文獻(xiàn)325篇。利用Cite Space V軟件(版本號(hào)為5.3.R4 32bit)繪制知識(shí)圖譜，分析不同特征和類型的引文網(wǎng)絡(luò)，識(shí)別和呈現(xiàn)該領(lǐng)域的發(fā)展新趨勢(shì)和新動(dòng)態(tài)[4]。

2 體育人工智能研究的國(guó)家與學(xué)科分布

2.1 體育人工智能研究的國(guó)家(地區(qū))分布

圖1為體育人工智能研究的國(guó)家(地區(qū))分布圖。圓圈半徑的大小、節(jié)點(diǎn)連接線條的粗細(xì)與發(fā)文量和聯(lián)系緊密程度成正比。同時(shí)圓圈外層的紫色圓環(huán)寬度越寬，其中心性越大[5]。從圖1可以看出，325篇文獻(xiàn)共來(lái)自28個(gè)國(guó)家(地區(qū))，但不同國(guó)家(地區(qū))的發(fā)文量卻差距很大。美國(guó)以60篇排名第一，占總發(fā)文量的18%，中國(guó)和德國(guó)分別排在第二和第三位，發(fā)文量依次為47篇和28篇，英國(guó)(23篇)、韓國(guó)(14篇)、西班牙(12篇)和意大利(10篇)緊隨其后。由此看出，在體育人工智能研究領(lǐng)域，美國(guó)仍是發(fā)文量最多的國(guó)家，中國(guó)有迎頭趕上的態(tài)勢(shì)，而其余國(guó)家則主要集中在歐洲和亞洲地區(qū)。從文章的中心性來(lái)看，美國(guó)仍以0.50位居第一，隨后依次為中國(guó)(0.43)、英國(guó)(0.38)、德國(guó)(0.31)、意大利(0.13)、澳大利亞(0.13)、荷蘭(0.13)。總體來(lái)看，中心性與發(fā)文量排序基本一致，也說(shuō)明發(fā)文量較多的國(guó)家文章質(zhì)量較高，值得注意的是，澳大利亞與荷蘭雖然發(fā)文量不多但研究質(zhì)量卻位居前列，這與其發(fā)達(dá)的經(jīng)濟(jì)與技術(shù)有很大關(guān)聯(lián)。我國(guó)在研究成果發(fā)文量和中心性均排在全球第二，這與我國(guó)社會(huì)發(fā)展、綜合國(guó)力提升密不可分?？萍贾陙?lái)一直是我國(guó)體育領(lǐng)域發(fā)展和研究的重點(diǎn)，加強(qiáng)與國(guó)外學(xué)者的學(xué)術(shù)交流，進(jìn)一步提升我國(guó)學(xué)者的多學(xué)科研究視野，是我國(guó)體育人工智能研究發(fā)展的有效途徑。

圖1 體育人工智能研究的國(guó)家(地區(qū))分布圖

2.2 體育人工智能研究的學(xué)科分布

人工智能涉及的學(xué)科非常廣泛，如哲學(xué)、認(rèn)知科學(xué)、數(shù)學(xué)、神經(jīng)學(xué)、生理學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、信息論、控制論等，對(duì)體育人工智能進(jìn)行綜合研究已經(jīng)成為趨勢(shì)。設(shè)定Cite Space V的分析參數(shù)，時(shí)間分割為1995—2019年，每2年一切片，節(jié)點(diǎn)類型為Category，設(shè)置條件為“Top N 50 per slice”，析出學(xué)科分布與各學(xué)科中心性情況(圖2)。排在第1位的是工程學(xué)(0.98)，其后第2—10位依次是體育科學(xué)(0.54)、計(jì)算機(jī)科學(xué)(0.18)、儀器儀表學(xué)(0.17)、應(yīng)用物理學(xué)(0.17)、物理學(xué)(0.17)、電子工程學(xué)(0.15)、心理學(xué)(0.14)、科學(xué)與技術(shù)(其他領(lǐng)域)(0.09)、神經(jīng)科學(xué)(0.05)?？梢钥闯觯煌瑢W(xué)科之間的交叉互補(bǔ)為體育人工智能的研究提供了堅(jiān)實(shí)的理論基礎(chǔ)，大大豐富了其研究方法，使研究成果具有更強(qiáng)的理論和實(shí)踐意義。

圖2 體育人工智能研究主要學(xué)科共現(xiàn)網(wǎng)絡(luò)圖譜

3 體育人工智能研究的熱點(diǎn)分析

關(guān)鍵詞或主題詞是文章精華的提煉，其出現(xiàn)的頻次與研究主題的熱度成正比[6]。Cite Space V可以將關(guān)鍵詞或主題詞的聚類關(guān)系和頻次高低以可視化的形式直觀地表現(xiàn)出來(lái)，進(jìn)而析出此研究領(lǐng)域的熱點(diǎn)問(wèn)題[7]。

3.1 體育人工智能研究的高頻關(guān)鍵詞與熱點(diǎn)聚類

將325篇文獻(xiàn)的全部信息導(dǎo)入Cite Space V進(jìn)行統(tǒng)計(jì)分析，最終將數(shù)據(jù)的統(tǒng)計(jì)結(jié)果制作為可視化圖譜。時(shí)區(qū)分割選擇1995—2019年，單個(gè)時(shí)間分區(qū)的長(zhǎng)度設(shè)為2年。設(shè)置主題詞來(lái)源為標(biāo)題、摘要和關(guān)鍵詞；閾值為“Top N per slice”，節(jié)點(diǎn)類型選擇關(guān)鍵詞，算法選擇關(guān)鍵路徑計(jì)算法，最終析出了由117個(gè)節(jié)點(diǎn)和223條連線組成的體育人工智能研究熱點(diǎn)知識(shí)圖譜(圖3)。

圖3 體育人工智能研究熱點(diǎn)圖

進(jìn)一步合并匯總，整理出部分高頻和高中心性關(guān)鍵詞表(表1)。在圖譜中，某節(jié)點(diǎn)和標(biāo)注詞字號(hào)越大，即在體育人工智能研究領(lǐng)域中此關(guān)鍵詞出現(xiàn)得越頻繁。而節(jié)點(diǎn)之間的連線越粗，表明關(guān)鍵詞的聯(lián)系越緊密，同時(shí)連線顏色的差異對(duì)應(yīng)的是關(guān)鍵詞第一次共現(xiàn)的時(shí)間[8]，如從關(guān)鍵詞FRMI(功能性磁共振成像)、Machine Learning(機(jī)器學(xué)習(xí))、Convolutional Neural Network(卷積神經(jīng)網(wǎng)絡(luò))的連線可以看出這些研究方向是體育人工智能的新興領(lǐng)域。同時(shí)，從表1可以看出，高頻關(guān)鍵詞排在前列的為Neural Network(神經(jīng)網(wǎng)絡(luò))、Artificial Neural Network(人工神經(jīng)網(wǎng)絡(luò))、Performance(表現(xiàn))、System(系統(tǒng))等，表明體育運(yùn)動(dòng)中人工網(wǎng)絡(luò)系統(tǒng)的應(yīng)用是目前體育人工智能領(lǐng)域研究的熱點(diǎn)話題，尤其是運(yùn)動(dòng)的表現(xiàn)反饋和預(yù)測(cè)。中心性值排名靠前的關(guān)鍵詞Exercise(活動(dòng))、Machine Learning(機(jī)器學(xué)習(xí))、Network(網(wǎng)絡(luò))、FRMI(功能性磁共振成像)則進(jìn)一步反映了目前體育人工智能的研究仍是建立在計(jì)算機(jī)科學(xué)、工程學(xué)、生物力學(xué)等學(xué)科基礎(chǔ)上的，說(shuō)明與其他學(xué)科融合發(fā)展是體育人工智能研究和發(fā)展的方向。

表1 體育人工智能高頻及高中心性關(guān)鍵詞一覽表(前15位)

3.2 體育人工智能研究熱點(diǎn)時(shí)區(qū)分析

為了更加清晰地梳理國(guó)際體育人工智能研究熱點(diǎn)的發(fā)展脈絡(luò)，以關(guān)鍵詞和主題詞作為網(wǎng)絡(luò)節(jié)點(diǎn)，以“Time Zone”作為可視化制圖結(jié)果，得到1995年以來(lái)體育人工智能研究熱點(diǎn)變化的時(shí)區(qū)圖(圖4)?？芍?，國(guó)際體育人工智能研究的熱點(diǎn)已由發(fā)展初期的Neural Network(神經(jīng)網(wǎng)絡(luò))、Artificial Intelligence(人工智能)向Convolutional Neural Network(卷積神經(jīng)網(wǎng)絡(luò))、Deep Learning(深度學(xué)習(xí))等過(guò)渡，學(xué)科深度不斷加強(qiáng)，應(yīng)用效果不斷完善。

圖4 體育人工智能研究熱點(diǎn)時(shí)區(qū)圖

4 體育人工智能研究演化分析

算法選擇“Pathfinder”(關(guān)鍵路徑計(jì)算法)并進(jìn)行聚類，同時(shí)以LSI(潛語(yǔ)義索引算法)對(duì)施引文獻(xiàn)的標(biāo)題提取聚類命名，得到文獻(xiàn)共被引網(wǎng)絡(luò)圖譜(圖5)。高中心性節(jié)點(diǎn)文獻(xiàn)是體育人工智能研究的樞紐和橋梁，具有重要的地位[9]。其中Mean Silhouette=0.399 1，其值在-1～1之間且較為接近1，說(shuō)明次聚類主題明晰，文章內(nèi)容聯(lián)系緊密，聚類結(jié)果合理。依據(jù)圖5中的聚類特征，結(jié)合聚類標(biāo)題的研究方向，本研究將體育人工智能領(lǐng)域92個(gè)聚類中的主要聚類#0、#5、#8作為知識(shí)群G1，#10作為知識(shí)群G2，#9作為知識(shí)群G3。對(duì)每個(gè)知識(shí)群中的代表文獻(xiàn)信息進(jìn)行梳理闡述，以更加客觀地反映出國(guó)際體育人工智能領(lǐng)域的演化進(jìn)程。

圖5 本研究文獻(xiàn)共引網(wǎng)絡(luò)圖譜

4.1 知識(shí)群G1：基于計(jì)算機(jī)視覺(jué)技術(shù)的神經(jīng)網(wǎng)絡(luò)分析和預(yù)測(cè)研究

從共引網(wǎng)絡(luò)圖譜可以看出，近25年間，利用神經(jīng)網(wǎng)絡(luò)對(duì)運(yùn)動(dòng)錄像的技術(shù)分析和預(yù)測(cè)是目前國(guó)際體育人工智能研究的主要方向。神經(jīng)網(wǎng)絡(luò)分為生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)，前者一般指生物的大腦神經(jīng)元、細(xì)胞和觸點(diǎn)等組成的網(wǎng)絡(luò)，而人工神經(jīng)網(wǎng)絡(luò)是從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象處理，建立某種簡(jiǎn)單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。計(jì)算機(jī)視覺(jué)技術(shù)是用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量，并進(jìn)一步進(jìn)行圖形處理，能夠在訓(xùn)練輔助反饋中發(fā)揮重要作用。在體育運(yùn)動(dòng)的技戰(zhàn)術(shù)分析和成績(jī)預(yù)測(cè)中，研究者可以在計(jì)算機(jī)視覺(jué)技術(shù)基礎(chǔ)上建立人工神經(jīng)網(wǎng)絡(luò)分析模型進(jìn)行智能化和自動(dòng)化分析。例如，Iyer等[10]通過(guò)搜集1985—2006年英國(guó)板球運(yùn)動(dòng)員的比賽錄像數(shù)據(jù)建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并對(duì)參加2007年板球世界杯的運(yùn)動(dòng)員的賽前表現(xiàn)進(jìn)行了分析預(yù)測(cè)，最終與世界杯上球員實(shí)際表現(xiàn)基本吻合，證明神經(jīng)網(wǎng)絡(luò)確實(shí)可以為隊(duì)員選擇提供有價(jià)值的決策支持。Boris[11]結(jié)合高爾夫運(yùn)動(dòng)的特點(diǎn)建立科學(xué)的人工神經(jīng)網(wǎng)絡(luò)模型，使球體撞擊時(shí)球面路徑的預(yù)測(cè)結(jié)果達(dá)到了87%的準(zhǔn)確率，同時(shí)還建立了基于多個(gè)參與者的高爾夫球數(shù)據(jù)集的推理模型。在對(duì)團(tuán)體運(yùn)動(dòng)的戰(zhàn)術(shù)分析研究中，德國(guó)科隆體育大學(xué)教授Memmert等[12]運(yùn)用一種升級(jí)版人工神經(jīng)網(wǎng)絡(luò)的拱形結(jié)構(gòu)對(duì)一場(chǎng)足球比賽中22名球員的大約13 5000個(gè)數(shù)據(jù)集進(jìn)行收集和分析，尋找出了針對(duì)不同場(chǎng)上情況的高效戰(zhàn)術(shù)模式。Hassan等[13]通過(guò)運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)歐洲U18手球錦標(biāo)賽中723個(gè)動(dòng)作進(jìn)行注釋分析，實(shí)現(xiàn)了對(duì)球員跑動(dòng)位置數(shù)據(jù)的準(zhǔn)確預(yù)測(cè)。Matthias等[14]通過(guò)在前期比賽中運(yùn)用智能視頻跟蹤系統(tǒng)記錄10名籃球運(yùn)動(dòng)員的比賽數(shù)據(jù)，并利用動(dòng)態(tài)可控神經(jīng)網(wǎng)絡(luò)進(jìn)行分類和評(píng)價(jià)，通過(guò)分析上半場(chǎng)賽況，計(jì)算出了下半場(chǎng)最合理的技戰(zhàn)術(shù)方案。

卷積神經(jīng)網(wǎng)絡(luò)被稱為“平移不變的人工神經(jīng)網(wǎng)絡(luò)”，其具有表征學(xué)習(xí)能力，能夠按其階層結(jié)構(gòu)對(duì)輸入信息進(jìn)行平移不變分類，是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一(圖6)[15]。體育比賽中的運(yùn)動(dòng)員視頻跟蹤需要計(jì)算機(jī)視覺(jué)技術(shù)作為基礎(chǔ)，因此卷積神經(jīng)網(wǎng)絡(luò)作為一種強(qiáng)有力的圖像識(shí)別模型在體育比賽分析中的應(yīng)用也越來(lái)越廣泛。例如Jian等[16]運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)模型，提取出了訓(xùn)練視頻中的深層關(guān)鍵幀，進(jìn)而對(duì)職業(yè)舉重運(yùn)動(dòng)員訓(xùn)練中的競(jìng)技姿態(tài)進(jìn)行監(jiān)督和分析，有針對(duì)性地完善技術(shù)動(dòng)作，提高了訓(xùn)練效率使訓(xùn)練更加科學(xué)。Minhas等[17]提出了一種基于AlexNet卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)視頻鏡頭分類方法，對(duì)體育視頻中運(yùn)動(dòng)員技術(shù)分析的準(zhǔn)確度達(dá)到了94.07%，并已運(yùn)用在板球和足球的視頻分析領(lǐng)域。

圖6 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)[15]

4.2 知識(shí)群G2：基于計(jì)算機(jī)深度學(xué)習(xí)的人工智能訓(xùn)練反饋系統(tǒng)研究

圍繞生理機(jī)能指標(biāo)、技術(shù)動(dòng)作指標(biāo)的智能訓(xùn)練反饋研究是目前人工智能訓(xùn)練反饋系統(tǒng)研究的重點(diǎn)方向。在生理機(jī)能指標(biāo)反饋研究方面，Cooper[18]通過(guò)采集輪椅競(jìng)速運(yùn)動(dòng)員在一個(gè)賽季中的心率數(shù)據(jù)，分析了有氧訓(xùn)練、力量訓(xùn)練與運(yùn)動(dòng)表現(xiàn)之間的關(guān)系。Novatchkov[19]提出了一種模式識(shí)別技術(shù)，在力量訓(xùn)練器械中加裝旋轉(zhuǎn)編碼器，用于評(píng)估運(yùn)動(dòng)員在器械練習(xí)過(guò)程中的肌肉力量和動(dòng)作位移的機(jī)體適應(yīng)情況，使專業(yè)教練能更準(zhǔn)確地分析運(yùn)動(dòng)員成績(jī)，優(yōu)化整體訓(xùn)練效果。近年來(lái)，運(yùn)動(dòng)場(chǎng)上的猝死案例持續(xù)增加，Chang[20]認(rèn)為傳統(tǒng)的ECG心電圖檢測(cè)對(duì)于運(yùn)動(dòng)員心臟功能的檢查存在漏洞，運(yùn)用人工智能的深度學(xué)習(xí)能力并結(jié)合人工神經(jīng)網(wǎng)絡(luò)的分析能力可以提高對(duì)運(yùn)動(dòng)員心臟功能檢查的針對(duì)性、準(zhǔn)確性。在技術(shù)動(dòng)作的反饋方面，Baca等[21]通過(guò)運(yùn)用計(jì)算機(jī)視頻分析射擊運(yùn)動(dòng)員在架槍到發(fā)槍過(guò)程中槍頭的晃動(dòng)軌跡并建立分析模型，得出了頂級(jí)運(yùn)動(dòng)員與一般運(yùn)動(dòng)員的模型差異，有助于科學(xué)制定訓(xùn)練計(jì)劃提高競(jìng)賽成績(jī)(圖7)。Baca[22]還介紹了一種具有內(nèi)置無(wú)線功能的教練終端反饋系統(tǒng)，通過(guò)劃艇上的傳感器獲取運(yùn)動(dòng)員心率、槳頻、觸水角度和劃槳推力等數(shù)據(jù)，給教練的決策提供實(shí)時(shí)反饋。Novatchkov等[19,23]運(yùn)用人工神經(jīng)網(wǎng)絡(luò)等智能建模方法，將旋轉(zhuǎn)編碼器安裝在負(fù)重訓(xùn)練器械上，可以使運(yùn)動(dòng)員在進(jìn)行力量訓(xùn)練時(shí)對(duì)自身運(yùn)動(dòng)技術(shù)進(jìn)行自動(dòng)評(píng)估，并提供科學(xué)有效的反饋。Najafi等[24]通過(guò)在高爾夫運(yùn)動(dòng)員身上布置陀螺儀，并建立雙連桿訓(xùn)練反饋模型對(duì)運(yùn)動(dòng)員揮桿過(guò)程中的身體重心軌跡進(jìn)行分析，結(jié)論顯示其相較于傳統(tǒng)的基于攝像機(jī)技術(shù)的運(yùn)動(dòng)分析，能夠提供更多的3D分析視角，對(duì)身體重心和揮桿質(zhì)量的評(píng)估更準(zhǔn)確。除此之外，人工智能訓(xùn)練反饋模型在網(wǎng)球[25]、人體步態(tài)[26]等領(lǐng)域訓(xùn)練和矯正方面也有良好的應(yīng)用效果。

圖7 5種射擊穩(wěn)定性分析模型示意圖[21]

4.3 知識(shí)群G3：高效智能穿戴設(shè)備應(yīng)用研究

傳統(tǒng)的智能穿戴設(shè)備如簡(jiǎn)單的運(yùn)動(dòng)手環(huán)已經(jīng)普及開(kāi)來(lái)，可針對(duì)運(yùn)動(dòng)訓(xùn)練監(jiān)測(cè)要求不高的群體進(jìn)行可視化實(shí)時(shí)反饋，但其只能呈現(xiàn)出模糊運(yùn)動(dòng)強(qiáng)度和運(yùn)動(dòng)量情況，無(wú)法呈現(xiàn)出詳細(xì)的生理生化指標(biāo)以及反饋運(yùn)動(dòng)中的不合理的技術(shù)動(dòng)作。隨著科學(xué)技術(shù)的發(fā)展，智能穿戴設(shè)備的設(shè)計(jì)材料更加先進(jìn)，生理生化分析功能更加全面、靈敏和準(zhǔn)確，同時(shí)也可以實(shí)時(shí)反饋運(yùn)動(dòng)的肢體活動(dòng)情況，有助于規(guī)范運(yùn)動(dòng)中的技術(shù)動(dòng)作。Cai等[27]研發(fā)出一種厚度為微米的、靈敏度和延展性極高、探測(cè)極限低、可伸縮和可調(diào)諧范圍的應(yīng)變傳感器。這些特性使其能夠探測(cè)到人體在行走、跑步和跳躍中大規(guī)模肌肉運(yùn)動(dòng)的傳感信號(hào)，對(duì)運(yùn)動(dòng)中肌肉工作情況進(jìn)行實(shí)時(shí)反饋以及對(duì)運(yùn)動(dòng)健康情況進(jìn)行跟蹤分析和評(píng)估(圖8)。NBA金州勇士隊(duì)在訓(xùn)練中，球員會(huì)穿戴 Catapult Sports 的監(jiān)控器記錄追蹤加速度、變向、心率等指標(biāo)，并使用Omegawave設(shè)備監(jiān)控神經(jīng)緊張度[28]。在對(duì)技術(shù)動(dòng)作的改進(jìn)方面，Buttussi等[29]設(shè)計(jì)出一種名為Mopet的戶外健身穿戴系統(tǒng)，它通過(guò)在戶外環(huán)境中交替進(jìn)行慢跑和健身運(yùn)動(dòng)來(lái)監(jiān)督身體健康活動(dòng)，通過(guò)引導(dǎo)式自動(dòng)測(cè)試建立一種定期更新的用戶鍛煉模型，培養(yǎng)用戶的自覺(jué)鍛煉意識(shí)，并可以提供三維動(dòng)畫(huà)演示指導(dǎo)用戶如何正確的練習(xí)。MySwing Professional是一種高爾夫球員輔助訓(xùn)練裝備，能借助穿戴在球員身上的多個(gè)微型運(yùn)動(dòng)傳感器對(duì)球員揮桿時(shí)的身體動(dòng)作進(jìn)行分析，使肉眼難以觀察到的技術(shù)細(xì)節(jié)更加直觀地呈現(xiàn)出來(lái)[30]。

除了上述三種知識(shí)群的研究領(lǐng)域外，國(guó)際體育人工智能研究還涉及體育場(chǎng)館高效疏散[31]、運(yùn)動(dòng)營(yíng)養(yǎng)的智能配比[32]、新聞媒體的智能化變革[33]等方向。

圖8 膝部傳感器對(duì)下肢運(yùn)動(dòng)阻力的實(shí)時(shí)監(jiān)測(cè)[27]

5 結(jié)論與展望

(1)國(guó)際體育人工智能研究的成果在近5年呈快速增長(zhǎng)的態(tài)勢(shì)，研究的國(guó)家較為分散，其中美國(guó)、中國(guó)和德國(guó)在研究成果進(jìn)展上較為領(lǐng)先。

(2)國(guó)際體育人工智能研究涉及的學(xué)科非常廣泛，包括工程學(xué)、體育學(xué)、計(jì)算機(jī)科學(xué)、儀器儀表學(xué)、物理學(xué)等，不同學(xué)科和專業(yè)的知識(shí)提供了研究體育人工智能的理論與方法基礎(chǔ)，可以預(yù)料對(duì)體育人工智能進(jìn)行綜合研究已經(jīng)成為該領(lǐng)域研究的發(fā)展趨勢(shì)。

(3)國(guó)際體育人工智能的研究熱點(diǎn)已由早期的神經(jīng)網(wǎng)絡(luò)、人工智能向卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等領(lǐng)域過(guò)渡。在體育運(yùn)動(dòng)訓(xùn)練領(lǐng)域逐漸形成基于計(jì)算機(jī)視覺(jué)技術(shù)的神經(jīng)網(wǎng)絡(luò)分析和預(yù)測(cè)的研究、基于計(jì)算機(jī)深度學(xué)習(xí)的人工智能訓(xùn)練反饋模型研究和智能穿戴設(shè)備應(yīng)用研究的主要研究方向。目前國(guó)際體育人工智能的研究尚處于起步階段，研究學(xué)科多為理工類學(xué)科，如何結(jié)合體育學(xué)領(lǐng)域，如利用體育心理學(xué)、體育社會(huì)學(xué)和體育哲學(xué)等研究視角和方法對(duì)人工智能進(jìn)一步解讀是體育學(xué)者可以思考的問(wèn)題。

(4)我國(guó)非常重視人工智能的發(fā)展，習(xí)近平總書(shū)記在2019年的國(guó)際人工智能與教育大會(huì)中指出：“把握全球人工智能發(fā)展態(tài)勢(shì)，找準(zhǔn)突破口和主攻方向，培養(yǎng)大批具有創(chuàng)新能力和合作精神的人工智能高端人才，是教育的重要使命?！币虼耍Y(jié)合我國(guó)體育教育和訓(xùn)練領(lǐng)域的發(fā)展現(xiàn)狀，使之與迅猛發(fā)展的人工智能領(lǐng)域相融合，并實(shí)際有效地運(yùn)用到競(jìng)技體育、學(xué)校體育以及民族傳統(tǒng)體育的保護(hù)與發(fā)展中去，是我國(guó)每個(gè)體育人值得關(guān)注的問(wèn)題。