崔丹丹 郭建偉
摘? 要:“冠軍模型”革命性地提升了東京奧運(yùn)周期備戰(zhàn)訓(xùn)練決策的科學(xué)性,這為體教融合中高水平學(xué)生運(yùn)動(dòng)員的自主培養(yǎng)模式提供了新的啟示。我們以“冠軍模型”為核心,整合計(jì)算機(jī)視覺(jué)、因果推斷與認(rèn)知計(jì)算等智能技術(shù),研發(fā)了一套數(shù)據(jù)驅(qū)動(dòng)的個(gè)性化運(yùn)動(dòng)訓(xùn)練診斷技術(shù),從而打通了從監(jiān)測(cè)、分析到?jīng)Q策的智能化運(yùn)動(dòng)訓(xùn)練閉環(huán),進(jìn)而打破了競(jìng)技體育與體育教育的技術(shù)壁壘。未來(lái),要實(shí)現(xiàn)該技術(shù)在體教融合中的廣泛應(yīng)用,科研人員還應(yīng)與教師、教練密切配合,重點(diǎn)解決智能技術(shù)的可行性與有效性以及診斷對(duì)象的共性與特性等問(wèn)題。
關(guān)鍵詞:冠軍模型;體教融合;運(yùn)動(dòng)訓(xùn)練;智能決策
中圖分類號(hào):G633.96? ? 文獻(xiàn)標(biāo)識(shí)碼:A? ? 文章編號(hào):1005-2410(2022)02-0062-02
在東京奧運(yùn)會(huì)上,我國(guó)代表團(tuán)取得了38金、32銀、18銅的輝煌戰(zhàn)績(jī)。很多文獻(xiàn)對(duì)中國(guó)代表團(tuán)取得的優(yōu)異成績(jī)從不同角度進(jìn)行了討論,而在知網(wǎng)上有多達(dá)13篇東京奧運(yùn)會(huì)的文獻(xiàn)與體教融合相關(guān)[1,2]。培養(yǎng)全面發(fā)展的競(jìng)技體育后備人才,進(jìn)而完善競(jìng)技人才結(jié)構(gòu),不僅是奧運(yùn)備戰(zhàn)也是體教融合的重要任務(wù)[3]。就這一點(diǎn)來(lái)說(shuō),我國(guó)“冠軍大學(xué)生”“學(xué)霸運(yùn)動(dòng)員”在東京奧運(yùn)會(huì)上的大放光彩,自然會(huì)使得社會(huì)各界對(duì)體教融合充滿了期待。然而,我們也必須清醒地看到:我國(guó)多數(shù)學(xué)生奧運(yùn)冠軍的第一身份是運(yùn)動(dòng)員,即掛靠在高校的“運(yùn)動(dòng)員學(xué)生”,其成功的可復(fù)制性和示范價(jià)值有限;而另一種以“清華模式”“北理工模式”為代表的,第一身份為學(xué)生,由高校自主培養(yǎng)的“學(xué)生運(yùn)動(dòng)員”模式,其成功的可復(fù)制性更強(qiáng),因而自主培養(yǎng)“學(xué)生運(yùn)動(dòng)員” 才是體教融合未來(lái)的發(fā)展方向[1]。再進(jìn)一步來(lái)說(shuō):成功的“清華模式”背后,離不開李慶等“冠軍教授” 的理論與實(shí)踐指導(dǎo)[4],這也是不可復(fù)制的。高水平學(xué)生運(yùn)動(dòng)員的自主培養(yǎng), 普遍面臨著人才短缺的困境,而人才的培養(yǎng)又難以在短時(shí)間內(nèi)完成[5],我們需要更可復(fù)制、可持續(xù)的新思路。
人工智能,恰恰就是一門通過(guò)發(fā)展機(jī)器智能來(lái)復(fù)制人類智能,從而實(shí)現(xiàn)“以一當(dāng)十、以一當(dāng)百”的科學(xué)。借助先進(jìn)的人工智能技術(shù),將有望在不增加競(jìng)技體育消耗的前提下,將競(jìng)技體育的先進(jìn)經(jīng)驗(yàn),快速高效地在體育教育中復(fù)制和推廣,并在此過(guò)程中,積累更多的數(shù)據(jù)資料,反過(guò)來(lái)促進(jìn)技術(shù)的進(jìn)步,以更好地服務(wù)于競(jìng)技體育,從而在可持續(xù)的良性循環(huán)中,探索出一條競(jìng)技體育與體育教育雙贏發(fā)展的體教融合新路。
借助智能技術(shù)來(lái)促進(jìn)體教融合創(chuàng)新發(fā)展雖勢(shì)在必行,實(shí)現(xiàn)起來(lái)卻并非一蹴而就。一方面是技術(shù)上的瓶頸:目前,我們所熟知的計(jì)算機(jī)視覺(jué)、傳感器、統(tǒng)計(jì)機(jī)器學(xué)習(xí)等主流人工智能技術(shù),雖然在感知監(jiān)測(cè)和大數(shù)據(jù)分析方面有了較大進(jìn)步,但認(rèn)知決策卻一直是個(gè)短板。而一個(gè)完整的運(yùn)動(dòng)訓(xùn)練閉環(huán),不僅需要進(jìn)行運(yùn)動(dòng)的監(jiān)測(cè)、分析,還需要進(jìn)行訓(xùn)練決策[6]。認(rèn)知決策的技術(shù)瓶頸,使得現(xiàn)有的智能訓(xùn)練產(chǎn)品大多只能輸出基本的運(yùn)動(dòng)參數(shù)和統(tǒng)計(jì)圖表,或是基于預(yù)設(shè)的規(guī)則完成打分、計(jì)數(shù)等簡(jiǎn)單評(píng)價(jià),卻不能像人類教練一樣給出針對(duì)性的診斷與建議,因而無(wú)法實(shí)現(xiàn)完整的運(yùn)動(dòng)訓(xùn)練閉環(huán),滿足不了高水平運(yùn)動(dòng)員的個(gè)性化培養(yǎng)需求。另一方面是領(lǐng)域間的鴻溝:長(zhǎng)期以來(lái),舉國(guó)體制下“集中力量辦大事”的制度優(yōu)勢(shì),保障了我國(guó)競(jìng)技體育的高速發(fā)展,尤其是在東京奧運(yùn)周期,國(guó)家隊(duì)在訓(xùn)練科學(xué)性方面迅速趕超國(guó)際先進(jìn)水平,但在這樣的發(fā)展模式下,競(jìng)技體育成為一個(gè)相對(duì)獨(dú)立的體系,所以國(guó)家隊(duì)的先進(jìn)經(jīng)驗(yàn),變得很難被大眾所習(xí)得,更不要說(shuō)推廣。如何從競(jìng)技體育的象牙塔中取得“錦囊”,并將其在體育教育中有效推廣?這也是常規(guī)思路和傳統(tǒng)辦法無(wú)法破解的另一難題。此時(shí),有一項(xiàng)奧運(yùn)新“智慧”為我們提供了破冰的新思路,那就是“冠軍模型”。
那么“冠軍模型”是什么?該怎樣來(lái)助力體教融合?本文將從“冠軍模型”的概念及相關(guān)智能技術(shù)構(gòu)成、“冠軍模型”在體教融合中應(yīng)用的關(guān)鍵問(wèn)題和主要挑戰(zhàn)等角度展開討論,并以筆者在100米跑項(xiàng)目上取得的初步進(jìn)展為例進(jìn)行說(shuō)明,希望能夠?yàn)閺V大教師、教練和體育科研工作者提供參考。
一、冠軍模型的概念及相關(guān)智能技術(shù)構(gòu)成
在東京奧運(yùn)周期,隨著“走出去、請(qǐng)進(jìn)來(lái)”和“科技助力奧運(yùn)”等戰(zhàn)略的實(shí)施,我國(guó)的各項(xiàng)競(jìng)技水平都得到了穩(wěn)步提升。尤其是“跨界選材”和“冠軍模型”等理念的提出,革命性地提升了我國(guó)備戰(zhàn)決策的科學(xué)性。其中,“冠軍模型”最初為服務(wù)“跨界選材”而提出[7],是指對(duì)優(yōu)秀運(yùn)動(dòng)員形態(tài)、體能、技術(shù)等一系列特征的量化建模。繼而,個(gè)性化的“冠軍模型”被應(yīng)用于蘇炳添等高水平運(yùn)動(dòng)員的訓(xùn)練中,取得了顯著效果[8]。
受此啟發(fā),筆者展開了“冠軍模型”的體工融合研究,并針對(duì)100米跑項(xiàng)目,開發(fā)出一套數(shù)據(jù)驅(qū)動(dòng)的速度節(jié)奏自動(dòng)診斷技術(shù)。該技術(shù)以計(jì)算機(jī)視覺(jué)動(dòng)作捕捉數(shù)據(jù)或傳感器分段計(jì)時(shí)數(shù)據(jù)為輸入,利用因果推斷技術(shù)來(lái)模仿國(guó)家隊(duì)教練選擇“冠軍模型”和預(yù)估訓(xùn)練效果時(shí)的決策邏輯[9],并通過(guò)搭建認(rèn)知計(jì)算架構(gòu)來(lái)模仿人類教練在一個(gè)完整訓(xùn)練閉環(huán)中的決策過(guò)程[10],最終輸出個(gè)性化的技術(shù)診斷和改進(jìn)建議。
運(yùn)用該技術(shù),以網(wǎng)絡(luò)直播視頻為輸入,對(duì)蘇炳添在東京奧運(yùn)會(huì)百米決賽中的速度節(jié)奏表現(xiàn)進(jìn)行診斷,得到了“起跑加速為首要改進(jìn)點(diǎn)”的診斷結(jié)論,這與主教練的判斷是一致的。但如果我們僅對(duì)蘇的分段排名做統(tǒng)計(jì)分析,數(shù)據(jù)會(huì)顯示其在沖刺階段的排名更為落后,從而輸出“沖刺階段為主要問(wèn)題點(diǎn)”的診斷結(jié)果,這就背離了教練的認(rèn)知??梢?jiàn),相較于傳統(tǒng)方法,基于“冠軍模型”的智能診斷技術(shù)更好地模擬了人類專家的認(rèn)知決策智能,從而打通了從監(jiān)測(cè)、分析到?jīng)Q策的運(yùn)動(dòng)訓(xùn)練閉環(huán),在體教融合中批量復(fù)制“冠軍”的技術(shù)條件已初步具備。
二、冠軍模型在體教融合中應(yīng)用的關(guān)鍵問(wèn)題和主要挑戰(zhàn)
解決了競(jìng)技體育中“冠軍模型”的智能化技術(shù)問(wèn)題之后,我們隨即在校園內(nèi)開展了基于“冠軍模型”的百米速度節(jié)奏智能診斷服務(wù),邁出了“冠軍模型”在體教融合中應(yīng)用實(shí)踐的第一步,第一批服務(wù)對(duì)象為我校短跑專項(xiàng)學(xué)生和短跑校隊(duì)隊(duì)員,在此過(guò)程中,我們又遇到了一系列新的挑戰(zhàn)。
首先,挑戰(zhàn)存在于每一個(gè)技術(shù)環(huán)節(jié)之中:監(jiān)測(cè)環(huán)節(jié)最常用的兩種智能監(jiān)測(cè)方式是視覺(jué)方式和傳感器方式,但在校園的日常訓(xùn)練中,很難配備競(jìng)技體育中的壓電式比賽起跑器、多視角高速相機(jī)、高頻率光學(xué)傳感器等昂貴設(shè)備,因而無(wú)法獲得起跑反應(yīng)時(shí)參數(shù),骨骼關(guān)鍵點(diǎn)和分段計(jì)時(shí)數(shù)據(jù)的精度也有不同程度的下降。為此,我們進(jìn)行了簡(jiǎn)化數(shù)學(xué)模型、定制視覺(jué)算法等嘗試,并輔以便攜式分段計(jì)時(shí)設(shè)備,一定程度上解決了智能監(jiān)測(cè)技術(shù)在體育教育場(chǎng)景下的可行性和有效性問(wèn)題。在分析與決策環(huán)節(jié)中,理論上形態(tài)、體能、技術(shù)參數(shù)與成績(jī)之間的因果關(guān)系在高水平專業(yè)運(yùn)動(dòng)員與普通大學(xué)生運(yùn)動(dòng)員之間存在共性,但現(xiàn)實(shí)中二者身體素質(zhì)、競(jìng)技水平的巨大差異,是否會(huì)改變上述變量間因果效應(yīng)值的大小,進(jìn)而帶來(lái)診斷決策上的差異呢?在競(jìng)技體育與體育教育兩個(gè)不同場(chǎng)景下,運(yùn)動(dòng)主體的特性不容忽視。就這一問(wèn)題,目前還不能輕易下結(jié)論,需要繼續(xù)積累數(shù)據(jù)和收集反饋,并在此基礎(chǔ)上挖掘新的因果機(jī)制,總結(jié)運(yùn)動(dòng)主體之間的共性與特性,必將會(huì)有令人信服的新發(fā)現(xiàn)。圖1展示了目前我們?cè)谛@智能訓(xùn)練診斷中所采用的技術(shù)流程:首先,我們使用GoPro單目高速相機(jī)和FastRunR便攜式傳感器光門采集數(shù)據(jù),利用身高、體重、年齡等運(yùn)動(dòng)員基本資料進(jìn)行“冠軍模型”的匹配,再選用不含起跑反應(yīng)時(shí)的簡(jiǎn)化數(shù)學(xué)模型提取速度節(jié)奏特征進(jìn)行技術(shù)對(duì)比,目前在診斷決策中還是沿用高水平運(yùn)動(dòng)員的結(jié)構(gòu)因果模型。
此外,在“育人為本”的體育教育中,還需更加關(guān)注心理層面的問(wèn)題。大學(xué)生運(yùn)動(dòng)員年齡集中在18~22歲左右,這個(gè)年齡段的獨(dú)立意識(shí)很強(qiáng),但心智又尚未成熟,好奇心旺盛。以特定優(yōu)秀運(yùn)動(dòng)員為原型建立的“冠軍模型”,在心理學(xué)上可以看作一種“role model”,而“role model”不僅有指導(dǎo)“skill acquisition”的作用、還能夠?qū)Α癿otivation” “goal reinforcement”以及“goal adoption”等認(rèn)知過(guò)程產(chǎn)生影響[11],這與體教融合在競(jìng)技技能提升、內(nèi)生動(dòng)力培養(yǎng)等方面的多元化功能需求十分匹配[5]。那么什么樣的“冠軍模型”能夠更好地激發(fā)學(xué)生的內(nèi)生動(dòng)力?學(xué)生對(duì)“冠軍模型”的主觀偏好又會(huì)如何影響其心理激活和技能提升?這些都是有待研究的新問(wèn)題,需要將體育教育實(shí)踐與認(rèn)知計(jì)算、情感計(jì)算等智能技術(shù)相結(jié)合來(lái)解決。
三、結(jié)語(yǔ)
本文簡(jiǎn)要介紹了國(guó)家隊(duì)備戰(zhàn)東京奧運(yùn)會(huì)的先進(jìn)訓(xùn)練理念“冠軍模型”,探討了將“冠軍模型”應(yīng)用于高水平運(yùn)動(dòng)員自主培養(yǎng)的現(xiàn)實(shí)需求、技術(shù)方案以及關(guān)鍵問(wèn)題,并以筆者在校園短跑教學(xué)和訓(xùn)練中的初步實(shí)踐為例,拋磚引玉地進(jìn)行了說(shuō)明。
誠(chéng)然,要實(shí)現(xiàn)“冠軍模型”在體教融合中的廣泛應(yīng)用,前方還有漫長(zhǎng)的路要走。正如中國(guó)工程院院士張亞勤在2021人工智能計(jì)算大會(huì)上所說(shuō),“泛化的能力是人工智能的一個(gè)大挑戰(zhàn)”。即便如此,集奧運(yùn)備戰(zhàn)訓(xùn)練智慧、精英選手成功案例和認(rèn)知決策智能技術(shù)于一身的“冠軍模型+人工智能”技術(shù)路線,無(wú)論從體育、教育還是人工智能的發(fā)展視角來(lái)看,都是一條值得探索的新思路。未來(lái),我們有信心也有決心,與廣大一線師生、教練員、運(yùn)動(dòng)員攜手奮進(jìn),開拓出一條競(jìng)技體育、體育教育與人工智能三贏的體教融合創(chuàng)新發(fā)展之路。
參考文獻(xiàn):
[1]劉波,黃璐.體教融合培養(yǎng)高水平運(yùn)動(dòng)員的多元化發(fā)展途徑研究[J].體育教學(xué),2021,41(09).
[2]毛振明,羅帥呈.東京奧運(yùn)后談“舉國(guó)體制”和“體教融合”[J].體育教學(xué),2021,41 (09).
[3]王登峰.體教融合的歷史背景與現(xiàn)實(shí)意義[J].體育科學(xué),2020,40(10).
[4]姜自立,李慶.李慶短跑訓(xùn)練理念研究[J].體育科學(xué),2018,38(02).
[5]許弘,李先雄.體教融合背景下青少年體育活動(dòng)開展的困境與思考[J].體育學(xué)刊,2021,28(02).
[6]Raj p A,F(xiàn)ister I.A systematic literature review of intelligent data analysis methods for smart sport training[J].Applied Sciences,2020,10 (09).
[7]莊薇,邵恩,朱志強(qiáng),等.基于世界級(jí)運(yùn)動(dòng)員身體形態(tài)、機(jī)能及素質(zhì)特征的雪上項(xiàng)目冠軍模型研究[J].體育科學(xué),2018,38(10).
[8]蘇炳添,鄧民威,徐澤,等.新時(shí)代中國(guó)男子100m短跑:回顧與展望[J].體育科學(xué),2019,39(02).
[9]Pearl J.Causality[M].Cambridge university press,2009.
[10]Fu X,Cai L,Liu Y,et al.A computational cognition model of perception, memory, and judgment[J].Science China Information Sciences,2014, 57 (03).
[11]Morgenroth T,Ryan M K,Peters K.The motivational theory of role modeling: How role models influence role aspirants’ goals[J].Review of general psychology,2015, 19 (04).
[基金項(xiàng)目:國(guó)家自然科學(xué)基金青年項(xiàng)目“基于因果推斷方法的運(yùn)動(dòng)訓(xùn)練智能化決策機(jī)制研究”;田徑短跑接力項(xiàng)目國(guó)家隊(duì)備戰(zhàn)東京奧運(yùn)會(huì)(2021年度)科技攻關(guān)與科技服務(wù)]