由于 新冠疫情，今年的奥运会对大多数观众都不开放，但数十台摄像机记录了每一次跳跃、俯冲和翻转，全世界的目光仍集中在运动员身上。在所有这些广播设备中，田径运动员可能会注意到额外的五个摄像机——这是精细的3D 跟踪系统第一步，该系统为观众提供对比赛的每一步即时的洞察力。跟踪只是一个开始，在东京展出的技术表明，运动训练的未来不仅在于收集有关人体的数据，还在于使用这些数据创建人体的数字复制品，即运动员的数字孪生。这些数字化身有一天可以通过假设场景来帮助运动员决定哪些选择会产生最好的结果。

东京奥运会使用的跟踪系统是一种名为 3DAT 的英特尔产品，可将实时镜头输入云端。在那里，人工智能程序使用深度学习来分析运动员的动作并识别关键性能特征，例如最高速度和减速。该系统通过显示动作的慢动作图形表示，并突出关键时刻与观众共享该信息。整个过程，从拍摄镜头到播放分析，不到 30 秒。

例如，在 NBC 播放俄勒冈州尤金市的 100 米试跑期间，AI 展示了Sha'Carri Richardson如何在她的巅峰时期达到 24.1 英里/小时，并在她到达终点线时减速到 20.0 英里/小时。这足以赢得比赛。亚军Richardson 达到了每小时 23.2 英里的最高速度，并在过程中减速到 20.4 英里/小时。

为了通过机器学习训练他们的奥林匹克人工智能，Lee 和他的团队必须尽可能多地捕捉优秀田径运动员的运动镜头。他们需要记录人体执行特定动作，但现有镜头显示的是普通人的动作，这可能会使算法混淆，毕竟普通人通常不会在空中达到七英尺高的水平高度，但世界级的跳高运动员可以。在视频中，英特尔的一个团队逐个像素地手动注释了身体的每个部位——眼睛、鼻子、肩膀等等。一旦确定了这些关键点，模型就可以开始在三个维度上将它们连接起来，直到它具有运动员形式的简化渲染。跟踪这个“骨架”使程序能够在运动员的身体上预测 3D 姿态，这是一种跟踪对象并试图预测它在空间中可能发生的变化的计算机视觉技术。Lee 认为 AI 可以帮助奥林匹克运动员和普通健身者，让每个人纠正他们的运动形式，预测可能发生运动损害的步态变化等等。

“从长远来看，这项技术将通过向运动员提供更多信息来帮助提高他们的表现，”两届奥运会十项全能冠军阿什顿·伊顿说，他曾在英特尔3DAT项目中工作。

所有这一切都归功于算力的进步，使人工智能能够更有效地将 2D 图像转换为 3D 模型。它正在产生人民众以前从未拥有过的信息，而在最近的田径中的试验仅仅是个开始。未来，运动员可能会更多地依赖大量数据，通过人工智能处理，以提高他们的比赛水平。

数字孪生模型作为计算机程序中的数据存在，可以在屏幕上或虚拟现实中查看它们，并通过模拟现实世界的情况运行。十多年前，维克斯与佛罗里达理工学院的研究教授迈克尔·格里夫斯 (Michael Grieves) 创造了“数字孪生”一词。Vickers 认为，工程师最初将数字孪生定义为不断发展的工业物体的虚拟模型，从下一代太空飞行器到整个地球城市。接下来工程师很快就会使用从可穿戴健身监视器和人工智能跟踪工具收集的数据来部署单个运动员的数字孪生模型。教练可以使用这些来测试各种行为如何影响比赛，从睡眠模式到饮食再到场上的站姿。这个虚拟模型最终可以帮助运动员预测他们未来的现实世界表现，甚至可以提出训练调整建议。