更高，更快，更強!在奧林匹克精神的指引下，人類(lèi)一直在探尋著(zhù)自我突破之路，世界紀錄在刷新——停滯——刷新的輪回中一次又一次試探著(zhù)人類(lèi)的極限。與人斗，其樂(lè )無(wú)窮。那么，與 AI 比試呢?

　　在剛剛結束的進(jìn)博會(huì )上，歐姆龍展示了他們的最新研究成果——乒乓球機器人 FORPHEUS，這讓人類(lèi)在體育層面與 AI 對抗變成了現實(shí)。以后，人類(lèi)在“掂量”自己之前，可能要先問(wèn)問(wèn)自己，打的過(guò)那個(gè) AI 嗎?

　　從發(fā)球機到陪練機器人

　　其實(shí)歐姆龍在進(jìn)博會(huì )上展示的乒乓球機器人 FORPHEUS 已經(jīng)是它的第 5 代。

　　2013 年時(shí)歐姆龍推出了它的第一代 FORPHEUS，在兩臺攝像機的協(xié)助下，FORPHEUS 可以在1/1000 秒內控制擊球的時(shí)機與方向，通過(guò)預測乒乓球的運動(dòng)軌跡，包括球速、旋轉速度、旋轉方向等幾個(gè)數據，從而計算出應該讓球拍以什么角度、在哪個(gè)點(diǎn)回擊，當時(shí)就具備了與業(yè)余選手連續練球的水平。

　　2015 年時(shí)，進(jìn)化到第四代的 FORPHEUS 被吉尼斯世界紀錄認證為世界首個(gè)“乒乓球教練機器人”，此時(shí)的 FORPHEUS 已經(jīng)可以發(fā)球和應對簡(jiǎn)單的扣球了。最新一代的 FORPHEUS 進(jìn)一步優(yōu)化 AI 算法和機械調試，將回球誤差控制在 0.1 毫米之內，另外增設了一個(gè)追蹤人類(lèi)動(dòng)作的攝像頭，評估人類(lèi)的實(shí)際運動(dòng)水平。利用機器學(xué)習技術(shù)對球的軌跡進(jìn)行分析，判斷對手水平，調整自己水平，爭取做到與對手匹配。

　　人類(lèi)從剛剛出生，到能拿起球拍接上幾個(gè)難度不高的球，至少需要 5 年時(shí)間。從無(wú)到有，同樣只花了 5 年時(shí)間，FORPHEUS 已經(jīng)可以成為一些業(yè)余選手的陪練甚至做他們的教練。

　　相比只能執行單一角度、有去無(wú)回任務(wù)的發(fā)球機，在 AI 加持下的 FORPHEUS 的進(jìn)化速度讓人咋舌。AlphaGo 戰勝李世石時(shí)，讓我們看到了人類(lèi)與 AI 在自我學(xué)習和計算能力方面的差距，現今站在球臺旁的 FORPHEUS 則確實(shí)在運動(dòng)競技層面給了人類(lèi)極大的壓力。

　　要想戰勝人類(lèi)，陪練機器人還存技術(shù)障礙

　　已經(jīng)進(jìn)化了 5 代的 FORPHEUS，怎樣才能從一個(gè)業(yè)余選手的陪練機器人“成長(cháng)”為可以和專(zhuān)業(yè)運動(dòng)員過(guò)招的高手呢?讓我們先從比較簡(jiǎn)單的發(fā)球機的工作原理和其中需要運用到的知識來(lái)剖析一下。

　　一個(gè)稍微智能一點(diǎn)的發(fā)球機需要有用于處理風(fēng)速風(fēng)向、溫度、自身位置和接發(fā)球運動(dòng)員位置等信息的處理器，用以計算出發(fā)球的速度、旋轉和方向。其中包括圖像采集和識別系統、可編程處理器和傳感器、博弈論(分析發(fā)球種類(lèi)和接發(fā)球策略的博弈)以及機械工程知識。

　　如果是一個(gè)可以和人類(lèi)打來(lái)打去的陪練機器人，還需要它可以移動(dòng)、揮拍、躲避障礙……AI 需要接收和處理的信息數量與發(fā)球機相比根本不是一量級，由于陪練機器人在多個(gè)領(lǐng)域還存在技術(shù)障礙，這也使得陪練機器人在短時(shí)間內還無(wú)法戰勝的人類(lèi)。

　　1、陪練機器人應用場(chǎng)景、使用條件均有有限制

　　需要承認的是，體育運動(dòng)領(lǐng)域對于 AI 來(lái)說(shuō)是一個(gè)巨大的藍海，但是直到目前，AI 陪練機器人僅僅只在乒乓球和羽毛球這兩個(gè)項目中出現，且它們的球技還遠遠達不到“業(yè)余高手”的水平，這也使得其商業(yè)變現能力大打折扣。

　　鮑春來(lái)在娛樂(lè )節目《機智過(guò)人》中與羽毛球機器人過(guò)招，明顯看出面對人類(lèi)高手的前后場(chǎng)調動(dòng)、大力扣殺、追身球等技巧面前，機器人根本沒(méi)有招架之力。而乒乓球機器人在面對擦網(wǎng)球、擦邊球、高球以及旋轉球等偶發(fā)情況或者技巧面前也沒(méi)有很好的應對策略。

　　其實(shí)，我們并不懷疑 AI 的學(xué)習能力，所有已知的運動(dòng)技巧和比賽策略，像 AlphaGo 那樣，AI 通過(guò)自我學(xué)習都能掌握，而現在，陪練機器人需求提高的是它的“運動(dòng)能力”，它們也需要變得“更高、更快、更強”。

　　2、單打獨斗與團隊協(xié)作還存巨大鴻溝

　　現在的陪練機器人只能應用于單人對抗的場(chǎng)景，面對雙人比賽或者像足球、籃球那樣的團隊協(xié)作性項目時(shí)，陪練機器人面臨著(zhù)比提高“運動(dòng)能力”更高的門(mén)檻。

　　電子競技的 DOTA2 項目中，去年的 TI7 上，Open AI 在 1V1 的對抗中輕松戰勝人類(lèi)高手;而今年的 TI8 上，Open AI 在 5V5 比試中確沒(méi)能延續勝利。

　　雖然 Open AI 1 天的訓練量相當于人類(lèi)玩 180 年，在即時(shí)即地的反應也做得非常漂亮，但在比賽中，Open AI 還是暴露出混亂無(wú)序的宏觀(guān)決策策略。當雙方僵持或者人類(lèi)進(jìn)行戰略性避戰的情況下，Open AI 的團隊協(xié)同就開(kāi)始出現分歧。

　　陪練機器人的技術(shù)技巧、運動(dòng)能力甚至比賽策略都可以通過(guò) AI 的自我學(xué)習和人類(lèi)機械工程技術(shù)的突破而提高，然而“團隊協(xié)作”，這個(gè)作為人類(lèi)社會(huì )屬性的特殊存在，AI 僅僅通過(guò)“自我學(xué)習”就能融會(huì )貫通并運用自如嗎?在這方面，與其說(shuō) AI 還需大量的自我學(xué)習，不如說(shuō)人類(lèi)對 AI 在“團隊協(xié)作”能力提升方面還有很多的工作尚未完成，對于是否應該賦予 AI 社會(huì )屬性方面也還處于矛盾之中。

　　3、從“機器”到“機器人”的進(jìn)化尚未完成

　　都說(shuō) FORPHEUS 是陪練機器人，但是 FORPHEUS 的外觀(guān)與人形相比，還是相差甚遠。FORPHEUS 的外形就像是大型三腳獸，將乒乓球桌一端包圍在身體下，站在球臺對面看去，FORPHEUS 只是一臺機器，并不具備傳統意義上的“人形”。

　　也正因為如此，FORPHEUS 擁有很大的局限性，在面對高球、扣殺時(shí)，無(wú)法像人類(lèi)一樣通過(guò)位移稍離球臺，等到球速變緩再做出高質(zhì)量的回擊。

　　人類(lèi)從爬行進(jìn)化到直立行走用了幾百萬(wàn)年，AI 機器人從靜止到直立行走甚至跑步躲避障礙不過(guò)短短 10 幾年時(shí)間。相信 FORPHEUS 從趴在球臺上的三角獸進(jìn)化成真正意義上的“機器人”的時(shí)間不會(huì )太長(cháng)，到時(shí)不光是乒乓球，陪練機器人會(huì )越來(lái)越多的出現在那些有激烈身體對抗的體育項目中。

　　說(shuō)不定當你和朋友要來(lái)一場(chǎng)籃球或者足球比賽人員不齊時(shí)，會(huì )請上一個(gè)陪練機器人上場(chǎng)“湊數”呢。

　　與人比?還是與 AI 比?考量技術(shù)溫度的選擇題

　　不管你愿不愿意，陪練機器人遲早會(huì )走進(jìn)人類(lèi)的生活，到時(shí)陪練機器人可以充當的角色可能并不單單是你的陪練教練，也有可能是你要在賽場(chǎng)上力爭戰勝的對手。而你到底是喜歡和人比還是和 AI 比呢?對于這個(gè)問(wèn)題，人類(lèi)其實(shí)早已給出了答案。

　　就如網(wǎng)絡(luò )游戲，有的人喜歡玩 PVP，操作游戲人物和屏幕對面的人類(lèi)競技;有的人喜歡玩 PVE，操作游戲人物和游戲開(kāi)發(fā)者事先設定好的虛擬人物比賽。這兩條平行向前，永不交叉的線(xiàn)其實(shí)代表著(zhù)人類(lèi)在面對兩種不同類(lèi)型競爭對手的態(tài)度，人類(lèi)可以從中獲取兩種不同性質(zhì)的快感。

　　回到未來(lái)的奧林匹克賽場(chǎng)，無(wú)論是與人類(lèi)自己比賽還是和 AI 比賽，人類(lèi)最終目標都是要爭取勝利。而現在人類(lèi)糾結的癥結在于，與人類(lèi)比賽，如果輸了，可以感受到來(lái)自對手的鼓勵、安慰或是嘲諷;如果贏(yíng)了，也可感受來(lái)自對手的失望、沮喪或是祝賀。這些都是人類(lèi)獨有的社會(huì )屬性中才會(huì )激發(fā)的情感表達。

　　而當你面對 AI，無(wú)論輸贏(yíng)，AI 給你的結果最終只會(huì )歸結為 0 或者是1。人類(lèi)的進(jìn)化就是在不斷挑戰自我的螺旋式上升之中完成的，當挑戰對象由人類(lèi)自我變成了 AI，人類(lèi)的的進(jìn)化還有意義嗎?

　　現今，對于陪練機器人在 AI 上的訓練除了各個(gè)運動(dòng)項目的技巧和策略外，人類(lèi)應該更多考慮如何讓它們變得更有“溫度”，如何讓人類(lèi)感受來(lái)自 AI 的溫暖，如何讓 AI 在 “科學(xué)”、“技術(shù)”與“社會(huì )”之間彼此互相影響，互相促進(jìn)。

　　如何戰勝 AI?給人類(lèi)支個(gè)招

　　雖然現在的陪練機器人還很稚嫩，雖然人類(lèi)在 DOTA2 的團隊比賽項目中戰勝了 AI，但人類(lèi)其實(shí)一直在等待 AI 戰勝自己的那一刻?？墒歉甙恋娜祟?lèi)從來(lái)不會(huì )甘于失敗，當 AI 真的具備了戰勝人類(lèi)的能力時(shí)，人類(lèi)可否還有翻盤(pán)的機會(huì )?面對一個(gè)不會(huì )緊張，不會(huì )嘚瑟，不會(huì )沮喪，沒(méi)有情緒波動(dòng)，也不會(huì )體力下降的同時(shí)還擁有高超運動(dòng)技巧的 AI 機器人，必須承認，人類(lèi)的辦法并不多，但人類(lèi)也并不是毫無(wú)勝算。

　　首先，在技巧層面。人類(lèi)可以更多的采用“假動(dòng)作”來(lái)打斷 AI 的陣腳。

　　在現階段，AI 都是通過(guò)高速攝像機來(lái)記錄球的運動(dòng)軌跡并結合對人類(lèi)動(dòng)作、位置、神態(tài)等細節進(jìn)行計算并給出回應策略。很明顯，所見(jiàn)即所得。AI 的世界中只有“1”和“0”，耿直的 AI 可能難以對人類(lèi)做出的具有欺騙性質(zhì)的“假動(dòng)作”做出準確判斷。

　　倫敦頂尖 AI 實(shí)驗室 DeepMind 對曾對現有的 AI 學(xué)習能力有過(guò)如是評價(jià)：“現在的 AI 非常擅長(cháng)識別圖片中的物體，但仍無(wú)法很好的理解視頻。” DeepMind 的研究表明，AI 對于有些集中在身體的某一部分或是比較快速的動(dòng)作，如舞蹈的識別準確率也不是非常理想。

　　由此延伸，AI 在賽場(chǎng)上即時(shí)捕獲的數據和信息對于 AI 的判斷幫助有限，特別是當人類(lèi)用“假動(dòng)作”對 AI 輸入的數據和信息進(jìn)行“干擾”時(shí)，善于解答概率問(wèn)題的 AI，很可能會(huì )將判斷結果傾向于由人類(lèi)制造出的那個(gè)看似會(huì )產(chǎn)生大概率的方向。通俗一點(diǎn)，人類(lèi)用“假動(dòng)作” “騙”過(guò)了 AI。

　　今后，人類(lèi)日常訓練的方向和重點(diǎn)可能要進(jìn)行大幅調整——如何將“假動(dòng)作”做得更真。而我們只希望，人類(lèi)的“假動(dòng)作”在騙過(guò) AI 的時(shí)候，可千萬(wàn)別把隊友也騙過(guò)去了。

　　其次，開(kāi)發(fā)新戰術(shù)和新技巧。根據 AI 的運作原理，AI 的所有運動(dòng)技巧和比賽策略都是基于人類(lèi)現有的程度通過(guò)大量的自我學(xué)習而掌握的，由于 AI 過(guò)度依賴(lài)邏輯運算，既有的運算規則下，當比賽中人類(lèi)使出了之前沒(méi)有出現過(guò)的新技術(shù)，或者新的比賽策略，AI 在短時(shí)間內是難以適應的。

　　即便 AI 會(huì )根據人類(lèi)以往的比賽來(lái)判斷對手的風(fēng)格，但兵無(wú)常勢，人類(lèi)不按套路出牌，不遵循 AI 計算邏輯，加上比賽中的隨機性和一些偶然因素，如乒乓球比賽中的擦網(wǎng)球、擦邊球，足球比賽中的立柱折射、反彈球等，這些都成了人類(lèi)戰勝 AI 的可能性。

　　最后，如果N次嘗試還是無(wú)法越過(guò) AI 這座大山，那么——就把它的電源掐掉吧。
　?。?a href="http://m.lsbmaoyi.com">邯鄲建站）