“视频精灵”，让AI敢为人师

  近日，美国斯坦福大学一个研究团队在预印本论文网站arXiv上发布论文。研究人员将“视频精灵”（VideoSprites）技术应用在网球赛中，建立一种行为模型并将其与基于图像的渲染结合，构建出可交互控制的视频，来模仿顶级网球职业选手的风格和表现。

研究者认为，该系统具备生成逼真游戏视频的能力，具有交互式用户控制功能，从而获得体育娱乐新体验，也可应用于运动员视频分析和教练。

AI教练，真的来了么？

前所未见的对决

受新冠疫情影响，今年许多体育赛事延期或取消，作为世界上最古老的网球赛事——温布尔登网球锦标赛（温网）也未能幸免。所幸，科学家用AI系统合成了逼真度极高的虚拟比赛作为弥补，该系统甚至能为我们带来实际生活中不可能出现的“名家对决”。

在竞技体育领域，人们经常利用海量比赛视频，创建对运动员行为的预测模型。受此启发，斯坦福大学的研究人员利用带标注的击球周期（包括每次击球时从准备、击球到复原的一系列动作）数据库，构建了运动员行为的统计模型，并生成球员的击球选择和回位决策。

基于多样化的现实数据渲染高质量视频，该研究提供了一种创建真实视频片段数据集的方法，并用于创建可控制视频系统。这一过程涉及神经图像迁移方法，可以消除不同比赛日或不同比赛时间运动员外观（着装发型等）的差异。当运动员在画面中被部分裁剪时，系统还能补齐缺失的像素数据，使新视频具备一定的稳定和连贯性（如运动员对球判断后作出的回应姿势）。

除此之外，该系统创建的视频支持交互控制。比如，你可以控制网球的落点和运动员击球后的回位。你甚至可以“修改”之前的比赛，如2019年温网男单决赛中，德约科维奇与费德勒那场史诗级对决，通过这个系统修改比赛中的关键一球，颠覆原来的结果。该系统还能创建一些从未见过的对垒，比如费德勒自己和自己打球。

“智能陪练”越来越多

“我们的系统理论上可以直接应用到乒乓球或者羽毛球，只要有相应的视频数据集，就可以生成乒乓球或者羽毛球的视频。”论文第一作者、斯坦福大学博士生张浩天通过邮件告诉《中国科学报》，“目前来看，如果想应用到其他运动领域，比如篮球或者足球，大体的思路也相同，是可行的。”

据张浩天介绍，该系统具有交互式用户控制功能，可应用于运动员视频分析和教练。除网球外，还可应用于其他运动领域，但需要克服一些问题。比如复杂的相机视角，以及如何训练多个球员之间战术配合的模型。

“目前这篇论文是针对网球场景去研究的，用了不少关于网球的专业知识。如果应用于其他运动项目，相关领域的专业知识需要根据具体项目重新梳理和构建。”中科院自动化所研究员兴军亮分析道，“在此条件下，该技术可以延伸到兵乓球、羽毛球、篮球等技能型运动项目。”

“针对网球的系统已经完成了。”张浩天说，“其中视频标注是重要内容，需要一些工作量，不过绝大部分标注工作可以由AI模型自动标注，比如运动员的定位和姿势等，只有小部分信息需要人工标注。”

兴军亮认为，即使在不偏重具体动作、技能的项目，未来也会出现一些利用AI技术的教练教学手段。比如，主要侧重于策略思考的围棋，现在AlphaZero等AI技术已经用于围棋选手的培训。

“之前腾讯人工智能实验室研发的围棋AI——“绝艺”已经用于我国国家围棋队的培训。以后各种技能运动中的智能陪练应用肯定会越来越多，而且我觉时间不会太遥远。”兴军亮说，“但是，这些智能陪练不一定基于VideoSprites这项技术，基于其他相关技术的产品也会不断出现。”

AI教育仍需努力

去年，教育部曾公布“基于教学改革、融合信息技术的新型教与学模式”实验区名单，要求各实验区认真落实“发挥网络教育和人工智能优势，创新教育和学习方式”的要求。今年年初爆发的新冠疫情，客观上也助推了线上教育、AI教育的发展，但AI教育仍然面临成本、技术、伦理等诸多难题。

“我对AI教育持谨慎态度。”北京师范大学教育学部教育技术学院教授杨开城说，“多数情况下，学生成绩差的原因并非智力因素，这是AI暂时无法解决的问题。”

杨开城认为，不同的教育对象、教育目标和教育需求，应使用不同的教育手段和教育方法。教育的对象是人，教育过程不只是传授知识，还要教会学生如何做人。而算法容易将人的本质简单化、线性化，出现只见“教书”不见“育人”的窘况。

“教育过程中除了‘言传身教’对被教育对象产生影响外，还存在人与人之间的情感交流体验。在完成某些单项任务时，AI有处理数据快速准确、不知疲倦的优点，但它也有些难以克服的问题。”杨开城说，“比如教师在发现某个学生的弱点或缺点时，会考虑是否告诉他本人？是采取‘鼓励教育’还是用‘激将法’？这些是AI的无法做到的。”

此外，准确的教育基础数据，是AI成功应用于教育领域的关键。