新的人工智能可以比过去的技术更快地检测越位，平均需要一分钟多的时间。国际足联正在使用新的人工智能来帮助裁判在今年的世界杯上判越位。
它是如何工作的？该系统被称为半自动越位技术 (SAOT)，使用安装在体育场屋顶的 12 个摄像头来跟踪球和每个球员的动作。SAOT 使用人工智能来识别和跟踪球员和球，每秒计算他们的位置 50 次。
卡塔尔 2022 年世界杯官方用球 Al Rihla（阿拉伯语意为“旅程”）上安装了一个传感器，使 SAOT 能够将球被踢出的确切时刻与球队最后一名后卫和对方前锋的位置进行比较。
这种精确度对于裁判难以快速判越位的非常紧张的情况至关重要。有时一个进球甚至整场比赛的结果都取决于此。每当 SAOT 检测到越位时，都会向视频比赛官员发送警报。他们通知裁判，裁判最终拥有最终决定权。
这就是该系统被认为是“半自动化”的原因。越位检测的升级在典型的足球比赛中，使用视频助理裁判 (VAR) 系统。他们需要大约 70 秒来检测越位——比 SAOT 长得多。使用 VAR 技术，官员们必须自己找到正确的开球时刻并划定越位线。使用SAOT，他们所要做的就是确认系统提示的越位。
据国际足联网站称，新流程“在几秒钟内发生，意味着可以更快、更准确地做出越位决定”。如果裁判确认了SAOT的建议，系统会在球场大屏幕上生成越位广播的3D动画，让球迷们看到为什么判罚越位。
据国际足联称，SAOT 系统已经测试了三年，现在是“视频比赛官员可用的最准确的越位支持系统”。检测对象：一项复杂的任务理解视频片段并从中提取有价值的信息的任务称为视频分析，而处理此问题的人工智能子领域是计算机视觉。
想象一下，你是一台电脑，你无法像人类那样看东西。你的眼睛被接收光并将信息转化为数据的数码相机所取代。数据告诉您每一帧的每个像素如何出现——例如，每个像素有多少绿色、红色和蓝色。这些数据通常显示为一个巨大的值表。
例如，对于 1080p 视频，每帧有 1920 x 1080 像素，每行有 1920 像素，每列有 1080 像素。你如何理解这个？好吧，这就是人工智能中最热门的话题之一——对象检测和跟踪。计算机如何识别人和事物 数据科学家开发了不同的技术来解决这个问题。
一种称为卷积神经网络 (CNN)。你可以在美国斯坦福大学博士后研究员 Adam Harley 制作的这个网站上看到这个过程的样子。CNN 通过逐层检测对象来工作。理解其工作原理的一种方法是思考在漆黑的房间中试图辨别物体身份的过程。
用你的手去感受这个物体，你会问一系列越来越具体的问题。首先你可能想知道“它是硬的还是软的？” 你按下物体，发现有些地方很硬，有些地方比较软。这个动作改变了你对物体的理解：现在你有足够的信息知道它是兼具软性和硬性特征的东西。这种知识将代表检测的第一“层”。
在 CNN 中，这将被视为“卷积”。确定第一层后，您将提出更多问题——例如对象具有何种纹理、有多大或具有什么类型的形状。随着这些问题中的每一个都得到回答，另一个层次就会形成，从而增加您对眼前事物的整体理解。这与 CNN 的工作方式很接近。在某个时候，您将收集到足够的信息来开始猜测该对象是什么。
你已经知道这个物体是毛茸茸的，有四只腿和从头顶竖起的耳朵。是猫吗？到现在，CNN 会问：它是一个*放播**器吗？还是一个球？
对象识别 一旦收集到足够的信息来进行猜测，就会使用分类过程来交叉检查计算机与已知对象的假设。像 SAOT 这样的人工智能通常是针对巨大的视频数据库进行训练的，这些视频数据库中充满了人类已经识别的对象——例如，在这种情况下，是球场上的足球运动员。人工智能就是这样学习球员的外貌的。经过强化训练，这项技术可以轻松快速地检测和跟踪球员。