“冠軍模型”助力體教融合創(chuàng)新發(fā)展

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、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、分析到?jīng)Q策的智能化運(yùn)動(dòng)訓(xùn)練閉環(huán)，進(jìn)而打破了競技體育與體育教育的技術(shù)壁壘。未來，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，我國代表團(tuán)取得了38金、32銀、18銅的輝煌戰(zhàn)績。很多文獻(xiàn)對(duì)中國代表團(tuán)取得的優(yōu)異成績從不同角度進(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)展的競技體育后備人才，進(jìn)而完善競技人才結(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)來說，我國“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” 才是體教融合未來的發(fā)展方向[1]。再進(jìn)一步來說：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，恰恰就是一門通過發(fā)展機(jī)器智能來復(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)，將有望在不增加競技體育消耗的前提下，將競技體育的先進(jìn)經(jīng)驗(yàn)，快速高效地在體育教育中復(fù)制和推廣，并在此過程中，積累更多的數(shù)據(jù)資料，反過來促進(jìn)技術(shù)的進(jìn)步，以更好地服務(wù)于競技體育，從而在可持續(xù)的良性循環(huán)中，探索出一條競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)來促進(jìn)體教融合創(chuàng)新發(fā)展雖勢在必行，實(shí)現(xiàn)起來卻并非一蹴而就。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、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、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：長期以來，舉國體制下“集中力量辦大事”的制度優(yōu)勢，保障了我國競技體育的高速發(fā)展，尤其是在東京奧運(yùn)周期，國家隊(duì)在訓(xùn)練科學(xué)性方面迅速趕超國際先進(jìn)水平，但在這樣的發(fā)展模式下，競技體育成為一個(gè)相對(duì)獨(dú)立的體系，所以國家隊(duì)的先進(jìn)經(jīng)驗(yàn)，變得很難被大眾所習(xí)得，更不要說推廣。如何從競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”和“科技助力奧運(yùn)”等戰(zhàn)略的實(shí)施，我國的各項(xiàng)競技水平都得到了穩(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)來模仿國家隊(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]，并通過搭建認(rèn)知計(jì)算架構(gòu)來模仿人類教練在一個(gè)完整訓(xùn)練閉環(huán)中的決策過程[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“沖刺階段為主要問題點(diǎn)”的診斷結(jié)果，這就背離了教練的認(rèn)知。可見，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、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)鍵問題和主要挑戰(zhàn)

解決了競技體育中“冠軍模型”的智能化技術(shù)問題之后，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)測環(huán)節(jié)最常用的兩種智能監(jiān)測方式是視覺方式和傳感器方式，但在校園的日常訓(xùn)練中，很難配備競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)行了簡化數(shù)學(xué)模型、定制視覺算法等嘗試，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)測技術(shù)在體育教育場景下的可行性和有效性問題。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)而帶來診斷決策上的差異呢？在競技體育與體育教育兩個(gè)不同場景下，運(yùn)動(dòng)主體的特性不容忽視。就這一問題，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)知過程產(chǎn)生影響[11]，這與體教融合在競技技能提升、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)合來解決。

三、結(jié)語

本文簡要介紹了國家隊(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)行了說明。

誠然，要實(shí)現(xiàn)“冠軍模型”在體教融合中的廣泛應(yīng)用，前方還有漫長的路要走。正如中國工程院院士張亞勤在2021人工智能計(jì)算大會(huì)上所說，“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，無論從體育、教育還是人工智能的發(fā)展視角來看，都是一條值得探索的新思路。未來，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)]