据 ScienceDaily17 日报道，德国卡尔斯鲁厄理工学院和杜伊斯堡-埃森大学钻研职员借助计算机辅助神经网络，准确鉴别了网球运动员在角逐中的肢体谈话所表达的思绪。团队首次利用实际角逐数据训练了这一基于 AI 的模型，钻研成果登上了最新一期人工智能领域学术期刊《知识系统》。IT之家附链接：，两所学校的提喻科学、软件开发与计算机科学钻研职员开发了一种特殊的 AI 模型，利用卷积神经网络鉴别网球运动员的思绪状况，并使用模式鉴别程序分析了实际角逐中网球运动员的视频。卡尔斯鲁厄理工学院提喻与运动科学钻研所 Darko
据 ScienceDaily17 日报道，德国卡尔斯鲁厄理工学院和杜伊斯堡-埃森大学钻研职员借助计算机辅助神经网络，准确鉴别了网球运动员在角逐中的肢体谈话所表达的思绪。
团队首次利用实际角逐数据训练了这一基于 AI 的模型，钻研成果登上了最新一期人工智能领域学术期刊《知识系统》。IT之家附链接：https://www.sciencedirect.com/science/article/pii/S0950705124004908
据悉，两所学校的提喻科学、软件开发与计算机科学钻研职员开发了一种特殊的 AI 模型，利用卷积神经网络鉴别网球运动员的思绪状况，并使用模式鉴别程序分析了实际角逐中网球运动员的视频。
卡尔斯鲁厄理工学院提喻与运动科学钻研所 Darko Jekauc 教授表示，“我们的模型能够鉴别思绪状况，准确率高达 68.9%，与人类观察者和早期自动化方法相比，甚至有过之而无不及。”
图源 Pexels
项目团队使用真实场景而非模拟或人为场景来训练其 AI 系统，这是该钻研的一项“重要且独特”的特征。钻研职员记录了 15 名网球运动员在特定场景下的视频序列，重点关注在得分或失分时所展现的身体谈话。视频中显示，球员们的线索包括低头、高举双臂庆祝、球拍垂落或改变步速，它们可被用于鉴别球员们的思绪状况。
在获取上述数据之后，AI 将“学会”把肢体谈话信号与不同思绪反应联系起来，并根据肢体谈话的积极或消极来判断是拿下一分还是失掉一分。
具体运用方面，该团队表示这项钻研后续可以用于改进训练方法、团队动力和表现以及防止倦怠等，也可用于其他领域 —— 包括医疗保健、教育、客户服务和汽车安全等。