體操特有的動作和人眼的局限性
雖然有像好萊塢拍電影時使用的在人的身體上安裝感應器捕捉動作的技術，但不與目標接觸就能測定的裝置，還不曾有過， 所以「我們先從造出這樣的東西開始做起」。
而且，體操也正如其字面所示，是「操縱身體做動作」的競技。體操動作速度快而複雜，身體時而舒展，時而蜷曲，手腳關節還要做出種種姿態。要想研發出能夠測定這些動作的裝置，需要有前所未有的新技術。
安裝在賽場的3D感應器，能在沒有人體感應器的情況下測定比賽中的動作，這項技術具有劃時代意義準確識別區分體育器械和人體，也曾是一個大問題。
「比如吊環項目，在比賽中吊環也是會動的，因此，系統曾經把吊環識別為運動員手臂的延伸，結果成像顯示像一隻長著長長的蝦鉗的大蝦。」
要想把捕捉到的動作轉換成得分，不僅需要對技術動作的種類做出識別，還要判斷其完成品質的「優劣」，這就需要讓AI去深度學習已作數位化處理的評分規則，然後識別匹配，而體操的技術動作，男女專案合計約有1400項，所有都要一一學習。
「我們最早是從鞍馬項目開始嘗試的。我們覺得選手既然是在固定的鞍馬上做動作，應該很容易對付。但實際上選手在鞍馬上旋轉時，包含了好幾個技術動作。從哪兒開始算一個技術動作，下一個技術動作又從何時開始，完全搞不清楚。技術動作的識別花費了好大功夫。有體操界人士曾對我說，『你們為什麼從較難的體育項目開始挑戰呢』？」
3D感應器測定的資料形成點陣集合，轉換成姿勢和動作在學習體操知識的過程中，我們團隊也認識到了傳統打分方法的難度。裁判在選手表演時，用手寫的技術動作名稱縮寫記號來速記內容，表演結束後再計算得分。這種方法是人工類比時代最典型的。隨著選手的技術動作水準不斷提高，過去一個單項只需幾名裁判，而現在則需10人左右，以致一屆大賽所需的裁判男女合計成長到了120人左右。
藤原最有感觸的是，人眼打分的局限性。比如在鞍馬專案的比賽規則中，寫有這麼一句話。
「在倒立上升過程中，腳尖如果下垂，角度在15度以內扣0.1分，16度至30度扣0.3分，31度至45度扣0.5分。」
15度和16度是條分界線，只差1度扣分就會發生變化。但人的眼睛是否能辨別出這1度的差異呢…。規則中還有「筆直不扣分，略微彎曲扣0.1分」的表述，但「筆直」和「略微」是完全交由裁判來判定的。「每屆大賽打分依據都不一樣」，這也是選手們經常批評或不滿的原因所在。
2017年，富士通公司與國際體操聯合會合作，收集了很多選手的資料，展開將模糊的標準具體化等工作。除了系統研發本身有很多困難，最初還遭到體操裁判們的抵制。
「體操界也有人擔心AI會搶走裁判的飯碗。這一點在其他產業也是容易引發爭議的。」
為此，藤原耐心地說明引入這套系統對於體操界的好處——可以提高打分的精度和公平性等等。而來自於體操選手們的呼聲，無疑成為將該系統引入體操比賽的推動力量。
其他語言閱讀