東京オリンピックでAIが計時を支援

オリンピック競技の計時は常に精密だったわけではありません。1896年4月10日、第1回オリンピックマラソンには約17人のランナーが参加しました。コースは約40kmで、5カ国を代表する選手の中で、ギリシャの水運び人スピリドン・ルイが2時間58分50秒で優勝しました。

この驚くべき統計は、一体どのようにして得られたのでしょうか？マラソンの審判があの歴史的なレースのスタート時に計測したのと同じストップウォッチが、なんと自転車でランナーたちの前に届けられ、ルイがアテネのゴールラインを3時間弱で通過した際に、その記念すべきタイムを記録したのです。

当然のことながら、過去125年間で状況は大きく改善されました。1932年からオリンピックの公式計時サービスを提供してきたオメガは、こうした進歩の多くを担ってきました。中でも最も注目すべきは、1948年にロンドンで発表された世界初の光電セル式写真判定カメラ「マジックアイ」でしょう。これはオメガと英国レースフィニッシュ記録会社との共同開発によるものです。それまでは、どの選手が最初にフィニッシュラインを通過したかを判断するために、人間の目とストップウォッチのプッシュボタンの組み合わせが使用されていました。

しかし、この技術は慎重な見方をされました。1948年当時、公式タイムの計測には依然として手動計測が使用されていました。写真判定カメラが広く普及するまでには、さらに20年かかりました。しかし、1968年のメキシコ大会では、最終的に計時はすべて電子式に切り替わり、写真判定カメラは10の世界新記録を樹立しました。しかし、これほど優れた技術力があったにもかかわらず、万が一ハードウェアが故障した場合に備えて、約45名の手動計時員がメキシコに派遣されました。

それ以来、オメガタイミングの課題は、精度のさらなる向上（オメガは2012年ロンドン大会で、従来の100倍の100万分の1秒の分解能を持つクォンタムタイマーを発表しました）だけでなく、オリンピックでますます増え続ける競技をリアルタイムでモニタリングする方法の開発にも取り組んできました。例えば、スケートボード、スポーツクライミング、サーフィンは、2021年の東京オリンピックで国際オリンピック委員会（IOC）が新たに承認した競技に含まれています。

実際、スポーツクライミングに加え、水泳、陸上競技、体操、馬術といった競技も、今年新たに、あるいは全面的に計時方式が変更される予定だ。しかし、おそらく最も興味深いのは、オメガが自社製の人工知能（AI）にビーチバレーボールの学習を4年かけて訓練してきたことだ。

「バレーボールでは、コンピュータービジョン技術を搭載したカメラを使って、選手だけでなくボールも追跡しています」と、オメガタイミングの責任者であるアラン・ゾブリスト氏は語る。「つまり、カメラ技術と人工知能を組み合わせてこれを実現しているのです。」

オメガタイミングの研究開発部門は180名のエンジニアで構成されており、ゾブリスト氏によると、開発は2012年に社内で測位システムとモーションセンサーシステムの開発から始まったという。目標は、オメガが毎年手掛ける500以上のスポーツイベントにおいて、複数のスポーツの選手のパフォーマンスに関する詳細なライブデータを提供できるようにすることだった。また、視聴者が画面で見ている情報と一致するよう、イベント中のデータの測定、処理、送信には10分の1秒もかからないようにする必要もあった。

ビーチバレーボールの場合、このポジショニングとモーション技術を活用し、AIにスマッシュ、ブロック、スパイク、そしてそれらのバリエーションまで、様々なショットの種類、パスの種類、そしてボールの軌道を認識させるようにトレーニングし、そのデータを選手のウェアに搭載されたジャイロセンサーから得られる情報と組み合わせることになります。これらのモーションセンサーは、選手の移動方向、ジャンプの高さ、スピードなどをシステムに知らせます。処理されたデータはすべて、実況解説や画面上のグラフィックとして使用するために放送局にライブ送信されます。

ゾブリスト氏によると、AIにとって最も難しかった学習の一つは、カメラがボールを捉えられなくなった時に、プレー中のボールを正確に追跡することだった。「時には、ボールは選手の体の一部に隠れてしまうこともありますし、テレビのフレームから外れてしまうこともあります」と彼は言う。「ですから、ボールを見失った時にそれを追跡することが課題でした。ソフトウェアにボールの行き先を予測させ、ボールが再び現れた時に、見失った時点からボールを取り戻した時点までの間隔を再計算し、不足しているデータを補完して、自動的に処理を続行させる。これが最大の課題の一つでした。」

AIが試合中に何が起こっているかを判断する上で、ボールの追跡は非常に重要です。「ボールを追跡できれば、ボールがどこにあり、いつ方向転換したかが分かります。そして、選手に装着されたセンサーと組み合わせることで、アルゴリズムがショットを認識します」とゾブリスト氏は言います。「ブロックだったのか、スマッシュだったのか。どのチームで、どの選手が打ったのかが分かります。つまり、この両方の技術を組み合わせることで、正確なデータ測定が可能になるのです。」

オメガタイミング社は、自社のビーチバレーボールシステムは、センサーと毎秒250フレームで動作する複数のカメラにより、99%の精度を誇ると主張している。しかし、ダラム大学でコンピュータービジョンと画像処理の教授を務めるトビー・ブレコン氏は、このシステムがオリンピック期間中に通用するかどうか、そして何よりも重要な点として、人種や性別の違いによって誤認されるかどうかに注目している。

「これまでの成果は、かなり印象的です。AIに様々な動きを学習させるには、膨大なデータセットが必要になるでしょう」とブレコン氏は言う。「しかし、重要なのは精度です。様々な動きにおいて、AIはどれくらいの頻度で間違えるのか？ボールを見失う頻度はどれくらい？そして、人種や性別を問わず、均一に機能するのか？例えば、アメリカ女子チームで99%の精度、ガーナ女子チームで99%の精度を実現できるのでしょうか？」

ゾブリスト氏は自信を見せ、必要なAIの専門知識を得るためにGoogleやIBMに依頼する方が簡単だったかもしれないが、オメガにはそうする選択肢はなかったと説明する。「採点競技であれ、計時競技であれ、極めて重要なのは、パフォーマンスの説明と最終的な結果に矛盾があってはならないということです」と彼は言う。「ですから、結果の完全性を守るためには、他社に頼ることはできません。結果と、選手たちがどのようにしてそこに至ったかを説明できる専門知識が必要なのです。」

今後の計時・追跡システムのアップグレードについては、ゾブリスト氏は口を閉ざしているものの、2024年のパリ大会が鍵となるだろうと述べている。「全く新しいイノベーションが次々と登場するでしょう。もちろん、計時、得点、そしてモーションセンサーや測位システムも引き続き注目されるでしょう。そして、2028年のロサンゼルス大会でも、間違いなく注目されるでしょう。ロサンゼルスに向けて、実に興味深いプロジェクトがいくつか進行中で、実はまだ着手したばかりなのです。」

WIREDのその他の素晴らしい記事