奪金常常只差毫秒 AI導入美國隊競速滑冰、雪車訓練
在冬季奧運競速滑冰賽場上，勝負往往只差毫秒，細微姿勢差異就可能左右金牌歸屬。為搶下關鍵優勢，美國奧運競速滑冰代表隊近年捨棄傳統分析方式，改以人工智慧(AI)模擬高速滑行下的空氣力學變化，為米蘭科蒂納冬奧做好準備。
29歲國手萊曼(Emery Lehman)指出，AI工具「Slippery Fish」徹底改變訓練流程。
萊曼指出，過去取得空氣動力數據，必須前往國外的風洞實驗室，在固定姿勢下測試，既耗時又昂貴；如今只要上傳滑行影像，AI即可建立數位分身，快速模擬不同姿勢、站位與隊形對阻力的影響，幾乎能即時得到結果。
萊曼舉例，團體追逐賽中可反覆嘗試站位，找出最具空氣力學優勢的配置。
Slippery Fish源自原本用於自行車的AI工具「AiRO」，萊曼表示，以往需時一、兩周才能驗證的動作調整，現在一天內就能得到初步結論，再回到冰上實測。
美國競速滑冰隊運動表現主管多默(Shane Domer)形容，這就像「口袋裡的風洞」，能精準分析手肘角度、身體傾斜等細節所付出的時間成本。
AI浪潮也擴及雪車(bobsled)與鋼架雪車(skeleton)，美國隊去年11月與AI資料分析公司「Snowflake」合作，導入先進的數據分析平台。
雪車隊運動表現總監托馬塞維茲(Curt Tomasevicz)解釋，看似簡單的推雪車上車動作，其實牽涉到每位選手的步數、進入時機與力量分配，過去只能用經驗判斷；如今AI可根據賽道、天候與選手組合，計算最佳推雪車步數與上車時機，補足過去單憑經驗判斷的不足，制定最佳上車策略。
他說：「如果AI能告訴我們，在特定賽道與條件下，選手該跑幾步、何時上車才能達到最佳速度，那將會是一大突破。」
托馬塞維茲以自身經驗表示，他2006年首次參加奧運時，每隔數百公尺才能取得一次分段時間紀錄，如今雪車內建的加速計與陀螺儀，每秒可產生上百筆數據，分析精準度大幅提升，回饋速度也顯著加快。
美國奧會分析主管韋伯(Dan Webb)表示，本屆冬奧可能成為AI大規模導入訓練的首屆賽會。
多默認為，AI在競速滑冰有龐大潛力，米蘭冬奧後將持續深化應用，爭取更多獎牌。
