在花样滑冰比赛中，运动员腾空翻转、轻盈落地，看似行云流水，实则每一跳都蕴含极高的技术难度。为帮助运动员完成四周转体跳，甚至挑战尚未有人实现的五周转体跳（quintuple），MIT毕业生Jerry Lu（MFin ’24）开发了一套名为OOFSkate的人工智能光学追踪系统。该系统通过分析滑冰视频，精准捕捉跳跃高度、旋转速度和落地稳定性等关键指标，并与奥运冠军等顶尖选手的数据进行对比，为运动员提供优化建议。 Lu曾任职于MIT体育实验室，目前正协助美国国家队提升技术表现，并将在2026年米兰科尔蒂纳冬奥会期间与NBC体育合作，利用AI技术向观众解释复杂的评分机制，让观众更直观理解跳跃难度与裁判打分逻辑。 MIT体育实验室联合创始人、教授Anette “Peko” Hosoi指出，尽管AI在技术动作识别方面已取得突破，但其对艺术表现的评估仍面临挑战。她与团队正借助MIT人类洞察协作计划（MITHIC）资助的研究，探索AI如何判断滑冰的艺术性。他们试图回答：AI的审美判断是基于与人类相似的直觉逻辑，还是仅仅模仿人类语言？通过分析奥运选手的评分数据，研究团队希望绘制出“美学评价”的概念图谱。 对于五周转体跳能否实现，两位专家持乐观态度。Lu认为，尽管五周转体跳尚未在奥运赛场上出现，但技术已接近极限，未来几年内有望实现。而Hosoi则进一步推测，六周转体跳已超出人类身体能力极限，但五周转体跳“完全可能在我们有生之年实现”。她本人也坦言，观看奥运滑冰比赛时，即使身为专家，识别跳跃动作也极具挑战。 这一AI技术的应用，不仅助力运动员突破极限，更推动了AI在理解人类感知与判断方面的深层探索，为未来智能系统的发展提供了宝贵洞见。