サッカー場に線を引いて学んだ、人間とAIのコラボレーションの未来

最近、人間とAIの協力に関するブログ記事が話題を呼んでいる。著者はサッカーのゴール分析を例に、AIツール「Codex」を使った画像計測のプロセスを詳細に記録し、人間と機械の協力に関する深い洞察をまとめた。

記事は、著者がルイス・ディアス対パリ・サンジェルマンの見事なゴールに興味を持ったことから始まる。動画を何度も見返した後、選手の動きとシュートウィンドウの変化を定量化したいと考えた。彼はOpenAIのCodexを使った。Codexは自然言語の説明からコードを生成するAIツールである。

最初、Codexは自動計測パイプラインを生成し、「シュートウィンドウが2.3倍に拡大した」と出力した。しかし著者はサッカーの直感からこの結果に違和感を覚えた。Codexに「作業の過程を見せて」と依頼したところ、AIがゴールポストや選手の足の位置を誤って検出していることが判明し、誤差が積み重なっていた。

この経験から最初の教訓が生まれた：人間のドメイン専門知識が依然として重要である。著者はサッカー場の標準寸法（ゴール幅24フィートなど）を利用して較正することを思いついたが、AIはこのシンプルで効果的な方法を自ら提案しなかった。

2番目の教訓はヒューマン・イン・ザ・ループの必要性である。自動パイプラインは同じ場所で常に誤りを犯したため、著者はCodexに手動マーキングツールの構築を依頼した。HTML/CSSのワークベンチで、キーポイントを手動でクリックし、人間の判断を真値とすることで、精度が大幅に向上した。Codexはより多くのコードを書くことを好み、人間との対話を積極的には提案しなかった。

3番目の教訓はAIが未知の概念を命名できることである。著者が遠近法の問題を説明したところ、Codexは「ホモグラフィー」（homography）という専門用語を提案した。著者はこの概念を利用し、異なる視点の選手位置を同一平面にマッピングして、移動距離を正確に計測した。人間が方向性を示し、AIが工学的実装を担当した。

4番目の教訓は個人の背景がより良いツールを引き出すことである。選手の動きを可視化するため、著者は前フレームの選手を半透明のゴーストとして現在のフレームに重ねたいと考えた。CodexはまずPythonで前景分割を試みたが、結果は不十分だった（卵形の輪郭）。著者はMacのVision API（iPhoneのポートレートモードと同じ可能性がある）を思い出し、使用を提案したところ、精細な選手の切り抜きが得られた。AIはユーザーのOSやハードウェアを自問しないため、ユーザー側から文脈を提供する必要がある。

最終的に、著者はゴール計測、移動追跡、ゴーストアライメントレイヤー、最終的な可視化ツールを含む完全な計測システムを構築した。このプロセス全体が、AIはよく知った分野で人間の能力を大きく拡張できるが、人間が主導権を握ることが前提であることを示している。

記事の結びは示唆に富む：私がよく知る分野でAIを使うときは、誤りを見つけて修正できる。しかし、知らない分野では、どれだけのものを見逃しているのだろうか？最も重要な教訓は、AIが人間の判断を代替するのではなく、人間の判断が活かされる場があるときに、AIは本当に有用になるということだ。