距离8月12日巴黎奥运会闭幕式已经过去了两天，赛场上的比赛告一段落，但美国的兴奋剂丑闻仍在持续发酵
这届奥运会的游泳比赛上，全世界都看到了来自美国的“紫薯人”。
美国游泳队选手在比赛前与比赛后出现了完全不同的肤色，比赛时候集体变身“灭霸”，赛后紫色却消失得无影无踪。
左为美联社调色图片，右为路透社图片
甚至在美媒的报告中，还对运动员脸部进行P图调色，同一人同一时刻同一角度的照片截然不同，更显得欲盖弥彰。
一时间质疑声浪高涨，而世界反兴奋剂机构（WADA）随后发表的声明，更将竞技公平与体育精神的话题，推向了舆论的风口浪尖。
在奥运会等重大体育赛事中，通常会采取严格的兴奋剂检测措施，对运动员进行赛前、赛中和赛后的检测，包括尿检、血检等。
然而经过多年演变，兴奋剂的种类越来越多，现在不再是单指那些起兴奋作用的药物了，仅在世界反兴奋剂机构的名录中就有11类禁用物质。
并且考虑到参加奥运会等重大赛事的运动员数量极多，仅巴黎奥运会大约有 10,500 名运动员，目前的检测方法非常耗时。
实验室可能需要数周时间来分析尿液样本，以确定参赛者是否服用了提高成绩的药物。
有没有一种更高效及时的方法，来检测体育竞技中的违禁项目呢？
让作弊者 无处遁形
近日，萨尔大学商业信息学教授Wolfgang Maaß及其团队，在国际人工智能联合会议（IJCAI）上，展示了一套AI软件，可以在赛事中检测兴奋剂病例。
该软件目前正在会议上展示，仅需要几个数据点就能以前所未有的准确性预测运动员绝对没有服用兴奋剂，因此可以帮助筛选出那些需要仔细分辨的病例。
目前兴奋剂样本都是手动分析的，只有一小部分尿液样本可以在实验室中进行分析，这就给了一些作弊者可乘之机。
在2014年的索契冬奥会兴奋剂丑闻中，作弊运动员试图将自己的尿液样本与其他人提供的“干净”样本交换，躲过了例行的兴奋剂检查。
俄罗斯反兴奋剂实验室装盛尿样的玻璃瓶，每个帽印有一个唯一的编号匹配
目前为止，DNA分析是确定样本是否已被交换的唯一可靠方法，但这既昂贵又耗时，根本不可能分析每个样本的DNA。
最终，Maaß教授和来自 DFKI（德国人工智能研究中心）、德国科隆体育大学和世界反兴奋剂机构 （WADA） 的同事，寻找到了更简单、更可行的解决方案。
—— 使用人工智能，来快速且经济地分析尿液样本数据。
快速标记异常 准确率达99%
兴奋剂测试，是通过检测体液中各种类固醇的浓度和比例，再检查其合理性。
这一过程提供了一个生化指纹，AI兴奋剂检测软件Saarbrücken AI可以使用该指纹来可靠地标记任何异常。
AI程序只需要每个运动员在运动生涯中提供的三个尿液样本数据。
由于一名运动员的天然类固醇成分可能与另一名运动员的大不相同，因此该程序会了解该特定运动员的典型特定物质浓度。
对于每个样品，在生化实验室中确定七个特征，例如类固醇浓度及其比率。
就像发现差异的图片拼图游戏，软件会搜索与通常模式的偏差，这样就会留下剩余数量的样本，其中“图片”不匹配，即检测到不一致的地方。
然后，生物化学家可以在实验室中使用DNA分析对剩余的少数病例进行更详细的检查。
所以，只要运动员服用的违禁物质可以在尿液中被检测，该软件就能帮助高度确定地识别该运动员。
该软件不是直接检测兴奋剂违法者，而是旨在以 99% 的可信度识别干净的运动员，以确保无辜的人不会被错误指控。
几乎可以肯定，任何服用过兴奋剂的人都可以在这些剩余的病例中找到，然后使用DNA测试进行更详细的调查。
参考论文：
Maxx Richard Rahman, Lotfy Abdel Khaliq, Thomas Piper, Hans Geyer, Tristan Equey, Norbert Baume, Reid Aikin, Wolfgang Maass. "SACNN: Self Attention-based Convolutional Neural Network for Fraudulent Behaviour Detection in Sports."; International Joint Conference on Artificial Intelligence, IJCAI, (2024).
推荐阅读
