本文摘要：摘要：人工智能体育应用在变革体育生产力的同时，也给体育领域带来了诸多风险挑战。运用文献资料、逻辑分析等方法，探讨人工智能体育应用的伴随风险，并提出法律的因应之策。人工智能的体育应用，一方面，面临着技术内生的数据隐私、数据错误、算法偏差等风
摘要：人工智能体育应用在变革体育生产力的同时，也给体育领域带来了诸多风险挑战。运用文献资料、逻辑分析等方法，探讨人工智能体育应用的伴随风险，并提出法律的因应之策。人工智能的体育应用，一方面，面临着技术内生的数据隐私、数据错误、算法偏差等风险;另一方面，面临着技术衍生的网络安全、体育公平、市场垄断等风险。应对人工智能体育应用的风险挑战，首先，要在法律上划定人工智能体育应用的合理界限，令其“有所为有所不为”;其次，要构建以“数据—算法”为核心的多元规制架构，把风险框进制度的“笼子”;最后，要辅之以健全的配套监管，实现风险的有效治理。于我国而言，可借《体育法》修改契机，依循“技术—制度”导向，补足“人工智能体育”相关条款，并由此妥善地安排相关利益，不失为一种可行的方案。
关键词：人工智能体育应用;大数据;体育风险;法律规制;体育法
人工智能的概念最早由信息论创始人克劳德香农等数十位科学家在1956年达特茅斯会议上提出，是指能够在复杂环境下进行感知、推理、学习、沟通等智能化行为的工具或技术。其核心内容包括两个方面，一是，令机器做人类所能做之事、甚至比人类做得更好;二是，令机器理解由人类或机器甚至其他动物做出的智能化行为[1]。随着数据可用性的增加、云计算能力的增强和算法的不断改进，人工智能越来越广泛的应用到体育领域中。
人工智能论文范例： 人工智能养老服务侵权问题探析
各类顶层设计，如《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》、国务院办公厅《关于以新业态新模式引领新型消费加快发展的意见》(国办发〔2020〕32号)、国务院办公厅《体育强国建设纲要》(国办发〔2019〕40号)和体育各个细分领域都在大力探索和发展人工智能的体育应用，并赋予了人工智能解决体育现实问题，促进体育高质量发展的功能预期[2]。
人工智能作为一项技术，既有“善假于物”的一面，也有“工具异化”的风险，需要冷静审视人工智能体育应用将面临何种新的风险以及如何规制这些风险。法律是风险规制的重要手段，因此，在法律上作出适当的安排，避免技术运用的“科林格里奇”困境就成为当下一个需要回应的问题。鉴于此，本文尝试以风险规制为切入点，通过对人工智能体育应用风险的系统剖析，探寻法律因应之策，并结合我国《体育法》修改的契机，提出具体的立法进路。
1人工智能体育应用及其兴起与发展
1.1人工智能体育应用的概念与特征
人工智能体育应用是指以人工智能等新一代信息技术为手段，通过对体育相关数据的感知和分析，洞悉其背后隐含的规律、关系、变化、异常特征与分布结构，模拟、延伸和扩展人的智能。需要说明的是按照信息科学的主流观点，人工智能可以划分为个阶段，即“弱人工智能”(ArtificialNarrowIntelligence)、“强人工智能”(ArtificialGeneralIntelligence)和“超人工智能”(ArtificialSuperIntelligence)。按照设想，在“强人工智能”阶段，机器和软件将拥有足以匹敌人类的智慧和自我意识的能力，能够通过自己独特的“大脑”和“神经系统”对外部世界作出精确反应或进行抽象思考，并在复杂的情境中作出审慎的判断。
目前，诸多研究也围绕着“强人工智能”和“超人工智能”展开，幻想机器拥有自主意识，甚至威胁人类主体性，并提出规制方案。就目前人工智能体育应用而言，尽管展现出一定的感知能力和相当程度的自我适应性，如当下在体育博彩领域广泛应用的循环神经网络等深度学习算法，可以通过预测结果与实际比赛结果的比对，对算法模型进行自评估，由此形成一个自适应优化的闭环。
但就技术原理而言，人工智能体育应用尚停留在弱人工智能阶段，其本质系基于大数据、算法和算力的机器智能，核心在于通过全方位地搜索各种运动行为与运动场景，以获得海量的体育大数据，而后利用深度学习等算法工具挖掘有价值的信息，从而为运动行为的优化、运动场景的改造提供决策支持。最典型的如Alphago之所以能够在围棋领域打败人类，并非在主体性上优于人类，主要是在获取海量数据的基础上，揭示隐藏的、未知的规律性，并进一步将其模型化，使得机器能够独立完成某些原本需要依靠人类智慧才能完成的决定或任务。
故而，人工智能体育应用呈现出两大显著的特征，一是，数据的前置性，当下人工智能体育应用的核心思路是“大数据、小任务”范式(bigdataforsmalltask)，也称为“鹦鹉模式”，数据具有绝对的前置性。二是，算法的承继性，大量的数据并不能直接产生价值，所以需要技术上的解决方案，其中尤以算法最为重要。以人工智能健身类服务应用程序为例，其逻辑在于获取每个健身运动者身体检测数据，比对已有健身数据库中人群身体属性标签，基于相似度计算最优解，从而提供合适的健身运动方案，算法承继大数据在其中发挥了重要作用。
也正是考虑到体育领域“大数据”与“人工智能”在技术逻辑方面的相似性和承续性，由此导致在风险上的混合性，笔者将其整合为“人工智能体育应用”这一术语。这也意味着，本文并非按照“有机智能”的思路来探讨人工智能体育应用问题，而是从工具论意义上，基于“数据—算法”的技术承继思想来审视人工智能体育应用的风险。
1.2人工智能体育应用的兴起与发展
早在人工智能概念刚刚提出的世纪五六十年代，美国职业棒球大联盟布鲁克林道奇队就在传奇高管BranchRickey的带领下开始采用智能化手段，从每场比赛的数据画像中探索规律，辅助球员评估和战术设计[8]。我国在世纪90年代，也有相当一部分体育工作者开始抛弃“经验主义”的思维模式，尝试引入人工智能技术来辅助训练和战术分析。
如1997年第届体育科学大会上，邵佳华等[9]就指出，体育领域引入人工智能是一个必然的趋势，张瑞林[10]探讨了人工智能和体育结合的可行性和必要性，闻兰等[11]对人工智能体育应用的现状和发展方向进行了论述。但彼时受限于数据量与计算条件，人工智能在实践中遭遇“知识获取瓶颈”，囿于短期内不可摆脱的桎梏，人工智能体育应用更多地只停留在理论探讨层面。进入世纪，随着数字经济的发展融合了线上线下空间，推动了各种设备的互联互通，使人们“嵌入”以互联网、物联网为技术基础的社会网络体系，时时刻刻产生和留存大量可供分析的数据，同时支撑这些海量数据存储和运算的条件也大大提升[12]。在这样的条件下，人工智能迎来了第三次浪潮，体育的各个行业和领域都开始趋向人工智能化发展。
最为明显的是在竞技体育领域，无论是“战术制定和赛事预测”，还是“运动员评估和选拔”“训练反馈”“运动伤病预防”，人工智能都在深度参与[13]。目前，各个运动队和职业联赛中都已经广泛应用动作捕捉和图像识别等技术，提取相关运动或赛事信息，结合机器学习分析各套战术效率效益，制定和改变战术打法[14]。同时，基于采集到的运动员相关数据进行更深层次的加工，以获得衡量运动员各方面能力的参数，最大限度地提高运动竞技水平。
在社会体育层面，人工智能也在不断的普及，智能化体育产品与服务的应用层出不穷[15]，如健身类服务应用程序和智能硬件从000年后开始起步发展，目前，已逾七大类千余种，形成了从“人体检测”到“运动方案生成”“运动方案执行监测”“运动方案学习优化”的闭环，构筑起了“个体+家庭+社区”逐级递进的智能健身体系[16]。
中小学体育课也开始越来越多的引进人工智能设备，实时监控学生体育课程的运动指标，包括运动能耗及心率的波动，从而掌握体育课堂运动课程设置是否合理，目标是否可以达成，学生的身体适应性是否可以承受等。如“Cassia智慧校园体育课运动监测系统”逐渐在各个中小学铺开，通过远距离监控学生体育课程的运动状况，为学生体育课教学提供数据支撑，同时可以配合学生的体质监测，建立学生运动数据库，追踪学生的体格发展，形成数据共享、互联互通的运动能耗记录和科学反馈指导。
2人工智能体育应用的风险呈现
基于人工智能体育应用“工具主义论”和“弱人工智能”的阶段定位，也就意味着人工智能当下所能发挥作用的领域主要是理性计算的范畴，即将格式多样的数据收集、汇聚，继而服务后续“认知”阶段17，核心是基于大数据的深度学习，故而所呈现的风险也就围绕着“数据—算法”内生性和衍生性风险展开。
2.1技术的内生性风险
2.1.1数据隐私的风险
人工智能具有典型的数据前置性，故而人工智能需要采集海量的数据。同时，人工智能技术本身也带来了更多的数据获取性，一方面，各种新型的人工智能产品应用使得原本私密的空间和信息不断受到侵蚀[18]。以竞技体育为例，以前利用人工手动收集相关体育统计数据并录入计算系统，现在伴随着图像识别、可穿戴设备、自然语言检索等人工智能技术的应用，相关数据的采集具有丰富的维度和密集的颗粒度[19]，如实时采集运动员各项机能指标(如血常规、血尿素、免疫球蛋白、血氧饱和度、晨脉)，提供了全天候监测运动员生理和心理机能的潜力[20];另一方面，人工智能本身将成为数据隐私的载体，人类与人工智能的交互会产生一种新的高度敏感的数据信息，如运动员使用智能设备的方式将会被悉数记录，透露了运动员在智能设备上的程序偏好与心理习惯。
虽然目前个人数据保护相关立法趋于完善，但是当下个人数据保护的总体框架是建立在“知情—同意”机制基础上，强调个体对数据的支配和控制，在普通人的个人数据处理中，主要是个人向特定主体提供个人数据被电子存储和利用，个人对数据还有一定的控制。然而，在体育领域，特别是在运动员数据处理中，数据大多是处在公共领域，被不特定的主体进行处理，数据主体难以有效控制数据处理。同时，运动员在与数据控制者(俱乐部体育组织)之间的对抗中也处于明显的权力失衡，面对持续的不平等的关系，运动员很难满足任意性自由的条件下做出“同意”的意思表示[21]。
加之人工智能具有超强的“画像识别”能力，能够基于数据轻易地描绘出个体的完整活动“画像”，故而带来了严重的隐私侵扰问题。如在2017年温网期间，IBM公司通过Watson人工智能软件采集和分析了450万个数据点，根据运动员的身体语言、此前的采访和社交媒体动向等一系列信息，创建运动员的性格档案，揭露“运动员特点与行为”，凸显“未被发现的见解，以激发专家、体育评论员和球迷之间在网络上的交互”，极大地侵害了运动员的数据隐私利益[22]。
2.2技术的衍生性风险
2.2.1网络安全的风险
数据和算法与网络支撑密切相关，随着人工智能越来越多的应用于体育领域，网络安全也成为一个风险因素。类似美国职业棒球大联盟(MLB)的圣路易斯红雀队高管连续侵入竞争对手休斯顿太空人队的专有数据库的事件正在不断上演[29]。
英国国家网络安全中心(NationalCyberSecurityCentre)2020年月曾发布一份《体育组织网络风险报告》，该报告对世界范围内57个国家，包括足球、橄榄球、网球、板球和田径等运动项目的体育机构和特定俱乐部进行了调查，数据显示有70%的体育组织在过去一年中至少经历了一次网络安全事件，有30%的体育组织遭到了次以上的网络攻击[30]。
一方面，体育领域的数据大多采取集中管理模式，大多数体育组织俱乐部都建立了自己内部的专有数据库系统，但体育组织俱乐部一般是与外部数据服务商合作或者委托外部数据服务商进行数据处理，存在频繁的数据传输和共享，这些传输和共享甚至涉及跨境问题，大大增加了网络攻击的可能性。
另一方面，体育领域的数据大多具有高价值属性，是潜在的信息金矿。通过攻击专有数据库，可以获取大量有价值的信息，包括统计分析结果、技战术手册，甚至了解运动员在比赛前一晚的睡眠状况和身体状态，既可以提供给竞争对手设计针对性的攻防策略，又可以售卖给下游的数据需求商。随着2018年月美国联邦最高法院在Murphyv.NCAA案中废除了《职业和业余体育保护法》(AmateurSportsProtectionAct)，体育博彩在美国开始逐步走向合法化，博彩的巨大利润也将造成更多体育组织俱乐部数据的网络安全风险[31]。
3人工智能体育应用风险的法律规制
法律是规制技术发展最重要的手段，技术发展和法律规制一直如影随形，整体的或基础性的法律安排对技术创新的秩序规范和风险控制影响巨大[44]。人工智能作为技术创新的重要形式，会给体育领域带来诸多复杂影响，既带来体育生产力提升，也使之迈入新的风险时代，因而，亟须在价值考量的基础上，切实兼顾各类利益，做出相应的法律安排，以实现有效的风险规制。
3.1合理边界的设定
在风险预防规制中主要有两种理念，一是，强风险预防的理念。强风险预防理念认为只有一项行动被确认为完全没有任何危害的情况下方得以进行。目前以伊融·马斯克为代表的“人工智能威胁论”，认为人工智能是人类文明的最大威胁，呼吁法律禁止人工智能应用，就是一种强风险预防的理念。显然，强风险预防理念虽然抑制了风险，但也对科技创新的发展非常不利。事实上，马斯克语境中的人工智能指的是“强人工智能”，具备处理多种类型任务和适应未曾预料情形的能力。
目前，体育应用尚处在弱人工智能的阶段，尽管也有观点憧憬实现完全的体育人工智能化，如MATARUNA提出了“虚拟裁判”(VirtualReferees)概念，即人类裁判的作用仅限于赛场上的运动员部分行为管理，而将具体判罚决策交与人工智能处理45，但都还停留在一种理论预设。二是，弱风险预防理念。弱风险预防理念认为缺乏充分的风险确定性不能直接作为禁止或限制一项行动的理由。弱风险预防理念在实践中又发展出对风险预防从严解释与从宽解释两种版本。即对于损害较大、损害发生概率较低的技术，作从严解释，而对于损害较小、损害发生概率较高的技术，作从宽解释46。
4我国《体育法》修改中“人工智能体育”相关条款的补足
我国《体育法》自颁布以来，在我国体育事业和经济社会发展中发挥了重大作用，但随着我国各领域的深刻变革，修改《体育法》成为推动体育事业进一步发展的迫切需求60。2018年，《体育法》修改列入十三届全国人大常委会立法规划。2021年，全国人大常委会将修改《体育法》列入年度立法计划，《体育法》修改工作逐步驶入快车道。
令人担忧的是，就近期修法的草案稿设计和学术讨论而言，《体育法》修改聚焦的还是公民体育权利的保障、学校体育的开展、反兴奋剂、体育纠纷的解决等传统问题，缺少对新技术新应用所涉及的相关立法的关注，特别是对人工智能体育应用所引发的法律规制问题的重视。《体育法》定位于体育基本法，要求其对体育社会关系这个纷繁庞杂的综合系统进行广泛调整，对体育各领域和各主要方面进行全面覆盖61。现行《体育法》颁布于1995年月，彼时人工智能体育尚在萌芽之中，这也就在一定程度上决定了我国《体育法》对“人工智能体育应用”规制的滞后性。
我国现行《体育法》仅有总则第七条规定了“国家发展体育教育和体育科学研究，推广先进、实用的体育科学技术成果，依靠科学技术发展体育事业”，一定程度上体现了国家鼓励和促进人工智能体育应用的理念，但对于人工智能体育应用可能带来的负面影响和风险并没有做出有效的制度安排，故而应当利用此次修法的良机，补足“人工智能体育”相关条款，发挥《体育法》对体育社会关系进行全面规制的制度功能。
于具体理由而言，一是，立法前瞻性要求之所需。日新月异的科技时代，对立法提出了新的要求，要求“立法模式要改变过去被动回应式的立法、事后总结式的立法，不能总是在‘跟跑’，要加强主动谋划式的、前瞻性的立法”62。在本次《体育法》修改中亦有很多观点提出需要站在新的历史起点和阶段上63，科学反映现代体育运动的基本规律，准确体现体育事业改革和发展的方向，不断丰富体育法治的内容64。
蓬勃发展的人工智能体育应用代表了体育领域未来重要的发展方向，前瞻性的设定人工智能体育应用的风险规制制度，有效处理人工智能体育应用带来的多种复杂关系和重大问题应成为《体育法》修改的重要任务。二是，体育特殊规制之所需。体育领域具有一定的特殊性，在一些规制方面难以直接适用一般性的法律规范。目前，诸多法律也规定了兜底的例外条款，但能进行例外规制一般只有法律或行政法规，如《民法典》第一百二十七条关于数据权益规定为“法律对数据、网络虚拟财产的保护有规定的，依照其规定”，此处的“法律”是狭义的法律，即指法秩序阶层中“宪法—法律—法规—规章”中的“法律”。换言之，对于数据权益的特殊安排，能也仅能通过法秩序位阶层面的“法律”才能得以完成。目前，我国只有《体育法》的立法机关为全国人大常委会，位阶上属于法律。三是，人工智能体育应用的风险规制已经渐成理论共识。
如刘正65指出“人工智能剥夺体育权利，对人异化和损害，需要完善法律规范和伦理规制。”杨春然[39]揭示了人工智能在体育领域的广泛应用给运动员隐私带来的威胁，提出要完善数据隐私法律保护。在域外，亦有诸多观点提出需要通过国家层面的立法完善人工智能体育应用的风险规制，如BROWN66提出体育领域若要利用科技带来的机会，就需要足够的、统一的法律规制，标准化的联邦法律是管理和防范这些潜在风险的最佳手段，STUDNICKA67也呼吁美国国会采取措施规范人工智能体育应用，为体育数据收集建立必要的保障和程序，并专门提出了一个示范立法。关于具体的制度设计，《体育法》作为我国体育领域的顶层立法，虽无法详尽对人工智能体育应用的风险进行规定，但笔者认为至少可以在以下几方面作出规定：
一是，在现行《体育法》总则第七条“国家发展体育教育和体育科学研究，推广先进、实用的体育科学技术成果，依靠科学技术发展体育事业”后增加“体育科学技术应用应当遵守法律、法规，尊重社会公德和伦理，不得危害公共利益，不得损害个人、组织的合法权益”，提出对人工智能体育应用风险规制的原则性要求，即人工智能体育应用要坚持合法性和正当性，不能侵蚀体育根本价值和对个人权益和公共利益造成减损。二是，在“竞技体育”章增设“人工智能体育应用”的相关条款。竞技体育中是与人工智能结合最为紧密的活动领域，泛在智能化体育也随处可见。
5结语
体育领域一直都是科技的天然耦合场所，是最适合人工智能发展和应用的领域之一。作为一种新的动力，人工智能为竞技体育水平的提升、全民健身的开展、体育产业的高质量发展都带来了巨大的生产力变革。但作为一项技术，人工智能也具有典型的风险效应，一方面，人工智能是由数据和算法驱动的，会带来数据和算法内生和衍生的诸多负面影响;另一方面，体育强调人的主观能动性，展现运动员力量之美，人工智能可能带来体育公正性的侵蚀。故而在人工智能体育应用过程中，只有妥善把握其带来的变革和风险冲突，持拥抱并审慎的态度，在法律制度上作出有效的规制安排，避免人工智能的“风险积聚效应”，才能达到人工智能“善假于物”的最佳效果。
参考文献：
[1]SCHMIDTSL.21stcnturysports:Howtechnologieswillchangesportsinthedigitalage[M].Switzerland:SpringerNatureSwitzerlandAG,2020.
[2]鲁志琴陈林祥任波人工智能对我国体育产业发展的推动作用[J].体育学研究,2021,35(1):5259+67.
[3]姚海鹏大数据与人工智能导论[M].北京北京邮电大学出版社,2017.
[4]马长山人工智能的社会风险及其法律规制[J].法律科学西北政法大学学报),2018,36(6):4755.
[5]李润生论医疗人工智能的法律规制——从近期方案到远期设想[J].行政法学研究,2020(4):4657.
[6]郑芳徐伟康我国智能体育兴起、发展与对策研究[J].体育科学,2019,39(12):1424.
[7]周志华机器学习[M].北京清华大学出版社,2018.
作者：徐伟康1，林朝晖
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/27883.html
