本文摘要：摘要：人工智能體育應用在變革體育生產力的同時，也給體育領域帶來了諸多風險挑戰。運用文獻資料、邏輯分析等方法，探討人工智能體育應用的伴隨風險，并提出法律的因應之策。人工智能的體育應用，一方面，面臨著技術內生的數據隱私、數據錯誤、算法偏差等風
摘要：人工智能體育應用在變革體育生產力的同時，也給體育領域帶來了諸多風險挑戰。運用文獻資料、邏輯分析等方法，探討人工智能體育應用的伴隨風險，并提出法律的因應之策。人工智能的體育應用，一方面，面臨著技術內生的數據隱私、數據錯誤、算法偏差等風險;另一方面，面臨著技術衍生的網絡安全、體育公平、市場壟斷等風險。應對人工智能體育應用的風險挑戰，首先，要在法律上劃定人工智能體育應用的合理界限，令其“有所為有所不為”;其次，要構建以“數據—算法”為核心的多元規制架構，把風險框進制度的“籠子”;最后，要輔之以健全的配套監管，實現風險的有效治理。于我國而言，可借《體育法》修改契機，依循“技術—制度”導向，補足“人工智能體育”相關條款，并由此妥善地安排相關利益，不失為一種可行的方案。
關鍵詞：人工智能體育應用;大數據;體育風險;法律規制;體育法
人工智能的概念最早由信息論創始人克勞德香農等數十位科學家在1956年達特茅斯會議上提出，是指能夠在復雜環境下進行感知、推理、學習、溝通等智能化行為的工具或技術。其核心內容包括兩個方面，一是，令機器做人類所能做之事、甚至比人類做得更好;二是，令機器理解由人類或機器甚至其他動物做出的智能化行為[1]。隨著數據可用性的增加、云計算能力的增強和算法的不斷改進，人工智能越來越廣泛的應用到體育領域中。
人工智能論文范例： 人工智能養老服務侵權問題探析
各類頂層設計，如《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》、國務院辦公廳《關于以新業態新模式引領新型消費加快發展的意見》(國辦發〔2020〕32號)、國務院辦公廳《體育強國建設綱要》(國辦發〔2019〕40號)和體育各個細分領域都在大力探索和發展人工智能的體育應用，并賦予了人工智能解決體育現實問題，促進體育高質量發展的功能預期[2]。
人工智能作為一項技術，既有“善假于物”的一面，也有“工具異化”的風險，需要冷靜審視人工智能體育應用將面臨何種新的風險以及如何規制這些風險。法律是風險規制的重要手段，因此，在法律上作出適當的安排，避免技術運用的“科林格里奇”困境就成為當下一個需要回應的問題。鑒于此，本文嘗試以風險規制為切入點，通過對人工智能體育應用風險的系統剖析，探尋法律因應之策，并結合我國《體育法》修改的契機，提出具體的立法進路。
1人工智能體育應用及其興起與發展
1.1人工智能體育應用的概念與特征
人工智能體育應用是指以人工智能等新一代信息技術為手段，通過對體育相關數據的感知和分析，洞悉其背后隱含的規律、關系、變化、異常特征與分布結構，模擬、延伸和擴展人的智能。需要說明的是按照信息科學的主流觀點，人工智能可以劃分為個階段，即“弱人工智能”(ArtificialNarrowIntelligence)、“強人工智能”(ArtificialGeneralIntelligence)和“超人工智能”(ArtificialSuperIntelligence)。按照設想，在“強人工智能”階段，機器和軟件將擁有足以匹敵人類的智慧和自我意識的能力，能夠通過自己獨特的“大腦”和“神經系統”對外部世界作出精確反應或進行抽象思考，并在復雜的情境中作出審慎的判斷。
目前，諸多研究也圍繞著“強人工智能”和“超人工智能”展開，幻想機器擁有自主意識，甚至威脅人類主體性，并提出規制方案。就目前人工智能體育應用而言，盡管展現出一定的感知能力和相當程度的自我適應性，如當下在體育博彩領域廣泛應用的循環神經網絡等深度學習算法，可以通過預測結果與實際比賽結果的比對，對算法模型進行自評估，由此形成一個自適應優化的閉環。
但就技術原理而言，人工智能體育應用尚停留在弱人工智能階段，其本質系基于大數據、算法和算力的機器智能，核心在于通過全方位地搜索各種運動行為與運動場景，以獲得海量的體育大數據，而后利用深度學習等算法工具挖掘有價值的信息，從而為運動行為的優化、運動場景的改造提供決策支持。最典型的如Alphago之所以能夠在圍棋領域打敗人類，并非在主體性上優于人類，主要是在獲取海量數據的基礎上，揭示隱藏的、未知的規律性，并進一步將其模型化，使得機器能夠獨立完成某些原本需要依靠人類智慧才能完成的決定或任務。
故而，人工智能體育應用呈現出兩大顯著的特征，一是，數據的前置性，當下人工智能體育應用的核心思路是“大數據、小任務”范式(bigdataforsmalltask)，也稱為“鸚鵡模式”，數據具有絕對的前置性。二是，算法的承繼性，大量的數據并不能直接產生價值，所以需要技術上的解決方案，其中尤以算法最為重要。以人工智能健身類服務應用程序為例，其邏輯在于獲取每個健身運動者身體檢測數據，比對已有健身數據庫中人群身體屬性標簽，基于相似度計算最優解，從而提供合適的健身運動方案，算法承繼大數據在其中發揮了重要作用。
也正是考慮到體育領域“大數據”與“人工智能”在技術邏輯方面的相似性和承續性，由此導致在風險上的混合性，筆者將其整合為“人工智能體育應用”這一術語。這也意味著，本文并非按照“有機智能”的思路來探討人工智能體育應用問題，而是從工具論意義上，基于“數據—算法”的技術承繼思想來審視人工智能體育應用的風險。
1.2人工智能體育應用的興起與發展
早在人工智能概念剛剛提出的世紀五六十年代，美國職業棒球大聯盟布魯克林道奇隊就在傳奇高管BranchRickey的帶領下開始采用智能化手段，從每場比賽的數據畫像中探索規律，輔助球員評估和戰術設計[8]。我國在世紀90年代，也有相當一部分體育工作者開始拋棄“經驗主義”的思維模式，嘗試引入人工智能技術來輔助訓練和戰術分析。
如1997年第屆體育科學大會上，邵佳華等[9]就指出，體育領域引入人工智能是一個必然的趨勢，張瑞林[10]探討了人工智能和體育結合的可行性和必要性，聞蘭等[11]對人工智能體育應用的現狀和發展方向進行了論述。但彼時受限于數據量與計算條件，人工智能在實踐中遭遇“知識獲取瓶頸”，囿于短期內不可擺脫的桎梏，人工智能體育應用更多地只停留在理論探討層面。進入世紀，隨著數字經濟的發展融合了線上線下空間，推動了各種設備的互聯互通，使人們“嵌入”以互聯網、物聯網為技術基礎的社會網絡體系，時時刻刻產生和留存大量可供分析的數據，同時支撐這些海量數據存儲和運算的條件也大大提升[12]。在這樣的條件下，人工智能迎來了第三次浪潮，體育的各個行業和領域都開始趨向人工智能化發展。
最為明顯的是在競技體育領域，無論是“戰術制定和賽事預測”，還是“運動員評估和選拔”“訓練反饋”“運動傷病預防”，人工智能都在深度參與[13]。目前，各個運動隊和職業聯賽中都已經廣泛應用動作捕捉和圖像識別等技術，提取相關運動或賽事信息，結合機器學習分析各套戰術效率效益，制定和改變戰術打法[14]。同時，基于采集到的運動員相關數據進行更深層次的加工，以獲得衡量運動員各方面能力的參數，最大限度地提高運動競技水平。
在社會體育層面，人工智能也在不斷的普及，智能化體育產品與服務的應用層出不窮[15]，如健身類服務應用程序和智能硬件從000年后開始起步發展，目前，已逾七大類千余種，形成了從“人體檢測”到“運動方案生成”“運動方案執行監測”“運動方案學習優化”的閉環，構筑起了“個體+家庭+社區”逐級遞進的智能健身體系[16]。
中小學體育課也開始越來越多的引進人工智能設備，實時監控學生體育課程的運動指標，包括運動能耗及心率的波動，從而掌握體育課堂運動課程設置是否合理，目標是否可以達成，學生的身體適應性是否可以承受等。如“Cassia智慧校園體育課運動監測系統”逐漸在各個中小學鋪開，通過遠距離監控學生體育課程的運動狀況，為學生體育課教學提供數據支撐，同時可以配合學生的體質監測，建立學生運動數據庫，追蹤學生的體格發展，形成數據共享、互聯互通的運動能耗記錄和科學反饋指導。
2人工智能體育應用的風險呈現
基于人工智能體育應用“工具主義論”和“弱人工智能”的階段定位，也就意味著人工智能當下所能發揮作用的領域主要是理性計算的范疇，即將格式多樣的數據收集、匯聚，繼而服務后續“認知”階段17，核心是基于大數據的深度學習，故而所呈現的風險也就圍繞著“數據—算法”內生性和衍生性風險展開。
2.1技術的內生性風險
2.1.1數據隱私的風險
人工智能具有典型的數據前置性，故而人工智能需要采集海量的數據。同時，人工智能技術本身也帶來了更多的數據獲取性，一方面，各種新型的人工智能產品應用使得原本私密的空間和信息不斷受到侵蝕[18]。以競技體育為例，以前利用人工手動收集相關體育統計數據并錄入計算系統，現在伴隨著圖像識別、可穿戴設備、自然語言檢索等人工智能技術的應用，相關數據的采集具有豐富的維度和密集的顆粒度[19]，如實時采集運動員各項機能指標(如血常規、血尿素、免疫球蛋白、血氧飽和度、晨脈)，提供了全天候監測運動員生理和心理機能的潛力[20];另一方面，人工智能本身將成為數據隱私的載體，人類與人工智能的交互會產生一種新的高度敏感的數據信息，如運動員使用智能設備的方式將會被悉數記錄，透露了運動員在智能設備上的程序偏好與心理習慣。
雖然目前個人數據保護相關立法趨于完善，但是當下個人數據保護的總體框架是建立在“知情—同意”機制基礎上，強調個體對數據的支配和控制，在普通人的個人數據處理中，主要是個人向特定主體提供個人數據被電子存儲和利用，個人對數據還有一定的控制。然而，在體育領域，特別是在運動員數據處理中，數據大多是處在公共領域，被不特定的主體進行處理，數據主體難以有效控制數據處理。同時，運動員在與數據控制者(俱樂部體育組織)之間的對抗中也處于明顯的權力失衡，面對持續的不平等的關系，運動員很難滿足任意性自由的條件下做出“同意”的意思表示[21]。
加之人工智能具有超強的“畫像識別”能力，能夠基于數據輕易地描繪出個體的完整活動“畫像”，故而帶來了嚴重的隱私侵擾問題。如在2017年溫網期間，IBM公司通過Watson人工智能軟件采集和分析了450萬個數據點，根據運動員的身體語言、此前的采訪和社交媒體動向等一系列信息，創建運動員的性格檔案，揭露“運動員特點與行為”，凸顯“未被發現的見解，以激發專家、體育評論員和球迷之間在網絡上的交互”，極大地侵害了運動員的數據隱私利益[22]。
2.2技術的衍生性風險
2.2.1網絡安全的風險
數據和算法與網絡支撐密切相關，隨著人工智能越來越多的應用于體育領域，網絡安全也成為一個風險因素。類似美國職業棒球大聯盟(MLB)的圣路易斯紅雀隊高管連續侵入競爭對手休斯頓太空人隊的專有數據庫的事件正在不斷上演[29]。
英國國家網絡安全中心(NationalCyberSecurityCentre)2020年月曾發布一份《體育組織網絡風險報告》，該報告對世界范圍內57個國家，包括足球、橄欖球、網球、板球和田徑等運動項目的體育機構和特定俱樂部進行了調查，數據顯示有70%的體育組織在過去一年中至少經歷了一次網絡安全事件，有30%的體育組織遭到了次以上的網絡攻擊[30]。
一方面，體育領域的數據大多采取集中管理模式，大多數體育組織俱樂部都建立了自己內部的專有數據庫系統，但體育組織俱樂部一般是與外部數據服務商合作或者委托外部數據服務商進行數據處理，存在頻繁的數據傳輸和共享，這些傳輸和共享甚至涉及跨境問題，大大增加了網絡攻擊的可能性。
另一方面，體育領域的數據大多具有高價值屬性，是潛在的信息金礦。通過攻擊專有數據庫，可以獲取大量有價值的信息，包括統計分析結果、技戰術手冊，甚至了解運動員在比賽前一晚的睡眠狀況和身體狀態，既可以提供給競爭對手設計針對性的攻防策略，又可以售賣給下游的數據需求商。隨著2018年月美國聯邦最高法院在Murphyv.NCAA案中廢除了《職業和業余體育保護法》(AmateurSportsProtectionAct)，體育博彩在美國開始逐步走向合法化，博彩的巨大利潤也將造成更多體育組織俱樂部數據的網絡安全風險[31]。
3人工智能體育應用風險的法律規制
法律是規制技術發展最重要的手段，技術發展和法律規制一直如影隨形，整體的或基礎性的法律安排對技術創新的秩序規范和風險控制影響巨大[44]。人工智能作為技術創新的重要形式，會給體育領域帶來諸多復雜影響，既帶來體育生產力提升，也使之邁入新的風險時代，因而，亟須在價值考量的基礎上，切實兼顧各類利益，做出相應的法律安排，以實現有效的風險規制。
3.1合理邊界的設定
在風險預防規制中主要有兩種理念，一是，強風險預防的理念。強風險預防理念認為只有一項行動被確認為完全沒有任何危害的情況下方得以進行。目前以伊融·馬斯克為代表的“人工智能威脅論”，認為人工智能是人類文明的最大威脅，呼吁法律禁止人工智能應用，就是一種強風險預防的理念。顯然，強風險預防理念雖然抑制了風險，但也對科技創新的發展非常不利。事實上，馬斯克語境中的人工智能指的是“強人工智能”，具備處理多種類型任務和適應未曾預料情形的能力。
目前，體育應用尚處在弱人工智能的階段，盡管也有觀點憧憬實現完全的體育人工智能化，如MATARUNA提出了“虛擬裁判”(VirtualReferees)概念，即人類裁判的作用僅限于賽場上的運動員部分行為管理，而將具體判罰決策交與人工智能處理45，但都還停留在一種理論預設。二是，弱風險預防理念。弱風險預防理念認為缺乏充分的風險確定性不能直接作為禁止或限制一項行動的理由。弱風險預防理念在實踐中又發展出對風險預防從嚴解釋與從寬解釋兩種版本。即對于損害較大、損害發生概率較低的技術，作從嚴解釋，而對于損害較小、損害發生概率較高的技術，作從寬解釋46。
4我國《體育法》修改中“人工智能體育”相關條款的補足
我國《體育法》自頒布以來，在我國體育事業和經濟社會發展中發揮了重大作用，但隨著我國各領域的深刻變革，修改《體育法》成為推動體育事業進一步發展的迫切需求60。2018年，《體育法》修改列入十三屆全國人大常委會立法規劃。2021年，全國人大常委會將修改《體育法》列入年度立法計劃，《體育法》修改工作逐步駛入快車道。
令人擔憂的是，就近期修法的草案稿設計和學術討論而言，《體育法》修改聚焦的還是公民體育權利的保障、學校體育的開展、反興奮劑、體育糾紛的解決等傳統問題，缺少對新技術新應用所涉及的相關立法的關注，特別是對人工智能體育應用所引發的法律規制問題的重視。《體育法》定位于體育基本法，要求其對體育社會關系這個紛繁龐雜的綜合系統進行廣泛調整，對體育各領域和各主要方面進行全面覆蓋61�，F行《體育法》頒布于1995年月，彼時人工智能體育尚在萌芽之中，這也就在一定程度上決定了我國《體育法》對“人工智能體育應用”規制的滯后性。
我國現行《體育法》僅有總則第七條規定了“國家發展體育教育和體育科學研究，推廣先進、實用的體育科學技術成果，依靠科學技術發展體育事業”，一定程度上體現了國家鼓勵和促進人工智能體育應用的理念，但對于人工智能體育應用可能帶來的負面影響和風險并沒有做出有效的制度安排，故而應當利用此次修法的良機，補足“人工智能體育”相關條款，發揮《體育法》對體育社會關系進行全面規制的制度功能。
于具體理由而言，一是，立法前瞻性要求之所需。日新月異的科技時代，對立法提出了新的要求，要求“立法模式要改變過去被動回應式的立法、事后總結式的立法，不能總是在‘跟跑’，要加強主動謀劃式的、前瞻性的立法”62。在本次《體育法》修改中亦有很多觀點提出需要站在新的歷史起點和階段上63，科學反映現代體育運動的基本規律，準確體現體育事業改革和發展的方向，不斷豐富體育法治的內容64。
蓬勃發展的人工智能體育應用代表了體育領域未來重要的發展方向，前瞻性的設定人工智能體育應用的風險規制制度，有效處理人工智能體育應用帶來的多種復雜關系和重大問題應成為《體育法》修改的重要任務。二是，體育特殊規制之所需。體育領域具有一定的特殊性，在一些規制方面難以直接適用一般性的法律規范。目前，諸多法律也規定了兜底的例外條款，但能進行例外規制一般只有法律或行政法規，如《民法典》第一百二十七條關于數據權益規定為“法律對數據、網絡虛擬財產的保護有規定的，依照其規定”，此處的“法律”是狹義的法律，即指法秩序階層中“憲法—法律—法規—規章”中的“法律”。換言之，對于數據權益的特殊安排，能也僅能通過法秩序位階層面的“法律”才能得以完成。目前，我國只有《體育法》的立法機關為全國人大常委會，位階上屬于法律。三是，人工智能體育應用的風險規制已經漸成理論共識。
如劉正65指出“人工智能剝奪體育權利，對人異化和損害，需要完善法律規范和倫理規制。”楊春然[39]揭示了人工智能在體育領域的廣泛應用給運動員隱私帶來的威脅，提出要完善數據隱私法律保護。在域外，亦有諸多觀點提出需要通過國家層面的立法完善人工智能體育應用的風險規制，如BROWN66提出體育領域若要利用科技帶來的機會，就需要足夠的、統一的法律規制，標準化的聯邦法律是管理和防范這些潛在風險的最佳手段，STUDNICKA67也呼吁美國國會采取措施規范人工智能體育應用，為體育數據收集建立必要的保障和程序，并專門提出了一個示范立法。關于具體的制度設計，《體育法》作為我國體育領域的頂層立法，雖無法詳盡對人工智能體育應用的風險進行規定，但筆者認為至少可以在以下幾方面作出規定：
一是，在現行《體育法》總則第七條“國家發展體育教育和體育科學研究，推廣先進、實用的體育科學技術成果，依靠科學技術發展體育事業”后增加“體育科學技術應用應當遵守法律、法規，尊重社會公德和倫理，不得危害公共利益，不得損害個人、組織的合法權益”，提出對人工智能體育應用風險規制的原則性要求，即人工智能體育應用要堅持合法性和正當性，不能侵蝕體育根本價值和對個人權益和公共利益造成減損。二是，在“競技體育”章增設“人工智能體育應用”的相關條款。競技體育中是與人工智能結合最為緊密的活動領域，泛在智能化體育也隨處可見。
5結語
體育領域一直都是科技的天然耦合場所，是最適合人工智能發展和應用的領域之一。作為一種新的動力，人工智能為競技體育水平的提升、全民健身的開展、體育產業的高質量發展都帶來了巨大的生產力變革。但作為一項技術，人工智能也具有典型的風險效應，一方面，人工智能是由數據和算法驅動的，會帶來數據和算法內生和衍生的諸多負面影響;另一方面，體育強調人的主觀能動性，展現運動員力量之美，人工智能可能帶來體育公正性的侵蝕。故而在人工智能體育應用過程中，只有妥善把握其帶來的變革和風險沖突，持擁抱并審慎的態度，在法律制度上作出有效的規制安排，避免人工智能的“風險積聚效應”，才能達到人工智能“善假于物”的最佳效果。
參考文獻：
[1]SCHMIDTSL.21stcnturysports:Howtechnologieswillchangesportsinthedigitalage[M].Switzerland:SpringerNatureSwitzerlandAG,2020.
[2]魯志琴陳林祥任波人工智能對我國體育產業發展的推動作用[J].體育學研究,2021,35(1):5259+67.
[3]姚海鵬大數據與人工智能導論[M].北京北京郵電大學出版社,2017.
[4]馬長山人工智能的社會風險及其法律規制[J].法律科學西北政法大學學報),2018,36(6):4755.
[5]李潤生論醫療人工智能的法律規制——從近期方案到遠期設想[J].行政法學研究,2020(4):4657.
[6]鄭芳徐偉康我國智能體育興起、發展與對策研究[J].體育科學,2019,39(12):1424.
[7]周志華機器學習[M].北京清華大學出版社,2018.
作者：徐偉康1，林朝暉
轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/27883.html
