美国职业棒球大联盟（MLB）本赛季在常规赛中正式试行“自动好球-坏球挑战系统”（ABS），这一“机器人辅助好球带”技术正在用数据和大屏回放，当场揭露本垒裁判的判罚失误。 最新一轮比赛统计显示，在已有的挑战中，联盟整体好球、坏球判罚被推翻的比例已达到 55%，部分资深裁判的误判率甚至远高于平均水平。
在上周六波士顿红袜对辛辛那提红人的比赛中，资深裁判 C.B. 巴克诺（C.B. Bucknor）成为聚光灯下的焦点。 红人内野手尤金尼奥·苏亚雷斯（Eugenio Suárez）在连续两次被判第三好球出局后，先后对巴克诺的判罚发起挑战，结果两次均被 ABS 系统推翻。 随后的打席虽然只是一次滚地出局，但现场观众最热烈的欢呼却献给了这两次成功挑战，而非比赛中的全垒打，凸显球迷对技术介入判罚的支持。
根据 MLB 公布的规则，每队每场拥有两次挑战机会，只有在挑战失败时才会扣除一次次数；打者、投手和捕手均可发起挑战，在延长赛中，如球队挑战次数已用尽，将额外获得一次。 这一激励机制促使球队更谨慎、更策略性地使用挑战，也大大增加了对裁判好球带判定的即时监督。
支撑 ABS 的，是一套由高速摄像机和机器学习算法组成的精密追踪网络。 系统在球场周边布设多台高速光学摄像机，实时捕捉每一颗投球的速度、轨迹和变化，并与依据打者站姿动态校准的三维好球带进行比对。 一旦场上球员申请复核，系统会在短时间内给出结论，并通过球场大屏幕展示——这一“数学裁决”透明且最终，不再留给场上争辩空间。
数据表明，对巴克诺的挑战尤为致命。 以 4 月 2 日为止的统计，他被挑战后被推翻的判罚比例高达 78%，远超联盟 55% 左右的平均水平。 在上述红袜与红人比赛中，共有 8 次 ABS 复核，其中 6 次支持球员，2 次维持原判的球几乎只差好球带边缘 0.1 英寸，而另有 3 颗球则明显偏离好球带，最大误差达 2.7 英寸。 这场比赛结束时，巴克诺的表情几乎成了计分板之外的另一幅“数据图像”。
事实上，即便在引入机器人辅助之前，巴克诺的判罚表现就已饱受质疑。 统计网站 UmpScorecards 的五年数据将他评为全联盟准确率垫底的本垒裁判，显示其少判或错判的累计数量比平均水平少了约 253.74 次“应有正确判罚”。 在这一榜单中，下一位裁判拉兹·迪亚斯（Laz Díaz）的“缺口”约为 202 次，差距同样明显。
本周另一场比赛中，巴克诺还曾在无 ABS 介入的环节做出了一次极具争议的判罚。 他认定密尔沃基酿酒人队的杰克·鲍尔斯（Jake Bauers）跑垒时没有踩到一垒，判其出局，但视频回放迅速推翻了这一吹罚，画面显示鲍尔斯清晰地踩在垒包上。 场上双方教练最终以轻松的笑声结束这一插曲，但对巴克诺而言，这只是其“黑历史清单”上的又一笔记录。
对于 MLB 来说，ABS 挑战系统不仅是减少争议、提高比赛公信力的技术工具，也正在成为评估裁判表现的新量化标尺。 当光学追踪与机器学习实时给出一颗球在好球带内外的位置时，曾经高度依赖经验与主观判断的本垒判罚，被逐步纳入可度量、可排名的统计体系。 随着赛季推进，人们对于“机器人辅助裁判”与“人类裁判权威”的边界争论，或许将像一记直冲本垒的速球一样，越来越难以回避。
热门跟贴