AI tái tạo ‘bàn thắng bị mất’ của Pelé: khoa học, nhiếp ảnh và đạo đức sáng tạo

AI tái tạo bàn thắng Pelé bị mất: chuyện gì đã xảy ra ở Javari năm 1959?

Vào ngày 2 tháng 8 năm 1959, tại sân Javari ở khu Mooca (São Paulo, Brazil), Pelé — huyền thoại bóng đá người Brazil — đã ghi một bàn thắng khiến khán giả sửng sốt và sau này ông gọi là bàn thắng hay nhất trong sự nghiệp. Theo mô tả, Pelé thực hiện ba lần “sombrero” (kỹ thuật vẩy bóng qua đầu hậu vệ), một động tác chạm gối để qua thủ môn, rồi đánh đầu vào lưới trống. Tuy nhiên, sự kiện này không được ghi hình đầy đủ; chỉ có một bức ảnh chụp bởi nhiếp ảnh gia Raphael Herrera ghi lại khoảnh khắc Pelé đánh đầu.

Hồi giữa năm 2020s, nhóm DeepMind của Google đã dùng một chuỗi mô hình AI để tái tạo toàn bộ cảnh—không chỉ là một khoảnh khắc tĩnh mà là chuỗi động tác đưa tới bàn thắng đó—và kết quả được trưng bày tại Bảo tàng Pelé ở Santos. Dự án này kết hợp dữ liệu lịch sử, lời kể nhân chứng, các tư liệu ảnh, trang phục và đạo cụ lịch sử để đạt tới mức độ chân thực cao nhất có thể.

Những công nghệ chính: Gemini Omni và Performance Control hoạt động như thế nào?

Để hiểu kết quả, cần biết hai công nghệ chính mà DeepMind đã dùng:

Gemini Omni — mô hình đa phương tiện (multimodal)

• Gemini Omni kết hợp dữ liệu văn bản, ảnh và video để dựng bối cảnh: ánh sáng, kiến trúc sân vận động, khán giả, trang phục thập niên 1950.
• Việc mô tả độ chân thực lịch sử bao gồm texture của cỏ, vật liệu da trên quả bóng, dạng jersey và cả kiểu tóc của cầu thủ — tất cả đều là đầu vào cho mô hình để tạo ra cảnh có cảm giác đúng thời kỳ.

Performance Control — chuyển động từ người thật sang mô hình 3D

• Thay vì dùng suit mocap truyền thống (motion-capture suits với marker), Performance Control lấy video nguồn do diễn viên ghi lại và chuyển thành lưới 3D (3D blue-mesh) biểu diễn chuyển động.
• Quá trình này giống photogrammetry động: video nhiều góc độ được phân tích để trích xuất khung xương (skeleton) và mặt nón lưới (mesh) cho từng khung hình, rồi áp lên mô hình số để tái tạo chuyển động chân thực mà không cần marker.
• Lợi thế: giảm xâm phạm, giữ tính tự nhiên của động tác, dễ áp dụng ở những địa điểm lịch sử vẫn còn tồn tại như Javari.

Quy trình hiện trường: làm sao để AI ‘nhìn’ giống như bức ảnh Raphael Herrera?

Đội làm phim không chỉ để AI chạy trên server. Họ tới Javari — sân vẫn nguyên vẹn theo thời điểm — thuê diễn viên mặc áo đấu thập niên 1950 và dùng quả bóng da nâu nặng hơn các quả bóng hiện đại để tái tạo quán tính thực tế khi chạm, vẩy hoặc bay. Những chi tiết nhỏ như thế quan trọng với thuật toán: chúng quyết định đường bay bóng, tương tác với chân và đầu cầu thủ, và chuyển động vải áo trong gió.

Để mô phỏng ảnh chụp duy nhất của Herrera, nhóm đã nghiên cứu kỹ bản gốc: bố cục, chiều sâu trường ảnh (depth of field), tốc độ màn trập (shutter speed) mà một nhiếp ảnh gia thể thao thời đó có thể dùng, khẩu độ (aperture) ước lượng, và thậm chí loại film (film stock) và hạt (grain) để tái tạo màu sắc hoặc đen-trắng như bức ảnh gốc. Tất cả những thông số này trở thành hướng dẫn cho việc render cuối cùng.

Nhiếp ảnh học và điện ảnh trong dự án — những thuật ngữ cần biết

Đây là vài khái niệm nhiếp ảnh mà bạn sẽ thấy lặp lại khi phân tích sản phẩm AI này:

• Shutter speed (tốc độ màn trập): quy định hiện tượng đông cứng chuyển động hoặc tạo motion blur. Một pha bóng với tốc độ màn trập chậm sẽ có vệt mờ, làm giảm cảm giác “cắt” từng khoảnh khắc.
• Frame rate (fps): video nguồn và kết quả có thể dùng 24fps để có cảm giác điện ảnh, hoặc 60fps/120fps để ghi chi tiết chuyển động bóng đá; Performance Control cần khớp fps nguồn để chuyển động chính xác.
• ISO / độ nhạy: đưa vào mô hình ánh sáng để mô phỏng nhiễu/độ hạt của film cổ.
• Photogrammetry: phương pháp dùng nhiều ảnh tĩnh từ các góc khác nhau để tái tạo mô hình 3D — phiên bản động của phương pháp này là lấy video multi-view và dựng mesh động.

Tại sao dùng diễn viên thật thay vì hoàn toàn CGI?

Việc quay diễn viên thật trong trang phục thời đó mang lại nhiều lợi thế:

• Độ tự nhiên trong tương tác: cách áo phất theo chuyển động, trọng lực của quả bóng da, phản xạ của người chơi — tất cả tạo tín hiệu vật lý thực tế cho mô hình học.
• Hiệu ứng thực tế giúp Performance Control trích xuất chuyển động chính xác hơn so với việc mô phỏng chuyển động hoàn toàn bằng tay.
• Giữ liên hệ lịch sử: diễn viên ở chính sân Javari giúp duy trì tỷ lệ, góc nhìn và bối cảnh kiến trúc đúng vị trí.

Tính chân thực lịch sử và các giới hạn khoa học

Dù mô phỏng ấn tượng, có những giới hạn cần thừa nhận:

• Không thể khôi phục dữ liệu mà không tồn tại: AI tạo ra một phiên bản ‘có thể đã diễn ra’ dựa trên chứng cứ chứ không phải bản sao tuyệt đối.
• Những quyết định sáng tạo (artistic choices) trong việc đặt camera, ánh sáng, và framing có thể thiên về kịch tính hơn thực tế để thích hợp với ngôn ngữ điện ảnh hiện đại.
• Khả năng sai lệch do input không đầy đủ: nếu lời kể nhân chứng mâu thuẫn hoặc ảnh tham khảo thiếu góc nhìn, AI có thể kết luận những động tác hoặc khoảnh khắc không chính xác.

Đạo đức và tính minh bạch: khi AI dựng lại ký ức

Việc dùng AI để tái tạo các sự kiện lịch sử mở ra cả cơ hội lẫn rủi ro:

• Cơ hội: Trưng bày tại bảo tàng, giáo dục, và tái hiện cho khán giả trải nghiệm thị giác mà tư liệu gốc không còn hoặc chưa từng tồn tại. Với sự tham vấn của nhân chứng, dự án có thể giúp bảo tồn ký ức văn hóa.
• Rủi ro: Khán giả có thể nhầm tưởng rằng cảnh là bản ghi thật. Điều này đòi hỏi minh bạch về phương pháp: phải rõ ràng về nguồn gốc, những phần là suy diễn và những phần là chứng cứ.

Dự án DeepMind làm tốt ở chỗ họ tham vấn nhân chứng và ghi chú nguồn ảnh (Raphael Herrera) — nhưng vẫn cần nhấn mạnh rằng sản phẩm là tái tạo dựa trên mô hình, không phải bản ghi lịch sử.

Ứng dụng thực tế của việc tái tạo sự kiện bằng AI

Những lĩnh vực có thể hưởng lợi từ kỹ thuật này:

• Bảo tàng và giáo dục: đưa khách tham quan vào trải nghiệm sống động của một khoảnh khắc lịch sử.
• Điện ảnh và game: tạo các phân cảnh lịch sử khi không có tư liệu gốc hoặc phục dựng cảnh đã mất.
• Nghiên cứu thể thao: phân tích kỹ thuật cầu thủ, tái dựng động tác để huấn luyện hoặc phân tích kỹ chiến thuật.
• Bảo tồn di sản: phục dựng không gian, trang phục, và vật dụng để lưu trữ kỹ thuật số.

Kỹ thuật ảnh và video cần lưu ý khi muốn bắt chụp khoảnh khắc tương tự

Nếu bạn là nhiếp ảnh gia thể thao muốn ghi lại một khoảnh khắc hành động ngoạn mục theo phong cách cũ, đây là vài mẹo dựa trên phân tích bức ảnh Herrera và cách DeepMind mô phỏng:

• Sử dụng tốc độ màn trập nhanh (1/500s hoặc nhanh hơn) để đóng băng chuyển động, hoặc chậm hơn (1/125–1/60s) để tạo motion blur chiến thuật và cảm giác chuyển động.
• Khẩu độ rộng (f/2.8–f/5.6) để tách chủ thể khỏi hậu cảnh, hoặc khẩu độ nhỏ (f/8–f/11) để giữ nét sâu khi muốn nhiều chi tiết.
• Chọn tiêu cự phù hợp: 70–200mm phổ biến cho thể thao sân cỏ để nén phông và bắt biểu cảm; 35mm hoặc 50mm cho góc rộng hơn và cảm giác thân thuộc.
• Chú ý ISO để kiểm soát nhiễu/độ hạt: ISO thấp (100–400) cho ánh sáng ban ngày; ISO cao khi trời tối nhưng xử lý nhiễu trong hậu kỳ.
• Ghi video ở frame rate cao (60–120fps) nếu bạn muốn slow-motion để phân tích kỹ thuật.

Phản hồi từ cộng đồng báo chí ảnh và lịch sử

Những người trong nghề có hai luồng ý kiến: một bên hoan nghênh khả năng AI đưa khán giả gần hơn với ký ức lịch sử, bên kia cảnh báo về nguy cơ thay thế tư liệu gốc và làm mất đi giá trị chứng thực của ảnh gốc. Việc một nhiếp ảnh gia như Michael Christopher Brown trước đây từng dùng AI để minh họa các câu chuyện khó tiếp cận cho thấy lĩnh vực báo chí đang đối mặt nhiều lựa chọn khó.

Ứng dụng tại Bảo tàng Pelé và trải nghiệm công chúng

Phiên bản AI cuối cùng được chiếu tại Bảo tàng Pelé ở Santos — một không gian nơi câu chuyện đời và sự nghiệp của Pelé được lưu giữ và truyền tải. Tại bảo tàng, đoạn tái tạo không chỉ là clip đơn thuần mà được đặt trong ngữ cảnh: so sánh với bức ảnh của Raphael Herrera, giải thích công nghệ và nêu rõ giới hạn lịch sử. Việc trưng bày kèm theo lời kể nhân chứng giúp tăng độ tin cậy và giá trị giáo dục.

Các câu hỏi thường gặp (FAQ)

AI có thể khôi phục video gốc nếu nó chưa từng tồn tại không?

Không. AI không ‘tìm lại’ dữ liệu đã mất. Thay vào đó, nó tạo ra một mô phỏng dựa trên chứng cứ hiện có: ảnh, lời kể nhân chứng, kiến thức lịch sử và các ghi chép. Kết quả là một phiên bản hợp lý của sự kiện, không phải là bản ghi thật.

Liệu mô phỏng có thể gây hiểu lầm nếu khán giả tưởng đó là video thật?

Có thể. Đó là lý do tại sao mọi dự án có trách nhiệm phải minh bạch: chú thích rõ ràng đây là tái tạo, nêu rõ nguồn tài liệu, trình bày phương pháp và giới hạn. Bảo tàng hoặc nhà sản xuất nên kèm phần giải thích để tránh hiểu sai.

Ý nghĩa của việc dùng quả bóng da và áo đấu thật có quan trọng không?

Rất quan trọng. Những chi tiết vật lý như trọng lượng bóng và độ co dãn của áo ảnh hưởng đến chuyển động và tương tác vật lý, từ đó giúp AI trích xuất dữ liệu chuyển động chân thực hơn. Đó là lý do nhóm DeepMind chọn đạo cụ lịch sử thay vì đồ hiện đại.

Làm thế nào nhiếp ảnh gia có thể áp dụng bài học này vào công việc của họ?

Nhiếp ảnh gia thể thao có thể học cách kết hợp kỹ thuật ghi hình truyền thống (chọn shutter speed, aperture, focal length thích hợp) với hậu kỳ số để đạt được cảm giác thời đại mong muốn. Hiểu về motion capture và cách ánh sáng, kết cấu phản hồi trên film stock cũ sẽ giúp tái tạo phong cách lịch sử hơn là chỉ áp filter đơn thuần.

Kết luận: giữa công nghệ và di sản — một cuộc đối thoại cần tiếp tục

Dự án tái tạo bàn thắng của Pelé là minh chứng cho sức mạnh của AI khi kết hợp kiến thức lịch sử, nhiếp ảnh và phim trường. Nó mở ra nhiều ứng dụng hấp dẫn cho giáo dục, bảo tàng và giải trí. Đồng thời, nó đặt ra yêu cầu về minh bạch và trách nhiệm đạo đức để đảm bảo công chúng hiểu biên giới giữa ‘bản ghi’ và ‘mô phỏng’.

Nếu bạn quan tâm đến kỹ thuật nhiếp ảnh, cách chuẩn bị thiết bị để bắt khoảnh khắc thể thao đỉnh cao, hoặc muốn tìm hiểu thêm về phục dựng hình ảnh lịch sử bằng công nghệ số, hãy truy cập dancamera.vn để xem các bài viết hướng dẫn, review máy ảnh và khóa học thực hành. dancamera.vn cũng cung cấp tư vấn chọn ống kính, thiết lập shutter speed/frame rate và các buổi workshop về nhiếp ảnh thể thao và phục chế ảnh cổ.

Tài liệu tham khảo ngắn: thông tin về dự án DeepMind, bức ảnh Raphael Herrera, Bảo tàng Pelé, và các bài viết chuyên môn về photogrammetry, motion capture và nhiếp ảnh thể thao. Mọi trích dẫn gốc đều nên được kiểm chứng với nguồn gốc khi dùng cho mục đích học thuật hoặc báo chí.