你在電視里看見的體育新星，背後可能有AI演算法的一份力

演算法正在改變對運動員的評價方式。

發現下一個明星運動員一直以來都是一門科學，但從商業到醫療保健等各種各樣的人工智慧，也開始在職業運動員身上發揮作用。

計算機視覺、機器學習和其他形式的人工智慧使用演算法來分析球員表現統計數據、比賽視頻、來自各種感測器的數據以識別人才。

因為演算法梳理數據遠遠比人類快速，它們能比以前給團隊提供更多的深度信息。

更多數據的力量

職業棒球、籃球和曲棍球是目前使用人工智慧技術來補充傳統教練和球探不足的運動。

長期以來，棒球球探一直使用統計數據來評估球員。

但是現在球隊開始使用人工智慧技術來分析不斷擴展的球員數據——包括雷達槍數據(投擲速度和旋轉)，視頻跟蹤(玩家如何在球場上移動)，揮杆速度和機械學。

「場上發生的每一件事，每一場比賽的TB級數據都在被收集，所以現在這才是真正令人興奮的地方，」美國職業棒球大聯盟球探和棒球數據分析師阿里?卡普蘭(Ari Kaplan)說。

「在某些情況下，它給了你從未想過的洞察力，而這些情況可能會改變遊戲規則。」

在NBA里也是如此。

每個職業球隊現在都有計算機視覺系統來跟蹤球和球員在球場上的移動。

一些研究團隊通過機器學習來分析這些數據，以確定球員如何有效地執行接球、傳球和其它動作，Dean Oliver說。他是一個籃球統計學家，曾與NBA球隊進行過諮詢。

一些人利用這些數據來模擬隊友之間的互動，以確定哪些球員是成功的關鍵。

Oliver說:「這是我們目前所做事情的極限。」

新鮮的見解

人工智慧已經表明，它可以發現那些原本可能被忽視的人才。

19歲的肖恩·德茲(Sean Durzi)是安大略冰球聯盟(Ontario Hockey league)的防守隊員，他可能就是一個很好的例子。

Durzi是今年NHL選秀的熱門人選，但是當他在去年的選秀中出場時，頂級球隊並沒有發掘出他。

蒙特利爾初創企業Sportlogiq的曲棍球分析經理克里斯托弗?鮑徹(Christopher Boucher)表示:「如果球隊遵循了我們的系統告訴他們的規則，他們去年可能就會在最後一輪選中他。」

「現在他的排名要高得多，這將使他們在選秀前失去一次機會。」

該公司的計算機視覺軟體使用標準的比賽播放視頻來跟蹤球員在比賽過程中的動作和身體方向。

然後，機器學習演算法對這些數字進行處理，以評估玩家的技能和整體潛力，並將它們歸類為該公司所稱的「原型」——例如，將它們分成進攻前鋒、力量前鋒或防守前鋒等子類別。

系統還會發現特定的屬性。

例如，它把德茲標記為一個擅長將冰球移動到冰上的球員，在進攻區域尤其有創造力。

「但是數據真正允許的是深入了解未來的表現，」Boucher說，「我們可以從我們的內部指標中看出，一名球員是否會成為新星冉冉升起。」

擴大篩選範圍

Sportlogiq是幾家開發人工智慧系統的公司之一，該系統幫助球隊評估球員，並確保沒有有才華的運動員被遺漏。

「現在問題的一部分是如何在沙灘上找到鑽石，」布魯克林動力公司(Brooklyn Dynamics)的聯合創始人卡姆?波特(Cam Potter)說。

「我們的目標是讓大學和專業團隊能夠接觸到他們可能從未見過的孩子的數據。」

布魯克林動力公司(Brooklyn Dynamics)正在開發一款應用，可以讓球探、教練、甚至球員在該領域使用人工智慧工具——這樣，球員數據就可以被收集、分析並上傳到一個全球資料庫，大學和職業球隊都可以查閱。

得克薩斯州奧斯汀的人工智慧公司SparkCognition已開發出一種人工智慧系統，稱它可以讓大學迅速評估數千份學生運動員的申請。

該系統衡量玩家的統計數據和他們在遊戲視頻中的表現，同時也考慮到學業成績、推薦以及其他相關信息。

但不管新的人工智慧工具變得多麼複雜，人類都不太可能在短時間內被拋棄。

正如Shuja所說，「人工智慧將主要用來挑戰球探的信念和選擇，而不是取代他們。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！