一支NBA球隊的人工智慧之旅：從球探到球員的技術「魔術」

今年3月，《福布斯體育財經》(Forbes SportsMoney)報道了奧蘭多魔術隊通過與體育分析和科技公司STATS合作，開創性地使用人工智慧來加強他們的球探和分析部門。

《福布斯》隨後發布了一些統計數據，以便更深入地了解魔術隊所開創的具體技術，以及在不久的將來，它將如何被更多的職業球隊和大學級別的球隊所使用。

據先前報道，奧蘭多魔術隊與STATS的合作將包括AutoStats軟體，該軟體「通過專利的人工智慧和計算機視覺技術，直接從視頻中提供全面的球員跟蹤數據」。由於高校比賽現場的場內跟蹤系統非常有限，這項新技術使得魔術隊能夠獲得以往無法實現的高校級賽事跟蹤數據。

通俗地講，這意味著STATS將能夠僅通過一個實時或之前錄製的遊戲視頻源，就可以向魔術隊提供球員的跟蹤數據和分析功能。在過去，STATS公司依賴於SportVu硬體通過場內攝像機來捕捉球員的跟蹤數據，但這將數據範圍僅限於NBA正規賽和一小部分大學，且無法用於解析已經錄製好的以往比賽。

現在，這一切已成為過去。

STATAS公司計算機視覺負責人兼AutoSTAT and POSE軟體首席開發者Sujoy Ganguly表示，「我們開發出了一台「時光機」。」

「我們做到的最酷的事情之一，就是回到過去，把數據與視頻處理能力回溯至喬丹時代。我們能夠用我們的姿勢軟體（POSE）進行分析，直接比較喬丹與勒布朗的賽場表現。」

「通過這種方式，關於誰更強的爭論終將告一段落。」

所謂的POSE技術是一款專有軟體，可以跟蹤、測量並分析人體運動，例如揮動球棒、投籃、甩肩或者運動員進行的任何其它與運動相關的活動。

Ganguly反覆強調，他們的計劃是為各個運動隊伍——特別是之前提到的奧蘭多魔術隊——提供軟體，讓他們全權決定自己想學什麼，並從比賽資料中總結經驗並吸取教訓。

Ganguly解釋稱，「我們並非向使用POSE的隊伍直接提供數據。我們希望構建起個性化的運動模型，而非強製為團隊指定具體使用方式。」

通過雙方的獨家合作，STATS希望從魔術隊學習經驗，而魔術隊也可以藉此摸索如何使用這種新型軟體工具。

「我們希望確保我們提供的信息是有用的和必要的，讓奧蘭多魔術隊能夠藉此回答他們正需要解決的問題。到目前為止，我們已經將該技術應用於棒球試驗當中，用以追蹤運動與疲勞之間的關係。」

▲ 圖為奧蘭多魔術隊主教授Steve Clifford史無前例地利用新的AI球探軟體培養有價值球員。

可以假設，利用新的AI解決方案，NBA將能夠立足身體能力（例如跑步與跳躍能力）、投籃準確率等基本信息，對球員的能力進行全面評估。到目前為止，對於籃球技術的研究一直缺少真正科學的方法，人們只能通過肉眼觀察與統計數據進行結合衡量。從理論上講，球員應該能夠為投籃及其它運動動作設定基準，並將各位球員的實際表現與預期模型進行比較。

Ganguly解釋稱，「我們已經能夠通過輸入視頻獲取姿勢信息，包括3D圖像。」

這意味著POSE軟體也可用於分析大學中的潛在優秀球員，或者觀察一個特定的球員從大學到職業生涯中的任何一個特定階段的能力發展情況。

STATS方面表示，只要視頻的清晰度達到480 P或者更高，該軟體就能給出公平的分析結論。

目前，我們還無法斷言，魔術隊究竟如何使用這款軟體，以及其在球探工作當中發揮的具體作用。但可以肯定的是，隨著NBA選秀以及6月自由球員交易期的到來，他們肯定會充分利用這項技術，以識別任何可能代表球員競爭優勢的指標。

對於體育領域的其它運動項目而言，我們也期待看到AI技術的更多表現，包括其將如何逐步得到明確定義與發展。Ganguly和他的STATS團隊對於自己的成果很有信心，並認為這項技術翻開了體育競技的新篇章。

Ganguly表示，「目前，如果單從視頻角度出發，我們已經能夠回溯至上世紀九十年代中期。我們也在嘗試處理較為粗糙的低解析度影片。我們使用低延遲範式，每次處理的負載量較少，因此目前的處理周期還比較長。」

著眼於未來，除了NBA之外，STATS公司還希望能夠將自己的軟體用於大學校隊的比賽規劃與運動員培養。

STATS方面指出，「目前我們正在與奧蘭多魔術隊開展短期合作，並計劃開發成功之後逐步擴展相關成果。」

「大學高校是我們接下來的關注重點。我們希望了解AI技術能夠給大學運動隊伍帶來怎樣的助益，這個問題目前還沒有明確的答案。我希望利用它來比較比賽風格、找出其它風格相似的隊伍，同時藉此進行運動員培養——包括投籃技巧以及運球方法等。」

時間將證明這項技術在球探與球員培養方面的可行性與實用性。如果奧蘭多魔術隊能夠從STATS的AI成果當中獲得符合預期的收益，那麼這也許真的會是一場激動人心的「魔術」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！