传感器和机器学习正进入体育赛场，人工智能如何改变体育行业？

记者 | 彭新

编辑 |

高强度对抗的体育业成为亚马逊云AWS年度re:Invent大会的焦点之一。

会上，AWS宣布与美国体育赛事联盟国家美式橄榄球联盟（NFL）、一级方程式赛车（F1），以及新西兰英式橄榄球（NZ Rugby）合作，将为后者的各项赛事定制赛场指导技术平台，并提供一种新的数据、视频分析方案，以支持赛事策略制定，预防安全风险，并提高赛事观赏性。

作为人工智能的子集，机器学习擅长发现规律并作出判断。现在，该技术在长期依赖经验主义的体育业正刮起风潮。比如NZ Rugby正在测试的“Play the Grey”视频分析方案，其中基于AWS的AI软件可以“观看”比赛的实时视频，然后将有关球员和队伍的表现数据通过网络回传至教练手中的平板电脑上供决策。

对于由工程技术驱动的F1赛事而言，保证数据的即时性至关重要，但很长一段时间数据的收集、处理和分析方式显得低效而落后。“数据点包括车中零件、赛车角度、外在环境、还有GPS等等。我们还要将掌握的数据运用到实况转播中，提升观赛的沉浸感。”F1专家技术顾问Rob Smedley告诉现场媒体记者，

Rob Smedley解释称，F1可说是产生数据点最多的运动之一，每秒甚至可以产生20亿个数据点。而机器学习可以让大家了解两件事，第一是赛车的进站策略，F1每次进站保养维修是关系到胜负的关键，赛手什么时候进站，是否该换胎，这些都可以用机器学习进行分析。此外，在播报比赛的时候，机器学习可以依照每位车手的数据，预估哪台赛车在什么时间可以超过另一辆，以方便解说员将资料调出，向观众进行背景介绍和赛事预测。

美式橄榄球数据公司Pro Football Focus CEO、NBC体育解说员Cris Collinsworth指出，机器学习进入体育，意味着“思维方式的变化”，在效率和成本上均更优：“我们过去总让老派、学界的人来为体育赛事出主意，而教练则通过比赛录像来分析和指导运动员，现在通过技术来提供洞见和评估训练效果，这是以前没有过的。”

“说服体育赛事联盟接受机器学习并不难，因为好处显而易见，对于专业的赛事，（机器学习）也是非常恰当的用例。”亚马逊AWS AI产品市场负责人Joel Minnick告诉界面新闻记者，“我们经常在和体育界人士讨论的时候，围绕这些数据如何帮助观赛者，提高他们的体验进行思考，主要体现在如何去理解赛道上发生了什么情况。未来机器学习进入到体育行业，我们还可以用它来做一些赛事上的预测，进行选手培训，让他们在现有的成绩上更进一步。同时，去提高参赛的安全性，去理解赛场发生了什么问题，去及时地进行分析。“

“现在主要是数据量问题，但是这个问题是可以解决的。” Joel Minnick说，目前，主流的数据方式是通过传感器，比如在运动员身体上贴上射频标签，采集位置和速度信息，这让运动员看起来像是“行走的二维码”。也有方案采用摄像技术，对运动员位置进行3D定位，这主要为加强实时性。摄像头能实时向系统传输海量的视频数据。

NFL健康与安全执行副总裁Jeff Miller说，数据被输入机器学习算法后，就可以有个各种用处，比如预测球员的伤病情况，对于高对抗性的美式橄榄球来说，这项技术“可能改变赛事规则。”

在过去的十年中，随着人们越来越了解美式橄榄球高对抗性带来的伤病风险，美国青少年对该运动的参与程度有所下降。陆续有退役的NFL选手起诉NFL没有适时地警告球员赛事期间有脑震荡危险，也没有尽力去帮助那些遭受脑震荡伤害的球员。据统计，NFL运动员在一个赛季里会受到多达1500次的头部撞击，因此给美国这项最受欢迎的运动蒙上一层阴影。此前在2017年，联盟和退役球员签署了一份和解协议，并拿出了约10亿美元赔偿后者的伤病损失。

惨痛的经济损失，促使NFL决定与AWS合作，拥抱机器学习技术。未来通过机器学习技术，系统可以及时发现潜在的伤病风险。“我们将能够为NFL运动员建模，了解他们的行为，并有可能以我们现在无法掌握的方式预测受伤情况。” Jeff Miller说。他希望，这个新项目收集的数据可以与赛事录像结合，全面洞察橄榄球的安全风险。

新闻推荐

巴以双方再次发生冲突 致37名巴勒斯坦人受伤

新华社加沙12月6日电（记者陈霖）以色列士兵6日与加沙地带东部的巴勒斯坦示威者发生冲突，造成至少37名巴勒斯坦人受伤。...