隨著科技的發(fā)展,人工智能與數(shù)據(jù)科學已經(jīng)在體育領域發(fā)揮越來越重要的作用。世界上鮮有事物無法量化,而能夠量化的一切,都可以使用數(shù)據(jù)分析加人工智能的組合進行精確預測。拿體育領域來說,其中的可量化元素就非常豐富,正合適人工智能在其中大顯身手。另外需要澄清的一點是,人工智能在體育領域的應用絕不僅限于提高運動員的賽場表現(xiàn)。畢竟現(xiàn)代體育運動的涵蓋范圍已經(jīng)非常廣泛,絕不僅僅體現(xiàn)在運動員群體身上。
下面,我們具體聊聊AI與數(shù)據(jù)科學影響體育世界的六種具體方式。
1.發(fā)現(xiàn)人才、招募人才
無論是棒球、橄欖球還是其他體育項目,運動隊伍都在越來越多地使用運動員個人表現(xiàn)數(shù)據(jù)來衡量他們是否擁有良好的身體條件與發(fā)展?jié)摿Α5诤Y選下一位體育巨星的過程中,單憑公開的統(tǒng)計數(shù)據(jù)(例如奔跑速度、射門精度或者傳球水平)是遠遠不夠的,我們需要考慮更為復雜的多因素指標。
在這方面,人類天然的局限性導致我們無法準確記錄并評估這些指標。隨著大數(shù)據(jù)與人工智能全面入駐體育領域,對此類成功指標的管理、記錄與衡量過程也變得愈發(fā)便捷且可靠。計算機視覺、機器學習以及其他形式的AI方案利用算法分析玩家的統(tǒng)計數(shù)據(jù)、比賽視頻以及來自各類傳感器的收集信息,借此發(fā)現(xiàn)那些可能被教練或球探忽略掉的寶貴人才。
具體來說,AI可以使用歷史數(shù)據(jù)(各類體育比賽中有據(jù)可查的資料)幫助隊伍準確預測新人運動員的未來潛力。此類算法的數(shù)據(jù)梳理速度遠超人類,能夠為團隊提供以往根本無法想象的選手個人信息。此外,這類AI算法還可以估算選手的市場價值,幫助隊伍在招攬新人才時提出準確的報價。
2.分析鍛煉與訓練效果
人工智能正在快速積累專業(yè)知識,借此建立起量化且可測量的變量(例如奔跑速度、射門精度以及時間指標)與定性因素(例如專注力、戰(zhàn)略觀、團隊合作能力)之間的相關性。在這個過程中,AI技術有助于組建團隊,保證選手之間發(fā)揮出良好的互補作用。而為了達成這一目標,我們首先需要著眼于鍛煉方法與訓練計劃,評估其是否有效以及如何進一步提升運動員訓練效果。
如今,幾乎所有運動員都在使用AI驅動型的可穿戴設備。這類設備利用機器學習平臺捕捉并分析選手動作中的細微變化,這將幫助系統(tǒng)了解日常訓練與鍛煉有沒有帶來積極變化,以及具體效果如何。此外,分析系統(tǒng)還能夠通過這些數(shù)據(jù)為選手提供關于營養(yǎng)學、健身方法以及更具個性化的訓練計劃,幫助運動員們進一步提升賽場表現(xiàn)。
例如,PrecisonWEAR公司就希望開發(fā)出能夠盡量減少傷害、并改善運動員賽場表現(xiàn)的高級可穿戴設備。PrecisionWEAR通過測量步幅不平衡、速度、力量以及其他與運動相關的變量,及時向當前訓練者通知身體對訓練內容的反應。它可以幫助選手根據(jù)訓練影響以及身體反應快速做出調整決策。以此為基礎,選手能夠更科學準確地設定鍛煉與休息周期,保證身體不致因訓練不當或過度而受到傷害。
3.規(guī)劃戰(zhàn)術、改善成績
對于教練來說,AI技術還能幫助他們在各類激烈對抗的競技體育中規(guī)劃戰(zhàn)術。在比賽間隔期間,AI方案會不斷提出各類洞見,并深刻影響教練制定的具體戰(zhàn)術。
通過可穿戴式傳感器與高速相機的結合,AI平臺現(xiàn)在已經(jīng)能夠準確測量網(wǎng)球、曲棍球、板球以及其他多種運動中各類對象的速度、旋轉與位置信息,當然也能夠準確把握場上選手們的動作與對比賽進程造成的影響。掌握這些數(shù)據(jù)之后,教練們就能更好地為下一場比賽做好準備。更重要的是,AI技術還能夠預測各類對抗策略的成功機會。例如,部分橄欖球教練就在借助于AI,快速摸索出正確的技戰(zhàn)術思路。
以一級方程式(F1)賽車為例,這是當今世界最受矚目的運動項目之一,同時也是數(shù)據(jù)驅動程度最高的高人氣賽事。目前,大部分F1賽車安裝有200到400個傳感器,數(shù)據(jù)科學的發(fā)展極大簡化了數(shù)據(jù)收集流程,而AI技術則負責解釋這些數(shù)據(jù)。在AI的幫助下,車隊能夠以可視化方式整理數(shù)據(jù)并計算進站時間。目前,Amazon Web Services(AWS)已經(jīng)為多支F1車隊提供云計算平臺,其中保存了過去六十年以來的賽事數(shù)據(jù),可供各車隊分析以找出適應當前比賽的最佳戰(zhàn)術。
4.在體育場館中創(chuàng)造更好的觀看體驗
配備有AI與物聯(lián)網(wǎng)技術的智能安全攝像機有助于改善運動場館與體育賽場的安全與運營水平。在大型體育賽事管理方面,我們主要面對三大核心挑戰(zhàn):保護游客免受危險或暴力行為的侵害;為游客們提供充足的停車位;提高餐廳與衛(wèi)生設施的接待能力。在運營方的控制之下,這些因素將直接決定觀眾們的實際體驗。事實證明,無論是安保運營商、開發(fā)商還是集成商,都從技術方案在體育領域的不斷普及與升級當中受益匪淺。
首先,觀眾們往往很難在體育場館或者體育設施周邊找到合適的停車位。而在比賽結束之后,瞬間涌出的觀眾也會讓駛出路線變得擁堵不堪。在這類場景下,智能停車概念將發(fā)揮重要作用。
與機場等公共交通設施類似,部署在體育場館中的物聯(lián)網(wǎng)安全攝像頭也有助于監(jiān)視及控制賽事過程中的訪客流量。大多數(shù)體育館此前就已經(jīng)配備有攝像系統(tǒng),只需要對接相關功能即可分析視頻數(shù)據(jù),并實現(xiàn)與其他物聯(lián)網(wǎng)設備的實時通信。
目前,眾多初創(chuàng)企業(yè)與公司都在開發(fā)用于攝像機的智能應用,使這些設備得以檢測到隊列長度以及結賬/排隊如廁的等待時間,而后據(jù)此對訪客進行導流。當然,智能安保攝像機也不一定非要選擇固定機位,攝像機同樣可以與無人機結合帶來更靈活的監(jiān)控范圍:
5.廣播與流媒體增強
【與身處現(xiàn)場觀看比賽的粉絲們相比,通過電視或者數(shù)字設備觀看比賽在體驗上天然存在脫節(jié)——這種脫節(jié)全面體現(xiàn)在情緒狀態(tài)、信號、互動以及反應等方面。數(shù)字化技術的成熟,則有望給整個遠程觀眾群體帶來更獨特的個性化觀看體驗。未來,門票銷售可能將面臨巨大壓力——屆時用戶無論是坐在沙發(fā)上還是身處超大規(guī)模體育場內,都有可能享受到個性化程度更高、交互性更強的實際體驗。從這個角度來看,體育隊伍、活動場地、賽事主辦以及頒獎典禮組織等各類機構恐怕都得想辦法進一步提升現(xiàn)場吸引力?!?/span>
2018年世界杯賽就是個很好的例子,當時全球數(shù)十億球迷齊聚屏幕前觀看了各場對抗。FOX Sports不僅對比賽進行實時轉播,同時還及時上線了FIFA世界杯Highlight Machine項目——這是一套基于AI技術的平臺,可幫助球迷們在幾秒鐘之內創(chuàng)建并共享自己的定制化精彩片段集錦。
利用這套交互式平臺,球迷們可以按照年份、球隊、球員以及比賽進程(例如罰球及進球)瀏覽并篩選FIFA以往及當前的各類比賽歸檔。而在美國公開賽以及溫布爾登網(wǎng)球公開賽等其他標志性賽事中,愛好者們也獲得了類似的全新工具,幫助他們年復一年不斷獲得更高的“體驗”標準。
運行在幕后的智能技術能夠實時“處理”數(shù)據(jù),“學習”準確識別事件參與者、“聆聽”觀眾們的反應與情緒,甚至理解人們的手勢——將這一切結合起來,個性化內容自然應運而生。
6.提升判罰準確度
技術在體育賽事中的最早用途之一,就是幫助裁判們做出更準確的裁定。以草地網(wǎng)球運動為例,行業(yè)很早就使用調整相機幫助裁判確認網(wǎng)球到底落在了界內還是界外。而在板球比賽中則有Hawk-Eye技術,足球領域的是虛擬輔助裁判(VAR)技術。
這類技術的引入,使得體育賽事更加公平且規(guī)范,也讓裁判的判罰更具客觀性。特別是板球比賽,粗糙的判斷能力往往會引發(fā)運動員們的嚴重不滿;技術、特別是AI技術的出現(xiàn),大大提升了板球運動的公正性。
隨著時間推移,AI系統(tǒng)也將快速學習,掌握利用數(shù)據(jù)對位置、進攻、選手姿勢及位置進行準確定位的訣竅。隨著機器學習的改進,相信賽事的判罰意見將變得更加準確、更加統(tǒng)一。
總結
無論我們如何努力將可預測性與確定性引入體育運動,以人類為主體的屬性必然會讓競賽繼續(xù)保持強烈的不可預測性與意外因素。正是這些變數(shù),讓體育運動吸引著全球各地的無數(shù)觀眾。只要大眾對于體育仍然著迷,企業(yè)就將繼續(xù)用心耕耘這片市場。而只要體育界能夠保持收益,面向體育技術的投入與整合也將持續(xù)推進。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。