三大国际体育组织正用人工智能和机器学习改进比赛方式

三个全球知名的组织正在利用AI和机器学习来改变球员和教练提取以及有效运用有价值数据的方式，从而帮助他们取得卓越的成绩。

大约10年前，体育分析方法论的先驱Bill James曾表示，如果有一件关于棒球统计分析法的事情是他希望越来越多人去了解的话，那就是，数据并不是重点，关键是要像剃刀一样使用数据来消除错误信念，找到真相。

“在棒球领域建立这种认知是很困难的，是因为整个行业的人一直在兜售关于数据的荒谬想法，”James当时这样说道。

自从作家Michael Lewis在2003年出版的《点球成金：赢得一场不公平比赛的艺术》一书中普及了关于棒球统计分析法的知识以来，体育分析已经远远超出了棒球范畴。计算机视觉、人工智能和机器学习现在都在发挥着作用。

下面就来看看这三家国际体育组织是如何使用AI和机器学习来改变运动员和教练运动方式的三个例子。

美国国家橄榄球联盟：利用AI和预测分析降低球员受伤风险

美国国家橄榄球联盟（NFL）正在利用AI和预测分析来提高球员的安全性。NFL与合作伙伴AWS合作开发了Digital Athlete，这个平台使用计算机视觉和机器学习根据比赛和身体姿势预测哪些球员的受伤风险最高。

Digital Athlete平台会从运动员的射频识别(RFID)标签、放置在场地周围每秒捕获60帧的38个5K光学跟踪摄像机中提取数据，以及天气、装备和比赛等其他数据。在每周的比赛中，该平台都会捕获和处理680万个视频帧，记录场上球员约1亿个地点和位置，还会从训练中提取数据，总计超过5亿个数据点。

AWS全球体育负责人Julie Souza表示：“我们对比赛场景进行了数百万次模拟，告诉球队哪些球员受伤的风险最高，然后他们利用这些信息来开发个性化的伤害预防课程。”

然后，他们利用Risk Mitigation Modeling模型分析训练数据并确定球员的理想训练量，最大限度地降低受伤风险。

Souza给出的建议就是：培养好奇心。

Souza表示，和其他数据驱动的计划一样，Digital Athlete利用的是数据而不是直觉和本能来了解比赛和训练期间场上发生的情况。

“这实际上是要有一种好奇的心态，第一件事情是要制定数据策略，建立数据基础，然后提出问题。”

国际网球联合会：利用计算机视觉改变网球教练方式

在2023年举行的比利·简·金杯（BJK）比赛中，国际网球联合会(ITF)与微软合作开发了一个基于AI的平台，该平台提供关于比赛的洞察，帮助教练调整球员的表现。

BJK杯是女子体育领域最大的年度国际团体比赛，每年有16支国家队有资格在这个享有声望的赛事中角逐冠军头衔。与男子戴维斯杯一样，BJK是为数不多的允许队长在比赛中更换场地时指导球员的网球比赛之一。

ITF在2021年与微软合作，为BJK杯比赛洞察平台提供支持。该平台使用球跟踪摄像头和3D雷达系统生成实时场上比赛数据，这些数据被输入到Azure中，并与实时得分数据相结合，对发球模式、接球和球员在球场周围移动进行分析，然后这些洞察通过微软Surface设备上的仪表板提供给队长。

ITF IT高级总监Mat Pemble表示：“我们真正地开始关注如何使用这些数据来支持球员、教练、球队以及绩效等方面参与其中的每个人。”

Capel-Davies给出的建议是：注重沟通。

ITF科学和技术负责人Jamie Capel-Davies表示，如果不能及时有效地传达指标并加以利用，那么指标就没有多大的意义。

“我们关注的关键问题之一是，最重要的指标是什么，以及如何有效地传达这些指标，这个应用最棒的一点在于它非常直观，还具有一定程度的定制功能。”

西甲联赛：利用AI和机器学习来实现最佳表现

西班牙顶级足球联赛西甲联赛（LaLiga）正在利用AI和机器学习为球员和教练提供新的洞察。

在微软的帮助下，西甲联赛创建了一个名为Mediacoach的数据分析平台，该平台使用Azure基础设施对通过16个光学跟踪摄像头在每场比赛中近乎实时捕获的约350万个数据点提供的洞察进行收集、解释和展示。这些摄像头安装在联盟的每个体育场内，以捕获有关球员和裁判的位置以及球运动方式的数据。

西甲联盟创新经理Ana Rosa Victoria Bruno表示：“我们通过每月生成的大量数据来提供统计数据和报告，系统中有112000份报告和800万位信息，这对于42个俱乐部来说是一个巨大的信息量。”

Goal Probability进球概率模型也是向广播公司提供的、用于吸引球迷参与的工具之一，这种模型利用了一系列变量，包括球员的视线（考虑到对方球员的位置），球与守门员之间以及球与球门之间的距离，与最近防守队员的距离和角度，来衡量完成给定得分机会的概率，此外还考虑了球员的效率指标，这项指标主要是基于球员每场比赛和每次射门的进球比率等变量的。

Bruno给出的建议是：组建一个多学科团队。

Bruno表示，需要一支由足球分析师、商业智能分析师和西甲分析团队组成的多学科团队才能取得成功。她说：“挑战之一是，为了将这些原始数据转化为知识，我们不仅需要数据科学家，还需要足球分析师、用户体验专家和教练。”