量化球員生理表現，設數字運營室：美網公開賽已被AI佔領！

• 2019 年 10 月 5 日
• 筆記

大數據文摘出品

來源：華盛頓日報

編譯：林苗、牛婉楊

《點球成金》讓人工智慧和足球的故事為多數技術迷們熟知，現在，網球比賽也開始出現越來越多人工智慧的身影。

使用AI技術，不僅能為球員的訓練助力，還可助力網球錦標賽的網路安全，媒體報道和球員監控。

照片：MATTHEW STOCKMAN / GETTY IMAGES

如果你在今年的美網公開賽上，問一個球迷最新最重要的技術發展是什麼，大部分人會說是Arthur Ashe球場的可伸縮屋頂。

然而，在我們看不見的地方，AI技術能為網球錦標賽帶來的改變，絕不僅僅是適合所有天氣的比賽條件那麼簡單。

美國網球協會正在使用IBM公司的Watson技術來保護他們的電腦，這些電腦會在比賽過程中製作賽場花絮，並探索AI技術如何量化和測量球員在比賽中的生理表現。

以往，教練和分析師們需要在賽後，花費大量時間和經歷，在比賽錄像上人工標記投籃、發球、破發點以及其他的參考點，以供將來分析。

美國網球協會球員發展部總經理Martin Blackman表示，「可以想像，這是一個非常勞動密集型的過程：一場持續一個半小時的比賽，通常需要花費三個小時進行數據標註。」

Coach Advisor：更高效，更懂你

藉助IBM新的AI工具Coach Advisor（教練顧問），這項流程可以實現自動化，並提供比以前更豐富、更多維度的詳細分析。

我們只需要把比賽影片傳輸至訓練顧問，就能顯示關於球員的速度和運動的影像，並進行數據標註；同時，這些數據會從生理符合和力學強度兩個角度進行分析。

生理負荷是對球員的體力消耗進行測量，其數據源包括球員的身高、體重、年齡和平均速度等資訊。力學強度主要是指球員加速和減速的效率，以及對身體的影響。

機器學習的模型對數據的輸入有一定的要求。一個已經訓練的、能識別諸如移動距離、球場位置和發球速度等因素的模型，可以像人類分析師一樣對比賽影片進行數據標註，但速度要快得多。

這項技術能讓教練進一步了解訓練方案對球員的比賽表現造成的影響，並找到改進的空間。甚至，教練還能知道，什麼時候球員可能需要採取自救措施以避免受傷。

IBM體育和娛樂部門的項目主管Elizabeth O』Brien認為，「教練確實有豐富的經驗和知覺，但是他們缺少實際數據的有力支援。現在，我們做到了。」在本周日即將結束的美網公開賽上，美國網球協會正在對這項系統進行測試，參與測試的球員包括Sloane Stephens和Frances Tiafoe。

Blackman先生表示，網球協會將在今年秋季開始向教練推出該系統，並在比賽過程中提供有效的數據回饋。

AI技術在美網公開賽這類重大賽事中作用顯著

近年來，專業體育比賽中的數據利用量大大增加。美國國家籃球協會也利用AI技術在比賽中跟蹤、記錄球員的運動情況。

然而，對於網球而言，這項技術的使用方式凸顯了AI技術如何快速、深入地在類似美網公開賽這類重大賽事中發揮作用。

在Arthur Ashe球場，數字運營室設立在一個隱蔽地帶，需要穿過一條服務通道、經過嚴格的安全檢查才能到達。這些數字運營室持續收集17個比賽球場的所有運動數據。IBM公司會將這些數據上傳到私有雲上，經過篩選和重新組織之後，再推動到公有雲上由Watson技術進行分析，把比賽的精彩瞬間快速剪輯在一起。

今年美網公開賽期間，IBM在Arthur Ashe球場的數字運營室。照片：IBM

IBM方表示，截至四分之一決賽，該系統已經分析了超過27,000個數據點和103個小時的影片。截至本周末總決賽結束時，它預計將分析超過31,000個數據點。

事實上，很多數據指標都是很微妙的。Watson技術能夠識別的語音輸入，包括觀眾的歡呼、球場上運動鞋的聲音，甚至是球擊打在球拍上的聲音。因此，Watson技術能夠確定哪些時間段的比賽是令人激動的，能夠稱得上是精彩瞬間。

AI技術對於美網公開賽的網路安全同樣至關重要

美網公開賽使用AI技術的另一個關鍵領域是網路安全。美網公開賽是全球參賽人數最多的體育賽事之一，其電腦系統對黑客來說有著非常大的吸引力。據IBM估計，在美網公開賽的歷史上，大約發生了2億次「網路事件」，其中大約有200萬次是非常嚴重的黑客攻擊。

IBM體育和娛樂部門的項目經理John Kent認為，這些網路事件大多數都是拒絕服務攻擊、嘗試破壞基礎設施以利用賽場的電腦進行區塊鏈挖礦。分析師能使用AI技術對大量的事件性質進行可視化處理，並確定處理的優先等級。

相關鏈接：

https://www.wsj.com/articles/ai-takes-center-court-at-u-s-open-11567762200