首页 > > 棱光资讯 > 公司新闻

人工智能将为篮球运动员打比赛提供协助

目前,NBA球队和体育公司已经转向学习型机器和人工智能化,这些新兴技术结合了前所未有的大量数据,揭示了对于单个球员,球队以及对手的新见解,并能够改变职业球员打篮球的方式以及球迷观看比赛的习惯。在过去15年左右的时间里,分析革命一直在影响篮球,而机器学习和人工智能就是其在篮球中的最新篇章。“这只是一系列的延续。”早期帮助Stats LLC技术公司与NBA合作的体育技术主管Brian Kopp如是说。

篮球与人工智能

当然,长期以来,球队一直在记录其得分,篮板和助攻等基本统计数据。但是在这种建立于分析的统计方法的帮助下,数学的力量显现了出来。他们使用统计工具设计了新的指标和公式,可以更准确地量化和预测球员和球队的表现。可以预见,在不久的将来,在任何篮球比赛或体育脱口秀节目商,你听到解说员提起进攻效率和PER(球员效率等级)这样的术语,就像听到“上篮”一样频繁。

当球队首次采用跟踪摄像机来分析球员投篮的角度时,这种复杂的统计方法对于NBA来说已经不算新鲜事了,但新的大量数据需要更新的技术和软件支持。 Kopp在接受媒体采访时表示:“随着SportsVU系统(监控摄像机追踪系统)的应用,我们所获得的数据就不是简单的记录在Microsoft Excel表格中 的数字了。”与此同时,功能日益强大的计算机正在推动学习型机器的发展,因此NBA团队和Stats等公司都在使用它。目前他们的任务是把追踪到的数据变成更易理解的表达,比如说一个特定的目标,就像是识别如同“带球”这样特定的动作,“挡拆”(即掩护走位)这样需要球手和队友细致入微的配合策略。无论是学习型机器还是人工智能都能完美完成这些若任务,尽管我们无从得知其运作模式,但而模式识别正是区分比如由“挡拆”衍生而来的变体动作所需要的。

对于需要学习这些模式的算法而言,首先,它必须创建一个初始数据集,训练数据越多,算法在识别前所未见的数据模式方面的表现就越好。然后,通过该生成的软件可以浏览所有跟踪数据,识别并标记每场球赛甚至每个球员,并创建一个可搜索,注释的数据集并将每个球员动画化的移动点图表。有了这样一个数据库,教练可以做很多事情,例如,寻找特定比赛中的特定对手的胜率。有必要的话,他们可以把每次勒布朗·詹姆斯冲向篮筐并且从角落传球给队友,让其能够顺利投中三分球的举动单独列出来。

不过我们需要的知道的一点是,这些算法完成的计算人类同样可以做到。人类非常善于识别各种模式,而且NBA团队长期雇用员工来审查视频并识别球赛规划的明显短板。但是,让人类筛选数百小时的镜头来识别每一次传球,投篮,抢篮板,切入,投篮和翻滚这些动作,是非常不切实际的。Second Spectrum的总裁Maheswaran认为,学习型机器引导自动化发展,这就让教练有更多的时间来制定战略并与球员互动。


联系我们

电话:0510-86410099
传真:0510-86410099
地址:江苏省江阴市澄江中路159号A座409-410