（示意圖/取自pixabay）
體育業成為亞馬遜旗下雲端服務商AWS年度大會re:invent的焦點之一。
會上，AWS宣布與美國體育賽事聯盟「國家美式橄欖球聯盟（NFL）」、「一級方程式賽車（F1）」，以及「紐西蘭國家橄欖球隊（NZ Rugby）」合作，將為後者的各項賽事訂製賽場指導技術平台，並提供一種新的數據、影片分析方案，以支持賽事策略制訂、預防安全風險，並提高賽事觀賞性。
作為人工智慧的子集，機器學習擅長發現規律並作出判斷。現在，該技術在長期依賴經驗主義的體育業正刮起風潮。比如NZ Rugby正在測試的「Play the Grey」頂片分析方案，其中基於AWS的AI軟體，可以「觀看」比賽的即時影片，然後將有關球員和隊伍的表現數據，通過網路回傳至教練手中的平板電腦上，以供決策。
（圖片來源：AWS）
對於由工程技術驅動的F1賽事而言，保證數據的即時性至關重要，但很長一段時間，數據的收集、處理和分析方式顯得低效又落後。「數據點包括車中零件、賽車角度、外在環境、還有GPS等等。我們還要將掌握的數據運用到實況轉播中，提升觀賽的沈浸感。」F1專家技術顧問Rob Smedley，告訴現場媒體記者。
Rob Smedley解釋稱，F1可說是產生數據點最多的運動之一，每秒甚至可以產生20億個數據點。而機器學習可以讓大家瞭解兩件事，第一是賽車的進站策略，F1每次進站保養維修是關係到勝負的關鍵，賽手什麼時候進站，是否該換胎，這些都可以用機器學習來進行分析。此外，在播報比賽時，機器學習可以依照每位車手的數據，預估哪台賽車在什麼時間可以超過另一輛，以方便解說員將資料調出，向觀眾進行背景介紹和賽事預測。
美式橄欖球數據公司Pro Football Focus CEO、NBC體育解說員Cris Collinsworth指出，機器學習進入體育，意味著「思維方式的變化」，在效率和成本上均更優：「我們過去總讓老派、學界的人來為體育賽事出主意，而教練則通過比賽錄像來分析和指導運動員，現在通過技術來提供洞見和評估訓練效果，這是以前沒有過的。」
「說服體育賽事聯盟接受機器學習並不難，因為好處顯而易見，對於專業的賽事，機器學習也是非常恰當的用例。」亞馬遜AWS AI產品市場負責人Joel Minnick表示：「我們經常在和體育界人士討論的時候，圍繞這些數據如何幫助觀賽者，提高他們的體驗進行思考，主要體現在如何去理解賽道上發生了什麼情況。未來機器學習進入到體育行業，我們還可以用它來做一些賽事上的預測，進行選手培訓，讓他們在現有的成績上更進一步。同時，去提高參賽的安全性、去理解賽場發生了什麼問題、去即時的進行分析。」
「現在主要是數據量問題，但是這個問題是可以解決的。」 Joel Minnick說，目前，主流的數據方式是通過傳感器，比如在運動員身體上貼上無線電頻率標籤、採集位置和速度資料，這讓運動員看起來像是「行走的QR Code」。也有方案採用攝像技術，對運動員位置進行3D定位，這主要為加強即時性。攝像鏡頭能即時向系統傳輸海量的影片數據。
NFL健康與安全執行副總裁Jeff Miller說，數據被輸入機器學習算法後，就可以有各種用處，比如預測球員的傷病情況，對於高對抗性的美式橄欖球來說，這項技術「可能改變賽事規則」。
在過去的十年中，隨著人們越來越瞭解美式橄欖球高對抗性帶來的傷病風險，美國青少年對該運動的參與程度有所下降。陸續有退役的NFL選手，起訴NFL沒有適時警告球員賽事期間有腦震盪的危險，也沒有盡力去幫助那些遭受腦震盪傷害的球員。
據統計，NFL運動員在一個賽季裡，會受到多達1500次的頭部撞擊，因此給美國這項最受歡迎的運動蒙上一層陰影。此前在2017年，聯盟和退役球員簽署了一份和解協議，並拿出了約10億美元賠償後者的傷病損失。
慘痛的經濟損失，促使NFL決定與AWS合作，擁抱機器學習技術。
未來通過機器學習技術，系統可以即時發現潛在的傷病風險。「我們將能夠為NFL運動員建立模型，瞭解他們的行為，並有可能以我們現在無法掌握的方式預測受傷情況。」 Jeff Miller說。他希望，這個新項目收集的數據可以與賽事錄影結合，全面洞察橄欖球的安全風險。
本文為界面新聞授權刊登，原文標題為「傳感器和機器學習正進入體育賽場，人工智能如何改變體育行業？」