AI留给教练的时间已经不多了

文/黄康瑄

来源/智能相对论（ID：aixdlun）

上周末，由于新冠疫情而不断推迟的NBA 2020-2021季前赛终于开打。失去卫冕机会后，因伤病而沉寂了去年整个赛季的勇士队又遭遇了汤普森报销、格林和怀兹曼核酸检测呈阳性等一连串不幸，可谓命运多舛。“战术鬼才”泰伦·卢成为快船主教练后，小卡连季前赛都得乖乖上场。即便如此，快船在第一战对阵没有詹姆斯的湖人，依然以六分惜败，可说是出师不利。

卢指导们的工作可不只安排上场阵容一项，还包括战术制定、球员训练、临场指挥、球队管理、新秀挑选。现今，人工智能已经能承担其中部份职责，甚至在某些方面做的比人类教练更加出色，教练的饭碗似乎受到了威胁。

除了主力球员们的实力，情报资料的获取、分析与应用也对战术制定乃至比赛胜负有着至关重要的影响。尤其是一年一度、采取循环赛制的NBA，无论是季前赛、常规赛、季后赛还是明星赛，每场赛事都是数据资料的珍贵情报源，谁能从中挖取更多有效情报，谁就能更了解对手，在比赛中先发制人、抢占先机。在球员交易和新人选秀上也是如此。毕竟知己知彼，百战不殆。

如今，在竞争激烈的NBA赛场上，最了解球员的早已并非球队教练、也不是对阵多次的老对手、甚至不是球员自己，而是人工智能。

滴水不漏的AI监控

过去，获取球队及球员资料的方式只有一个——目测。藉由观看比赛，记录每位球员的投篮、罚球、犯规、篮板、抄截等攻防数据，再经由统计分析，总结出球员及球队特色，得出一个经验式的结论。如迈阿密热火队现任主教练埃里克·斯波尔斯特拉，曾经依靠每天观看大量比赛录像，评估球员表现，藉由脚踏实地的数据研究分析，带领热火队两次夺得NBA总冠军，打造了曾经的热火王朝。

但这样的技术分析方式不仅耗时费力、效率较低、人力成本高，还容易出现疏漏，无法记录太详细的数据。毕竟若每次传球或持球时间都要统计，以NBA比赛的快节奏，记录员低下头记录的瞬间，球可能又转手了两次。

最早让球员使用人工智能技术和数据分析协助球队经营与提高球场成绩的NBA队伍应该是达拉斯小牛队(现改名为独行侠队)。2005年，在原用于军事领域的追踪分析数据系统SportVU刚刚在篮球赛场上应用，小牛队便抢先引入，并在一年后的2005-2006年赛季成功杀入总决赛。

SportVU相当于一个针对场上所有球员的“监视器”，通过球馆天花板上悬挂的六个每秒能抓取25幅图片的3D高清摄像头，以各种传感器和计算机视觉技术动态捕捉球员动作。每场比赛之前，操作员必须对SportVU系统进行调试，包括设置感应器跟随球员移动，标记球场界限和将每位球员个人轮廓设定为检测对象。系统就能采集球员的空间坐标及每一次跑动、触球、传球、切入、投篮等动作，并为每个坐标加上时间点和球员ID，将这些数据资料到服务器之后，数据收集的工作便基本完成。

而后，SportVU系统会针对收集来的数据资料进行分析，并将处理过的数据导入NBA庞大的数据库，再进行可视化还原。借此得出某一个球员在场上的效率值、攻防跑位、持球时间等单靠人类记录员无法量化的详细数据。

SportVU系统的引入可说是拉开了NBA数据化的序幕。继小牛队的成功试用之后，SportVU逐渐被越来越多球队所接受。2009年，马刺、火箭和雷霆队相继将SportVU系统运用于训练比赛。同年，在湖人和魔术队的总决赛期间，魔术主场便安装了此系统，代表SportVU正式进入NBA赛场。到2013年，SportVU体感追踪技术系统已经成为NBA全联盟30支球队的标配。

SportVU可统计的数据类别

被称为“球员监视器”的SportVU可说是一个追踪场上所有球员的宏观数据分析系统。而Synergy Sports则是针对某位球员的微观统计工具。通过分析比赛视频，Synergy Sports能够记录一个球员在场上所有进攻防守方式、参与了多少攻防回合，然后分析出各种攻防方式的效果及所占的比重，并将结果呈现给教练和球员。

Synergy的系统能精准统计某位球员在挡拆中更喜欢向左还是向右突破，当他持球绕过掩护后习惯跳投还是传球。可以帮助球队更加精确地分析对手，从而找出破解对方进攻或防守的办法。最早引进Synergy Sports的球队是达拉斯小牛和迈阿密热火，这两支球队在随后的2005-2006赛季双双进入NBA总决赛。2008年，NBA官方与Synergy公司达成8年合作协议，向Synergy提供40万小时的比赛视频以及录像集锦。到2011年，NBA全联盟已有26支球队使用了Synergy的数据系统。

近年来，这类结合计算机视觉与数据分析的人工智能技术在竞技体育界十分受宠。除了NBA，Synergy公司还为美国职业棒球大联盟和NCAA等客户提供统计数据和分析服务。去年，体育技术公司Atrium Sports收购了Synergy，希望结合Synergy的数据统计分析专长与Atrium的自动视频制作技术创造更多商业机会。据说Atrium Sports和Synergy的联合，创造了一家价值1亿美元的体育数据和AI公司。

除了比赛监测，计算机视觉技术也可运用于日常练习。如以色列运动技术公司PlaySight Interactive的Smart Court系统采用了基于军方的空战分析技术，通过九个高清摄像头从不同角度记录球员的动作、跑动距离、位置、反应时间等数据，并在第一时间将分析结果反馈给教练和数据检测人员。它可以实时监控每一个场地上进行不同训练的球员，然后提供指导数据，让每个球员的训练效果最大化，防止球员偷懒。

目前，PlaySight Interactive曾两次被Fast Company提名为世界上最具创新力的体育公司之一。已为网球、篮球、足球等上千个多运动设施提供智能球场。主要客户包括NBA联盟与金州勇士和亚特兰大老鹰等球队、美国网球协会(USTA)、和霍芬海姆(Hoffenheim)足球俱乐部。高尔夫巨星Greg Norman、ATP排名世界第1的网球巨星Novak Djokovic与19次网球大满贯得主Billie Jean King等知名运动员都是PlaySight的投资人。

形影不离的数据采集

依托于计算机视觉技术的SportVU、Synergy Sports和PlaySight Smart Court可以藉由摄像机来取得球员技术能力的相关数据，而球员个人的体能情况则需要依靠穿戴设备来监测。金州勇士队就非常乐于使用这类高科技产品来帮助训练，被称为“NBA中的谷歌”。

ShotTracker是一套能帮助球员改善投篮技术的系统，使用时需佩戴配套的护腕和护肘，依靠其中的智能芯片和安装在篮网上的感应器，可计算出投篮者的投篮精度、投篮力度等相关数据，之后通过手机APP查看。这样的精确指导，是人类教练无法做到的。使用者可从APP看到自己在投篮方面的量化数据，从而有针对性的改良自己的投篮习惯。相传“水花兄弟”中的汤普森平时就会使用ShotTracker进行训练。

Catapult Sports的小型监控器也是金州勇士等NBA众多球队的“常备用品”。此设备能追踪佩戴者的加速度、变向、心率、膝盖与脚踝的压力等指标，帮助教练了解球员身体情况，调整球员上场和休息时间。也让球员在训练时知道自己该休息多久，同时让偷懒变得更不容易。

作为全球顶尖的体育科技公司，Catapult Sports的监控器及相关系统可说是体育界目前使用最为广泛的AI穿戴设备之一。除了NBA多支球队，法国、阿根廷、克罗地亚、瑞典等男女足国家队；皇马、拜仁、切尔西、莱斯特城等足球俱乐部；上港、恒大、一方、泰达等多个中超队伍与鲁能、幸运星等足球学校；橄榄球、冰球、曲棍球、网球、排球等众多项目的专业运动队伍皆为Catapult Sports的客户。

此外，还有采用肌电图等医学技术的Athos智能压力衣，通过内部的感测设备追踪球员肌肉、呼吸、心率、神经等身体机能的运作方式，并将数据传输到手机app中。可以时刻掌握球员的体能状况，避免过度训练造成疲劳，帮助减少运动损伤。

身为Athos投资人之一的勇士队老板乔·拉科布(Joe Lacob)十分认可这件智能运动衣，他表示:“勇士队已经开始在训练中使用Athos的科技。而现在不只是运动员，所有健身爱好者都可以接触到这些新技术。这能帮助他们理解哪些肌肉的负荷过大，以及他们目前的锻炼程度如何，这对健身来说都是非常关键的数据。Athos给了所有人帮助，让他们可以更有效的进行健身。”

虽然勇士队已经借助许多智能穿戴设备，在提高训练效率的同时尽量避免伤病，但2018赛季中，当家球星杜兰特和汤普森还是分别受到跟腱和十字韧带的严重损伤；库里也在去年十月不慎骨折，导致勇士队在2019赛季垫底。看来即使有AI加持，NBA中的谷歌依然逃不过墨菲定律。

变化莫测的数据应用

人工智能让NBA比赛中能取得的数据资料量呈现指数型增长，为了处理这些数据，NBA引入德国软件巨头SAP的SAP HANA内存计算平台系统。将智能设备收集来的战术、空间位置、球员健康等数据实时传送到SAP HANA系统上，让用户在不对业务数据进行建模、聚合的情况下，直接对大量实时业务数据进行查询和分析，以满足球队分析师、第三方机构，乃至于球迷的数据分析以及可视化需求。

相同的数据通过不同的使用方法，可以发挥各种不同的作用。

哈佛大学访问学者柯克•格斯贝瑞（Kirk Goldsberry）团队曾发布一套新的算法，可通过NBA球员的动作追踪数据，分析该球员的防守效果。例如在科怀•伦纳德(Kawhi Leonard)的防守下，基本不可能在三分线外出手投篮；若防守者换成克里斯•保罗（Chris Paul），不仅在任何位置都很难投篮，即使投出去也很难命中。

还有一些球队利用智能系统所获取的资料结合传统统计数据，进行交叉分析，根据场上的进攻与防守数据协助教练制定战术，以及选择签约合适的球员。

例如奥兰多魔术队与体育分析科技公司STATS合作，利用AutoStats软件专利的人工智能和计算机视觉技术，直接从高校级赛事视频中提取全面的球员跟踪数据。并通过POSE软件分析大学球员的身体能力（例如跑步与跳跃能力）、投篮准确率等基本信息，对球员的潜力进行全面评估。尝试用人工智能来负责教练团队中球探的工作内容，用更客观的标准作为新秀选拔与球员交易的参考。

这些AI系统大幅减轻了NBA教练团队的工作负担，过去耗时耗力的数据统计工作由人工智能与计算机接手，滴水不漏的传感器监测与通过网络实时上传的数据，让系统能在短时间内自动提供大量完整而详细的情报资料。

穿戴设备对球员体能的监测与技术的量化则让球队管理与日常训练变得更加便利有效。使教练能以更加客观详尽的资料为基础，将精力集中于制定战术等更重要的工作。人工智能发展至此，或许可以说是教练们的福音。但聪明的AI已抢先一步，开始“侵蚀”教练最主要的工作内容–战术制定。

无所不能的AI教练?

来自美国洛杉矶的篮球数据分析公司Second Spectrum推出了一款系统，可运用计算机视觉等AI技术，直接从NBA比赛视频中提取出大量数据。并通过一种叫作“时空模式识别”的算法，识别球员在球场上执行的战术特征。

Second Spectrum的系统能学习球员的精确移动，识别打法变化及篮球运行轨迹。以挡拆为例，人工智能可分辨持球者是否需要队友的掩护，掩护者是应当挡拆后切入还是掩护后的切出。还能结合持球球员及其他数据（进攻动作、防守者位置、球员历史定点命中率等数据），建模预判一个球员在特定区域的投篮命中率，一旦球不能被投进，还可预判篮板球的落点，以及谁将抢到篮板球。

该系统能辨认挡拆、双档掩护等500种篮球战术。球队只需几秒钟就能读懂对方的比赛策略并预测趋势，并藉由视频的解析，帮助球员提高临场判断能力。Second Spectrum通过AI将预测球场上“因为实施某种技战术而产生固定的结果”变成了可能。这项技术颇受投资人青睐，快船队老板、微软前CEO史蒂夫·鲍尔默(Steve Ballmer)甚至是Second Spectrum的投资人，快船队也因此成为NBA第一个使用此系统的球队。

2016年底，NBA联盟和Second Spectrum达成合作，将2017-2022 NBA全美赛场的视频跟踪和分析权限授予Second Spectrum。意即Second Spectrum不仅能向NBA球队提供服务且从中收费，这六年中分析的NBA比赛视频还可直接卖给消费者，NBA联盟则能从中分成。

目前已有洛杉矶快船、金州勇士、克里夫兰骑士等二十多个NBA球队购买了Second Spectrum的服务。未来，Second Spectrum还打算将此技术运用到NFL、NHL、EPL及其他运动领域的主流联赛。

无法替代的教练职责

Second Spectrum的系统让人工智能学会了原本需依靠多年实战经验才能做出判断、作为教练主要职责的战术制定。与资深教练的“经验之谈”相比，AI通过大量数据统计、依靠概率得出的结论或许更加客观且论据充分。

虽然人工智能制定战术在技术上已成为现实，但依靠数据计算得出的结果是固定的，意味着所有购买这套系统或是运用类似算法的队伍都能得到相近的结论。战术制定的可贵之处在于出其不意、攻其不备，如何利用AI给予的建议和情报，设计出让敌方意想不到的巧妙战术而出奇制胜，这是只有人类教练才能完成的任务。且目前的人工智能还无法胜任临场指挥的任务，比赛情况千变万化，随时可能出现意想不到的突发状况，人类很难教会AI何时该叫暂停和安排上场球员，毕竟这不像战术那样有着固定规则。

除此之外，在竞技体育中，球员的个性和心理素质也是影响其表现与未来发展的重要因素之一。如选秀的时候，人工智能通过视频分析，只能判断球员体能与球技水平，对于其心理状态一无所知。而在竞争异常激烈的NBA赛场上，强大的心理承受能力是成为优秀球员的必要条件。关于这一点，只能依靠人类教练与球员直接接触来判断，AI并不能帮上忙。且篮球作为一项团体运动，球员间的人际关系有时也需要教练团队从中调和。主教练在比赛进行时，也承担着鼓励球员、提高球队士气的责任。

人工智能发展至今，已承担了情报资料收集、球员健康管理、日常训练监督等教练团队大部份的工作内容，将教练团从大量的重复劳动中解放。未来，AI的前进方向并非抢走NBA百万年薪的教练饭碗，而是和人类教练“并肩作战”、各司其职，继续发挥强大的数据分析、监测及计算能力，为球队提供详实完整的分析资料，让球员及教练站在更高的基础上为我们带来更加精彩的比赛。

*本文图片均来源于网络

深挖智能这口井，同好添加vx：zhinengxiaoyan

此内容为【智能相对论】原创，

仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。

部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。