人工智能技術在體育領域應用現狀研究綜述

(中央財經大學 體育經濟與管理學院 北京 102206)

一、引言

計算機科學的極大發展重塑了我們今天的世界。人工智能、大數據、區塊鏈等技術的產學研體系良好結合使得這些前沿技術快速地從實驗室走出來，融入大眾的日常生活中。一項顛覆性技術的基本特征是高度可擴展性和可融合性，被視為未來基礎設施的人工智能在體育領域亦有極其廣泛的應用空間和顛覆性影響。學者胡揚曾提到，人工智能必定推動體育產業的發展，助力體育強國建設。鄒小江(2019)關于人工智能應用現狀的綜述研究，以體育和智能作為關鍵字檢索發現，這一方面的期刊文獻共21篇，另有碩士論文兩篇，可見國內關于這一方面的研究很少，并且大多是論述類的文章而非技術性研究，與體育方面的融合也不夠深入。實際上在體育產業最為發達的北美地區，關于人工智能在體育領域的研究文獻和實際應用都已具備相當多的成果。例如，Grabyo公司與Opta Sports合作，利用人工智能向特定賽事的粉絲發布自動實時視頻剪輯；Give Me Sport也采用了類似的理念，將自己的體育時刻發布到Facebook上吸引廣大粉絲；NASCAR采用一種新的技術來簡化裁判程序，使用技術和攝像機來識別比賽違規行為；Lumo Bodytec和彪馬聯手打造了一款尖端人工智能產品，利用實時數據分析人類生物力學；Connexion kiosk將使用其人工智能軟件來分析運動員的健康數據，以便實時了解其身體狀況。相關應用不勝枚舉。

前面提到的各種通過人工智能技術提高效率和參與度的概念，已經使人工智能對體育行業的影響力初現。隨著人工智能的能力不斷完善和提高，它將繼續在體育事業中發揮越來越重要的作用。因此本文通過介紹和綜述國內外關于人工智能技術在體育行業中的應用現狀和未來潛力，希望可以使得更多的人參與到體育與前沿技術結合的研究中來，給傳統體育發展模式提供更開闊的視角和解決現存問題的新思維方式。

二、人工智能在體育領域的應用現狀

當今的數字化時代，很少有東西是不能量化的。隨著大數據技術的發展，不僅使傳統的結構化數據可以更高效、更有價值地利用起來，同時也產生更多、更大量的非結構化數據(包括視頻、圖片、自然語言等)可以使分析和預測變得更加容易方便。任何可以量化的東西，都可以通過數據分析和人工智能精確預測。體育世界充滿了這些可量化的元素，使其成為人工智能應用的理想場所。近年來，人工智能在體育中的應用已成為一個普遍的現象，這一技術領域通過不斷迭代提高的能力將更深入、更廣泛地進軍體育領域。以下是體育運動中人工智能將發揮主要作用的幾個領域。

(一)運動員訓練和比賽情況監測與分析

這一領域主要是通過攝像設備和傳感器等硬件終端，運用深度學習在計算機視覺領域的應用范例。心態對于運動員的作用是體育界的中心話題，一個普遍觀點認為在競爭中情緒的存在和強度會通過消極或積極的方式影響運動員的表現(Lazarus 2000; Hanin 2012)，要想驗證情緒對運動表現的影響，就需要對比賽中的情緒進行準確的測量。使用機器學習識別視頻和圖像中的面部表情取得了非凡的進展，現在已經有成熟的工具用于復雜的面部識別任務，并根據機器檢測的面部特征去預測情緒。Stephanie et al(2018)通過觀察比賽直播中運動員的面部表情，提出了一個可以預測與運動相關的七種情緒狀態——包括焦慮、憤怒、煩惱、沮喪、得意、專注和興奮的框架。通過一種用單攝像機視頻預測運動員運動情緒的方法，以現有的面部檢測圖像處理工具和基本情緒狀態的公共數據為基礎，開發出針對比賽競爭環境下的運動員情緒預測模型。在球類運動中，預測運動員行為的問題受到很多關注，通常被稱為重影問題(ghosting problem)，越來越多的跟蹤數據可用于記錄球員在比賽中如何移動。因此，國外學者使用一些方法利用這種跟蹤數據來構建數據驅動的重影模型(ghosting model)。Gedas et al(2018)使用可穿戴GoPro相機在比賽期間獲得的數據，運用深度卷積網絡學習了一個球員中心籃球重影模型(egocentric basketball ghosting model)，這一模型是從第一人稱圖像生成的可靠籃球行為序列，可以以一種無監督的方式學習，避免了獲取行為數據的昂貴和費時，可以被廣泛地應用于各種不同的體育應用，比如球員未來行為預測，或者教運動員如何在比賽中做出更好的決定。

(二)賽事成績預測和評價

這一方法的實質其實是利用機器學習算法來建立非線性模型，從而提高回歸模型的擬合能力，從而更準確的預測被解釋變量。王晶(2017)提出了一種基于機器學習算法的體育成績預測模型，利用結構風險最小化原則的支持向量機算法，在小樣本情況下改善了大學生體育成績預測的效果，進而能夠評價大學生的身體素質，指導校園體育改革。類似地，高素霞(2018)基于混沌理論，引入極限學習機算法建立了運動員成績預測模型，提高了運動員成績的預測精度，使得預測結果更加可靠。

(三)運動員健康保障

人工智能的引入正以不同的方式改變著醫療行業，同樣，人工智能非凡的預測和診斷能力也可以應用于體育領域。運動員作為俱樂部最重要的人力資本，受傷是影響運動成績的最大因素之一。關鍵球員的受傷會給球隊帶來數百萬美元的損失，也可能是比賽成敗的關鍵。為了確保球員的健康和體能，越來越多技術工具應用到球員保健中，AI已經成為體育團隊的最新醫療工具。例如讓運動員定期接受身體測試，使用AI分析運動員的健康參數和身體動作，以評估他們的健康狀況，甚至可以發現疲勞或壓力引起的損傷的早期跡象，幫助醫療隊保持球員健康，并通過采取及時的治療，使運動員免受傷害。Calham et al(2018)介紹了一種被稱為傷害風險緩解系統(Injury Risk Mitigation System)的專業分析引擎，它利用常見的個人和團隊運動指標來提供先進的預處理技術和機器學習算法。這些算法經過調整，可以對某一天的個人受傷風險做出估計，并且可以用來管理個人的運動負荷，或者作為一個更先進的傷害風險的逐日或逐周指標。另外人工智能在危險系數極高的賽車運動中也具備很大的應用空間，NASCAR公司運用人工智能技術采用了一種深度學習神經網絡，可以利用圖像識別特定的車輛，最終有助于更快、更準確地在駕駛員面臨危險之前識別出故障的車輛，然后向維修人員發出信號，讓他們盡快修理出故障的汽車。

(四)體育媒體和賽事直播

在國外的體育媒體領域，人工智能正通過自動化引領體育新聞的新紀元。例如，美國的媒體機構美聯社與初創公司automatic Insights合作，擴大其對小聯盟棒球比賽的報道。Automatic Insights開發的人工智能驅動平臺Wordsmith使用自然語言將硬數據轉換成敘事報導，因此，美聯社已將其報道能力擴大到13個聯賽和142支MLB附屬球隊。由于體育統計是基于數字的，所以體育對于自動化新聞工作很適用。這些數據可以以一種便于編寫自動化文章的方式進行結構化。Emerj對自動化新聞進行了研究，探索了當前跨行業應用的廣度。除了為運動員和體育管理者帶來革命性變化，人工智能還可以徹底改變直播，影響觀眾體驗體育的方式。根據現場發生的事件，人工智能系統可以自動選擇要顯示在觀眾屏幕上的正確相機角度，它可以根據查看者的位置和語言首選項自動為實時事件提供不同語言的字幕。人工智能系統還可以根據體育競技場上觀眾的興奮程度來確定投放廣告的合適時機，從而使廣播公司能夠通過廣告銷售有效地利用盈利機會。

三、人工智能在體育中潛在的未來應用

未來人工智能技術的應用不可能止步于此，Kumba Sennaar(2019)提出了一些可能的發展方向和設想。首先是AI助理教練，Kumba Sennaar認為在不遠的未來，使用人工智能來幫助球隊發展或改進比賽策略可能成為現實。俄勒岡州立大學的研究人員Alan Fern正在利用游戲視頻和深度學習訓練電腦如何理解足球比賽和教練比賽。計算機可以為教練和球隊提供更高的準確性，以比人類更快的速度分析常見錯誤和改進比賽。另一個有望在近期實現的發展方向是自動視頻集錦。IBM宣布從2017年開始，通過Watson平臺利用認知計算能力提高溫布爾登網球公開賽的體驗，例如AI自動視頻集錦。IBM稱它的技術可以根據特定的比賽數據，如“人群噪音分析、球員的動作和比賽數據”，自動整理比賽中的亮點，顯著加快組織和處理視頻集錦的過程。不僅如此，人工智能技術在賽事裁判上也大有作為——計算機視覺裁判。法國的Grégoire Gentil設計了一款售價199美元的口袋大小的設備，名為“Tennis In/Out”，它利用計算機視覺來檢測網球擊球的速度和位置，包括球是否出界，雖然該設備目前是一個新奇的應用程序，但它顯示出人工智能軟件和相機硬件的可擴展性越來越強。隨著開源人工智能工具和在線教育課程的蓬勃發展，這類應用程序將不再罕見。物聯網和人工智能的結合正變得越來越受歡迎，因此有理由認為，體育(以及廣義上的健康)將成為一個適合這種創新的行業。只要體育對大眾仍然具有吸引力，企業就總有機會從中獲利；只要體育界還有利潤可賺，對體育技術的投資和融合就會繼續下去。