你在电视里看见的体育新星，背后可能有AI算法的一份力

算法正在改变对运动员的评价方式。

发现下一个明星运动员一直以来都是一门科学，但从商业到医疗保健等各种各样的人工智能，也开始在职业运动员身上发挥作用。

计算机视觉、机器学习和其他形式的人工智能使用算法来分析球员表现统计数据、比赛视频、来自各种传感器的数据以识别人才。

因为算法梳理数据远远比人类快速，它们能比以前给团队提供更多的深度信息。

更多数据的力量

职业棒球、篮球和曲棍球是目前使用人工智能技术来补充传统教练和球探不足的运动。

长期以来，棒球球探一直使用统计数据来评估球员。

但是现在球队开始使用人工智能技术来分析不断扩展的球员数据——包括雷达枪数据(投掷速度和旋转)，视频跟踪(玩家如何在球场上移动)，挥杆速度和机械学。

“场上发生的每一件事，每一场比赛的TB级数据都在被收集，所以现在这才是真正令人兴奋的地方，”美国职业棒球大联盟球探和棒球数据分析师阿里•卡普兰(Ari Kaplan)说。

“在某些情况下，它给了你从未想过的洞察力，而这些情况可能会改变游戏规则。”

在NBA里也是如此。

每个职业球队现在都有计算机视觉系统来跟踪球和球员在球场上的移动。

一些研究团队通过机器学习来分析这些数据，以确定球员如何有效地执行接球、传球和其它动作，Dean Oliver说。他是一个篮球统计学家，曾与NBA球队进行过咨询。

一些人利用这些数据来模拟队友之间的互动，以确定哪些球员是成功的关键。

Oliver说:“这是我们目前所做事情的极限。”

新鲜的见解

人工智能已经表明，它可以发现那些原本可能被忽视的人才。

19岁的肖恩·德兹(Sean Durzi)是安大略冰球联盟(Ontario Hockey league)的防守队员，他可能就是一个很好的例子。

Durzi是今年NHL选秀的热门人选，但是当他在去年的选秀中出场时，顶级球队并没有发掘出他。

蒙特利尔初创企业Sportlogiq的曲棍球分析经理克里斯托弗•鲍彻(Christopher Boucher)表示:“如果球队遵循了我们的系统告诉他们的规则，他们去年可能就会在最后一轮选中他。”

“现在他的排名要高得多，这将使他们在选秀前失去一次机会。”

该公司的计算机视觉软件使用标准的比赛播放视频来跟踪球员在比赛过程中的动作和身体方向。

然后，机器学习算法对这些数字进行处理，以评估玩家的技能和整体潜力，并将它们归类为该公司所称的“原型”——例如，将它们分成进攻前锋、力量前锋或防守前锋等子类别。

系统还会发现特定的属性。

例如，它把德兹标记为一个擅长将冰球移动到冰上的球员，在进攻区域尤其有创造力。

“但是数据真正允许的是深入了解未来的表现，”Boucher说，“我们可以从我们的内部指标中看出，一名球员是否会成为新星冉冉升起。”

扩大筛选范围

Sportlogiq是几家开发人工智能系统的公司之一，该系统帮助球队评估球员，并确保没有有才华的运动员被遗漏。

“现在问题的一部分是如何在沙滩上找到钻石，”布鲁克林动力公司(Brooklyn Dynamics)的联合创始人卡姆•波特(Cam Potter)说。

“我们的目标是让大学和专业团队能够接触到他们可能从未见过的孩子的数据。”

布鲁克林动力公司(Brooklyn Dynamics)正在开发一款应用，可以让球探、教练、甚至球员在该领域使用人工智能工具——这样，球员数据就可以被收集、分析并上传到一个全球数据库，大学和职业球队都可以查阅。

得克萨斯州奥斯汀的人工智能公司SparkCognition已开发出一种人工智能系统，称它可以让大学迅速评估数千份学生运动员的申请。

该系统衡量玩家的统计数据和他们在游戏视频中的表现，同时也考虑到学业成绩、推荐以及其他相关信息。

但不管新的人工智能工具变得多么复杂，人类都不太可能在短时间内被抛弃。

正如Shuja所说，“人工智能将主要用来挑战球探的信念和选择，而不是取代他们。”