【科技.未來】當AI能預防受傷 分析比賽 將如何改變運動產業?

撰文:
最後更新日期:

本月初,美式足球大聯盟(NFL)宣布與亞馬遜(Amazon)合作,將使用人工智能(AI)分析比賽數據,以助預防這項激烈碰撞運動的球員受傷。事實上,美國職業棒球大聯盟(MLB)、英超(Premier League)等頂級運動界別近年也跟隨世界大潮流走上數據化,在一些高水平賽事如國家冰球聯盟(NHL)、溫布頓網球錦標賽(Wimbledon)或體操世錦賽等,AI更已開始擔當教練、球探,甚至裁判和賽事評述員。擅長從數據中得出見解的AI將如何改變運動產業?它們又可否就此取代運動專業人士?

在月初的亞馬遜的re:invent雲端服務大會,宣布與美式足球大聯盟(NFL)合作,以AI減少受傷。(NFL)

受傷在美式足球比賽中是家常便飯。據NFL統計,2012至2018年間,每年季前賽及常規賽發生逾200次腦震盪、約50至60次前十字韌帶撕裂、平均130多次膝內側副韌帶撕裂。今年3月退役的新英格蘭愛國者(New England Patriots)球員Rob Gronkowski憶述,曾遭受了約20次腦震盪。2017年一項針對111名已故美式足球員的研究更發現,當中有110人患有慢性創傷性腦病變(CTE)。

預防受傷成效存疑

這些安全憂慮也蔓延至青少年中。去年美國全國廣播公司與《華爾街日報》合辦的問卷調查中,近半數家長表示因為擔心會受傷而不想讓子女參與美式足球。所以,除在今年6月與美國大學生運動員協會(NCAA)合作探討改善安全外,NFL本月初宣布與亞馬遜雲端服務(AWS)合作,以AI從比賽數據分析什麼情況較常導致球員受傷,望最終能收預防之效。

這些研究固然人人樂見,但要真正做到卻甚為困難,因為受傷成因不一而足,可能與運動員的身體特徵有關,也可以是比賽場地有一個洞。受傷原因和過程也難測,一個被評估指有五種潛在原因會導致受傷的運動員,最終可能安然無恙,另一個狀態甚佳的運動員卻可能第二天就靭帶撕裂。作為MLB和一些大學運動隊伍的韌患預防顧問,流行病學家Zachary Binney形容這是「聖杯」:「人人都想做到而無人做到。在看到結果之前我仍會很懷疑。」

過往,NFL員工只是以人手從數以百小時計的比賽錄影查找導致受傷的原因,繼而採取預防措施,例如實施了較嚴格的頭盔標準;去年又修改了開球規例,禁止以所謂「wedge block」的方式阻截。據NFL介紹,AI將會使用聯盟現行的「次世代數據」(Next Gen Stats),透過球衣上的微型晶片收集球員在場上的位置、速度、加速等數據,另包括比賽錄像、比賽場地表面資訊、環境因素和匿名處理的球員受傷記錄。Binney補充,計劃一大限制在於他們沒有收集球員之間或球員與地面撞擊的力度,但仍可仔細記錄球員如何和以什麼速度跑動、轉向或擒抱(tackle),目標是找出美式足球中有否較容易導致受傷的共同元素。

NFL和AWS將會共同創立一個「數碼運動員」(Digital Athlete)平台,模擬球員在比賽時的多種情況。Binney預期:「他們其中一件可以做的事是向教練展示這些資訊,例如當他們叫一名線鋒(lineman)作出某種阻截或跑某條路線,就會產生某些轉向或減速,令我們可到悲劇發生。」

數據分析在運動上的威力有多大?2011年上映的荷里活電影《魔球》(Moneyball)告訴我們,MLB球隊奧克蘭運動家(Oakland Athletics)如何藉此把有限資源最大發揮。這其實已是各路兵家必備,英超球隊曼城高級分析員Aaron Briggs向英國廣播公司(BBC)說,空間數據是足球大數據軍備競賽中最新的戰線。過去幾年,英超比賽不但被錄影,還持續記錄球員和足球的移動:「空間數據十分關鍵,因為當你細看各球員在比賽中的參與程度,會發現他們有波在腳的情況通常不多於兩分鐘。」

英格蘭國家隊領隊修夫基(Gareth Southgate)認同數據科技是重要工具,但提醒:「在足球運動上,我們仍在尋找數據的最大好處。我們正大量收集數據,但你如何用它?作為教練,挑選球員甚為關鍵,但你如何區分在場上的兩個球員?在某些位置,例如前鋒,你可以很容易用入球和助攻來量化,但在其他位置可能視乎球隊的踢法,所以複雜得多。我們有一些關鍵表現指標(KPI),一般可反映出我們踢得好不好,但你可以在有很多控球時間、自由球或入球的情況下仍輸球。」

修夫基認同數據分析的重要性,但提醒該思考如何應用。(路透社)

提供數據助定戰術

有些運動員、球隊和專家認為,AI或許回答修夫基的問題。現效力西甲愛斯賓奴(Espanyol)的中場格尼路(Esteban Granero)創立了諮詢公司Olocip,使用AI幫助球會和球員在比賽戰術、球探和預防受傷三方面「作出最好決定」。他向《福布斯》解釋:「我看到球會如何開始收集數據,但他們在探究如何使用這些數據時迷失方向。球會在市場上找到的最好解決方案,是對這些數據提供圖像和描述性分析的工具。但是,要從數據抽取最有用的資訊,就需要依靠AI。這會減少球會使用前瞻和針對性分析時的不確定性,讓它們能作出更好的決定。」

格尼路說,Olocip和類似的公司沒有試圖在決策層面消除人類的角色,反而希望展示AI如何「支援」人類決定,成為球會的「外部部門」。Olocip可提供比賽中實時戰術建議,其數據科學主管Marco Benjumeda解釋:「當身處比賽中某個時刻,例如你剛進球,AI模型就會用比賽中的數據和足球專家設計的一些變項,嘗試形容比賽現場的狀態。然後AI會預測比賽在未來15分鐘會如何發展。你可看看某些變項的改變會如何影響其他變項,例如把球隊壓迫推前或嘗試保持更多控球,又或加快傳球節奏或在中路組織攻勢等。AI可估算這些變項的改變會如何增加你進球的機會。我們也可自動產生給教練的指示。」

由現役足球員研發的Olocip,聲稱其AI教練可作賽前預測分析,或在比賽中實時推演和建議戰術調動。(Olocip)

Olocip聲稱「幾支歐洲主要聯賽球隊、幾間代表機構、投資基金和其他運動項目」都在使用他們的模型,但沒有具名。格尼路對相關技術甚有自信:「大部份球會都明白科學能幫到他們。AI能大大減少不確定性,拒絕這種科技只會令球會錯失很多機會。西甲每間球會未來都會靠AI技術支持,我們只是先驅。」

格尼路顯然不是唯一的開拓者。不同運動界別都開始使用AI,應用原理和功能大同小異,都是利用AI的學習和辨識功能,從比賽片段整理出大量統計數據,把過往費事失事的人工作業以機器自動化,方便教練團預先制訂訓練和戰術,或即場變陣沙盤推演,有些則希望AI能進一步得出獨到見解。NFL球隊西雅圖海鷹(Seattle Hawks)上月底開始與AWS合作,除了把NFL的次世代數據與球會自家數據製成更具針對性的分析和專門統計之外,還以練習、常規賽和季後賽比賽影片,結合NFL讓教練、球探和賽會鳥瞰場上22名球員的Coaches Film建立分析平台,利用圖像及影片辨識技術Rekognition辨別和追蹤球員,以AI加強對對手攻守策略的理解,這樣就「可分析逼搶、擒倒、擒殺的次數,預測四分衛(quarterback)在受壓下的表現如何,以及根據傳球深度和接球後得到的距離,預測哪個防守球員會施壓。這可向教練團隊預備訓練和比賽時提供建議,作出有更多數據支持的決定」。

西雅圖海鷹(右)將整合聯盟及自家統計數據,並使用AI分析對手戰術。(Getty Images)

類似例子還有IBM的AI網球教練Coach Advisor,它可從比賽影片辨識球手移動距離、場上位置、發球速度等元素,再分兩部份分析。其一是「生理負荷」,基於球員身高、體重、年齡、平均速度等量度體力消耗;另一是「機械強度」,量度球員加速和減速及其對身體的影響。美國網球協會(USTA)球員發展總經理Martin Blackman指出,這可讓教練量度訓練和飲食如何影響球員表現,以作改善。

在長年使用統計數字評估球員的棒球界,部份球隊也開始利用AI分析更廣泛的球員數據,包括投球速度和旋轉、球員在場上如何跑動等。曾任幾支MLB球隊顧問的數據分析師Ari Kaplan聲稱,在一些個案中,「它(AI)可給你從未想過的見解,可能足以改變比賽結果。」曾任NBA球隊顧問的籃球數據分析師Dean Oliver也指,一些球隊使用AI辨識球員執行戰術如擋拆(pick & roll)的效率,有些則模擬球員如何互動來選定執行戰術的球員。

IBM想證明高科技也可用在較低水平的賽事,所以在去年找上資源匱乏的英格蘭第七級聯賽足球隊Leatherhead。該球隊在2017/18年球季排聯賽第六,差點便可晉身季後賽。當球隊寄望來季更進一步時,教練團卻帶同球員離隊,僅剩兩名球員;球隊又因在足總盃不慎派出不合資格球員出場,要繳還獎金而承受財政打擊。IBM希望AI能提升球隊表現,他們每場比賽錄影,由AI標籤出每名球員、死球、陣式,甚至每次傳球和跑動等數據。由於使用了「自然語言處理」(NLP)的AI技術,教練或球員可直接問「我們在左翼失了多少球」或「給我看看對某球隊的比賽射門」等問題,AI都能展示分析見解或相關比賽片段。IBM研究員Joe Pavitt補充:「它可閱讀Twitter動態和比賽報告來作出綜合賽後分析,可問它有關其他球隊的踢法和需密切提防的球員。」

去季接手的領隊Nikki Bull最初對AI成效存疑:「初次見面時,我只感到有人為我們記錄每場比賽,若這只是我們唯一所得到的,也算是額外收穫。」後來他們以AI找出球員的強弱項、選擇落場球員、制訂死球戰術,甚至改變陣式,季初慢熱的他們在聯賽榜逐步攀升,一度有望晉身季後賽。Bull說AI工具還可助教練與球員建立更好關係:「作為教練會有偏見。當有AI給你報告就可擯棄偏見,因為它不認識那些球員,報告只根據它看到什麼,不夾雜情緒。這是重大幫助。」

資源有限的Leatherhead,希望憑AI分析,「以蔗渣價錢踢出燒鵝味道」。(IBM; Ben Broomfield)

雖然Leatherhead在以3比0大敗於超班的聯賽冠軍Dorking後,晉身季後賽的機會幻滅,殘酷地證明了科技足球與金錢足球的差距,但Bull的副手Martin McCarthy肯定AI為球隊帶來了正面影響,「我和Nikki在開季時談到『如何定義成功』,他的答案是:『球迷會在球季最後一場比賽為我們鼓掌。』結果他們真的有這樣做。」

(香港01製圖)

繼續閱讀︰【科技.未來】AI任球探裁判評述 成也數據敗也數據?

相關文章︰

從數據尋找最佳配方 AI可滿足人類味蕾?

AI研發新口味 人類廚師將被取代?

阻止不當內容與自殺 AI協助社交媒體「消毒」

社交網絡以AI「消毒」 但AI可判斷「不當」內容?

上文節錄自第194期《香港01》周報(2019年12月23日)《AI進入賽場 如何改變運動產業》。

更多周報文章︰【01周報專頁】

《香港01》周報,各大書報攤、OK便利店及Vango便利店有售。你亦可按此訂閱周報,閱讀更多深度報道。



X
X
請使用下列任何一種瀏覽器瀏覽以達至最佳的用戶體驗:Google Chrome、Mozilla Firefox、Microsoft Edge 或 Safari。為避免使用網頁時發生問題,請確保你的網頁瀏覽器已更新至最新版本。