人工智能技术在体育领域应用现状研究综述

(中央财经大学 体育经济与管理学院 北京 102206)

一、引言

计算机科学的极大发展重塑了我们今天的世界。人工智能、大数据、区块链等技术的产学研体系良好结合使得这些前沿技术快速地从实验室走出来，融入大众的日常生活中。一项颠覆性技术的基本特征是高度可扩展性和可融合性，被视为未来基础设施的人工智能在体育领域亦有极其广泛的应用空间和颠覆性影响。学者胡扬曾提到，人工智能必定推动体育产业的发展，助力体育强国建设。邹小江(2019)关于人工智能应用现状的综述研究，以体育和智能作为关键字检索发现，这一方面的期刊文献共21篇，另有硕士论文两篇，可见国内关于这一方面的研究很少，并且大多是论述类的文章而非技术性研究，与体育方面的融合也不够深入。实际上在体育产业最为发达的北美地区，关于人工智能在体育领域的研究文献和实际应用都已具备相当多的成果。例如，Grabyo公司与Opta Sports合作，利用人工智能向特定赛事的粉丝发布自动实时视频剪辑；Give Me Sport也采用了类似的理念，将自己的体育时刻发布到Facebook上吸引广大粉丝；NASCAR采用一种新的技术来简化裁判程序，使用技术和摄像机来识别比赛违规行为；Lumo Bodytec和彪马联手打造了一款尖端人工智能产品，利用实时数据分析人类生物力学；Connexion kiosk将使用其人工智能软件来分析运动员的健康数据，以便实时了解其身体状况。相关应用不胜枚举。

前面提到的各种通过人工智能技术提高效率和参与度的概念，已经使人工智能对体育行业的影响力初现。随着人工智能的能力不断完善和提高，它将继续在体育事业中发挥越来越重要的作用。因此本文通过介绍和综述国内外关于人工智能技术在体育行业中的应用现状和未来潜力，希望可以使得更多的人参与到体育与前沿技术结合的研究中来，给传统体育发展模式提供更开阔的视角和解决现存问题的新思维方式。

二、人工智能在体育领域的应用现状

当今的数字化时代，很少有东西是不能量化的。随着大数据技术的发展，不仅使传统的结构化数据可以更高效、更有价值地利用起来，同时也产生更多、更大量的非结构化数据(包括视频、图片、自然语言等)可以使分析和预测变得更加容易方便。任何可以量化的东西，都可以通过数据分析和人工智能精确预测。体育世界充满了这些可量化的元素，使其成为人工智能应用的理想场所。近年来，人工智能在体育中的应用已成为一个普遍的现象，这一技术领域通过不断迭代提高的能力将更深入、更广泛地进军体育领域。以下是体育运动中人工智能将发挥主要作用的几个领域。

(一)运动员训练和比赛情况监测与分析

这一领域主要是通过摄像设备和传感器等硬件终端，运用深度学习在计算机视觉领域的应用范例。心态对于运动员的作用是体育界的中心话题，一个普遍观点认为在竞争中情绪的存在和强度会通过消极或积极的方式影响运动员的表现(Lazarus 2000; Hanin 2012)，要想验证情绪对运动表现的影响，就需要对比赛中的情绪进行准确的测量。使用机器学习识别视频和图像中的面部表情取得了非凡的进展，现在已经有成熟的工具用于复杂的面部识别任务，并根据机器检测的面部特征去预测情绪。Stephanie et al(2018)通过观察比赛直播中运动员的面部表情，提出了一个可以预测与运动相关的七种情绪状态——包括焦虑、愤怒、烦恼、沮丧、得意、专注和兴奋的框架。通过一种用单摄像机视频预测运动员运动情绪的方法，以现有的面部检测图像处理工具和基本情绪状态的公共数据为基础，开发出针对比赛竞争环境下的运动员情绪预测模型。在球类运动中，预测运动员行为的问题受到很多关注，通常被称为重影问题(ghosting problem)，越来越多的跟踪数据可用于记录球员在比赛中如何移动。因此，国外学者使用一些方法利用这种跟踪数据来构建数据驱动的重影模型(ghosting model)。Gedas et al(2018)使用可穿戴GoPro相机在比赛期间获得的数据，运用深度卷积网络学习了一个球员中心篮球重影模型(egocentric basketball ghosting model)，这一模型是从第一人称图像生成的可靠篮球行为序列，可以以一种无监督的方式学习，避免了获取行为数据的昂贵和费时，可以被广泛地应用于各种不同的体育应用，比如球员未来行为预测，或者教运动员如何在比赛中做出更好的决定。

(二)赛事成绩预测和评价

这一方法的实质其实是利用机器学习算法来建立非线性模型，从而提高回归模型的拟合能力，从而更准确的预测被解释变量。王晶(2017)提出了一种基于机器学习算法的体育成绩预测模型，利用结构风险最小化原则的支持向量机算法，在小样本情况下改善了大学生体育成绩预测的效果，进而能够评价大学生的身体素质，指导校园体育改革。类似地，高素霞(2018)基于混沌理论，引入极限学习机算法建立了运动员成绩预测模型，提高了运动员成绩的预测精度，使得预测结果更加可靠。

(三)运动员健康保障

人工智能的引入正以不同的方式改变着医疗行业，同样，人工智能非凡的预测和诊断能力也可以应用于体育领域。运动员作为俱乐部最重要的人力资本，受伤是影响运动成绩的最大因素之一。关键球员的受伤会给球队带来数百万美元的损失，也可能是比赛成败的关键。为了确保球员的健康和体能，越来越多技术工具应用到球员保健中，AI已经成为体育团队的最新医疗工具。例如让运动员定期接受身体测试，使用AI分析运动员的健康参数和身体动作，以评估他们的健康状况，甚至可以发现疲劳或压力引起的损伤的早期迹象，帮助医疗队保持球员健康，并通过采取及时的治疗，使运动员免受伤害。Calham et al(2018)介绍了一种被称为伤害风险缓解系统(Injury Risk Mitigation System)的专业分析引擎，它利用常见的个人和团队运动指标来提供先进的预处理技术和机器学习算法。这些算法经过调整，可以对某一天的个人受伤风险做出估计，并且可以用来管理个人的运动负荷，或者作为一个更先进的伤害风险的逐日或逐周指标。另外人工智能在危险系数极高的赛车运动中也具备很大的应用空间，NASCAR公司运用人工智能技术采用了一种深度学习神经网络，可以利用图像识别特定的车辆，最终有助于更快、更准确地在驾驶员面临危险之前识别出故障的车辆，然后向维修人员发出信号，让他们尽快修理出故障的汽车。

(四)体育媒体和赛事直播

在国外的体育媒体领域，人工智能正通过自动化引领体育新闻的新纪元。例如，美国的媒体机构美联社与初创公司automatic Insights合作，扩大其对小联盟棒球比赛的报道。Automatic Insights开发的人工智能驱动平台Wordsmith使用自然语言将硬数据转换成叙事报导，因此，美联社已将其报道能力扩大到13个联赛和142支MLB附属球队。由于体育统计是基于数字的，所以体育对于自动化新闻工作很适用。这些数据可以以一种便于编写自动化文章的方式进行结构化。Emerj对自动化新闻进行了研究，探索了当前跨行业应用的广度。除了为运动员和体育管理者带来革命性变化，人工智能还可以彻底改变直播，影响观众体验体育的方式。根据现场发生的事件，人工智能系统可以自动选择要显示在观众屏幕上的正确相机角度，它可以根据查看者的位置和语言首选项自动为实时事件提供不同语言的字幕。人工智能系统还可以根据体育竞技场上观众的兴奋程度来确定投放广告的合适时机，从而使广播公司能够通过广告销售有效地利用盈利机会。

三、人工智能在体育中潜在的未来应用

未来人工智能技术的应用不可能止步于此，Kumba Sennaar(2019)提出了一些可能的发展方向和设想。首先是AI助理教练，Kumba Sennaar认为在不远的未来，使用人工智能来帮助球队发展或改进比赛策略可能成为现实。俄勒冈州立大学的研究人员Alan Fern正在利用游戏视频和深度学习训练电脑如何理解足球比赛和教练比赛。计算机可以为教练和球队提供更高的准确性，以比人类更快的速度分析常见错误和改进比赛。另一个有望在近期实现的发展方向是自动视频集锦。IBM宣布从2017年开始，通过Watson平台利用认知计算能力提高温布尔登网球公开赛的体验，例如AI自动视频集锦。IBM称它的技术可以根据特定的比赛数据，如“人群噪音分析、球员的动作和比赛数据”，自动整理比赛中的亮点，显著加快组织和处理视频集锦的过程。不仅如此，人工智能技术在赛事裁判上也大有作为——计算机视觉裁判。法国的Grégoire Gentil设计了一款售价199美元的口袋大小的设备，名为“Tennis In/Out”，它利用计算机视觉来检测网球击球的速度和位置，包括球是否出界，虽然该设备目前是一个新奇的应用程序，但它显示出人工智能软件和相机硬件的可扩展性越来越强。随着开源人工智能工具和在线教育课程的蓬勃发展，这类应用程序将不再罕见。物联网和人工智能的结合正变得越来越受欢迎，因此有理由认为，体育(以及广义上的健康)将成为一个适合这种创新的行业。只要体育对大众仍然具有吸引力，企业就总有机会从中获利；只要体育界还有利润可赚，对体育技术的投资和融合就会继续下去。