NBA里的AI故事：教練，我不想打球，我想替你指揮

時間：2017-02-21

文章轉載自雷鋒網，如有侵權請聯系刪除。

25歲的埃里克-斯波爾斯特拉，坐在舊邁阿密體育場的一個儲藏室里。

作為初級NBA視頻協調專員，他需要觀看大量的比賽錄像，來評估球員的表現。多年以后，他從堆積如山的錄像資料中爬了出來，最終成為NBA邁阿密熱火隊的主教練。

以后他還會連續贏得兩個總冠軍。

像這樣從初級視頻協調專員，歷經13年奮斗，成長為主教練的勵志故事，如今可能不會再次上演，因為斯波爾斯特拉最初干的那個工作，已經被電腦接管。

埃里克-斯波爾斯特拉和曾經的熱火三巨頭

“如果一個AI被‘喂’以大量的NBA比賽視頻，而且還聰明的足以理解比賽進程，那么這個AI就有可能做出很棒的籃球戰術安排”，香港理工大學OpenCog AI實驗室的著名未來學家、首席研究員Ben Goertzel說。

具有強大視頻理解力的AI將會逐漸普及，Ben Goertzel認為人工智能將在比賽運動中發揮更為重要的作用。他預計五年內，視頻協調專員這種工作，絕大部分將被AI接管。一旦AI學會比賽的模式，并能應用到真正的賽場上，整個NBA將會被顛覆。

換句話說，球隊主教練們，未來將被AI取代。這一天可能來得比想象中更快，畢竟人工智能總是以比預期更快的深度發展著。

| 更數據化的NBA

近年來，數據分析、運動科學和各種各樣全新的測量方式，讓體育運動成為一個龐大的科學項目。結果那些昔日的數學書呆子反而成為耀眼明星，而那些運動天才只是疲于奔命。

隨著統計數據的不斷增長，需要更好的技術來幫助減少噪音。

“NBA已經構建了一些算法，用于整合來自我們SportVU系統的數據，以便這些數據能為聯盟的每個球隊所用”，NBA主管IT應用的高級副總裁Ken DeGennaro說。

SportVU系統示意圖

上面提到的SportVU系統，由六臺相機組成，每個半場三臺，這些相機每秒拍攝25張圖片，然后經由復雜的算法處理，提取場上所有對象的x、y、z定位數據。每個圖片都帶有時間戳，并由計算機自動處理。

電腦將數據推送給現場解說的數據流，并且在90秒內對比賽場面做出報告。基本上，所有的信息很快會出現在教練和統計人員的電腦或者iPad上。

其實SportVU這套系統最早由以色列科學家于2005年創建，用于導彈追蹤和高級光學識別等領域。然后這套系統用來在以色列追蹤足球比賽，接著來到了NBA。

這套系統不僅可以告訴你凱文-杜蘭特的投籃命中率，而且可以告訴你他運球突破一次和兩次之后，投籃命中率各是多少，或者防守球員離他3步遠或者5步遠時，他的投籃命中率又分別是什么情況。

當拉簡-隆多持球超過5秒，球隊的進攻效率是多少？這個問題之前沒人能回答，但是有了SportVU的幫助，答案清晰無比。

這是一段SportVU的介紹視頻

現在每個NBA的球場都安裝了SportVU，這套系統使用一組固定的相機，捕捉球員和籃球的移動情況。

SportVU把曾經無法量化的、混亂的比賽游戲，轉變成可以進一步深入挖掘的統計數據。于是，機器學習就能“粉墨登場”了。

| 被改變的比賽

硅谷的創業公司，很早就開始在醫療、機器人、企業軟件領域應用人工智能技術。現在終于輪到NBA球隊了。

Second Spectrum，一家位于洛杉磯的公司，使用包括計算機視覺在內的人工智能技術，從NBA比賽視頻中提取大量數據。

在這家公司的幫助下，金州勇士隊只需幾秒就能讀懂比賽策略和趨勢概率，以往這種分析需要耗時數月。

勇士隊助理總經理Kirk Lacob說，之前隊里有很多視頻，但沒有簡單的方法把視頻變成數據。直到他們遇上Second Spectrum。

這個對勇士隊幫助有加的公司，由南加州大學的兩位人工智能教授Rajiv Maheswaran和Yu-Han Chang創辦。Chang至少還從自己博士畢業的麻省理工，又招募了10名工程師。據報道Second Spectrum已經獲得來自史蒂夫-鮑爾默等人的早期投資。

截至目前，這家公司的客戶已經包括金州勇士、克里夫蘭騎士等十多家NBA球隊。

Second Spectrum的軟件會“學習”球員的精確移動，識別他們打法的變化以及籃球的運行。以擋拆為例，人工智能可以識別持球者需要還是不需要來自隊友的掩護，掩護者是準備擋拆后切入還是掩護后的切出。

以及，防守球員應該如何響應：擋住持球突破的對手，緊隨對手，換防，或者補防夾擊。電腦還會告訴你，每種不同的選擇，對應怎樣的投籃命中率。

比方說當對手是勒布朗-詹姆斯時，你一定想知道如何防住他的擋拆，擠過掩護者貼身上前是否更有效？或者應該找個大塊頭夾擊詹姆斯，以及在不同的局面下應該如何應對。

所有這些，人工智能都會告訴你答案。

據說，有一支NBA球隊曾經私下透露，依靠人工智能的幫助，這個球隊找到了一種可以贏得季后賽的策略。這些新技術究竟如何影響比賽的進程，每個球隊都會守口如瓶。

但可以肯定的是新技術對運動的影響，比以往任何時候都大。

| 何時取代教練

“機器學習在數據建模領域越來越受歡迎”，NBA和NFL官方合作咨詢公司的統計學家Keith Goldner表示。

機器學習這種人工智能技術，在進行大量的數據訓練后可以自己提高自己，而不需要軟件工程師編輯一套行動指令。

你可以讓AI觀看一系列的比賽，然后算法就能學會識別某種戰術，每次這個戰術出現時，AI就會自動的標記出來。比方上面提到的那個機器學驅動的工具，可以對NBA球隊不同的擋拆戰術進行分類識別。

先是學會處理數據，然后開始幫助球隊制定戰術，接著開始協助臨場指揮……所以開頭那個故事又要出現了，從觀看比賽視頻開始，一步一步，AI準備取代人類教練了。

問題是，這一天還有多遠？

Goertzel承認還有段距離。“視頻理解仍然不是一件易事，體育比賽又快又復雜，真正解決這個問題還得數年時間，不過科技巨頭們都開始重點投入”，Goertzel說已經在圖像識別領域大放異彩的深度學習，必將在視頻識別領域取得成功。

雖然數據這東西很精美，但吸引球迷的，終歸還是賽場上人類的表現。而且主教練對于整個團隊有著無法量化的、魔法一般的影響力。另一方面來講，不是每個人都歡迎機器人，特別是在那些看起來專屬于人類的場合。

但文化總在一點一點的改變，這也是個建立信任的過程。AI和人類到底誰更重要，未來可能還會爭論不休，但在大多數成功的組織中，每個人都已經認識到兩者的價值。

文中提到的科學家們，也不希望人類教練從賽場邊消失，但未來人類教練和機器之間的合作，一定會越來越深。“從中期展望來看，AI將幫助主教練處理戰術事務。而最終，主教練可能只剩下一些社會和戰略層面的事情可做”，Goertzel預測說。

隨著數據分析和比賽決策權逐漸為AI所控制，主教練們會更關注與人相關的任務，未來一代的教練，可能比以往都更加人性化。

一場偉大的變革正在途中，但我們也許會錯失下一個埃里克-斯波爾斯特拉。

整理這篇稿子的時候，NBA全明星周末正在如火如荼的進行，同時兩個年輕的生命在廣西和上海的籃球場遭遇不測。愿逝者安息，傷者早日康復。

希望熱愛運動的朋友們，注意安全~