．一支 NBA 球隊的人工智慧之旅：從球探到球員的技術「魔術」

Wordsmith Webinar: How the Orlando Magic Uses Artificial Intelligence for Customer Communications

台灣區電信工程工業同業公會

來源：科技行者

今年3月，《福布斯體育財經》（Forbes SportsMoney）報導了奧蘭多魔術隊，透過與體育分析和科技公司 STATS 合作，開創性地使用人工智慧來加強他們的球探和分析部門。

《福布斯》隨後發佈了一些統計數據，以便更深入地瞭解魔術隊所開創的具體技術，以及在不久的將來，它將如何被更多的職業球隊和大學級別的球隊所使用。

據先前報導，奧蘭多魔術隊與 STATS的合作，將包括 AutoStats 軟體，該軟體「透過專利的人工智慧和電腦視覺技術，直接從影片中，提供全面的球員跟蹤數據」。

AutoSTATS - STATS

由於大學比賽現場的場內跟蹤系統非常有限，這項新技術使得魔術隊，能夠獲得以往無法實現的大學級賽事跟蹤數據。

通俗地講，這意味著 STATS 將能夠，僅透過一個即時，或之前錄製的遊戲影像源，就可以向魔術隊提供球員的跟蹤數據和分析功能。在過去，STATS 公司依賴於 SportVu 硬體，透過場內攝影機，來捕捉球員的跟蹤數據，但這將數據範圍，僅限於NBA正規賽和一小部分大學，且無法用於解析已經錄製好的以往比賽。

現在，這一切已成為過去。

STATAS公司電腦視覺負責人，兼 AutoSTAT and POSE 軟體首席開發者Sujoy Ganguly表示，我們開發出了一台「時光機。」

「我們做到的最酷的事情之一，就是回到過去，把數據與影像處理能力，回溯至喬丹時代。我們能夠用我們的姿勢軟體（POSE）進行分析，直接比較喬丹與勒布朗的賽場表現。」

「透過這種方式，關於誰更強的爭論終將告一段落。」

所謂的 POSE 技術是一款專有軟體，可以跟蹤、測量並分析人體運動，例如揮動球棒、投籃、甩肩或者運動員，進行的任何其它與運動相關的活動。

Ganguly反複強調，他們的計劃是為各個運動隊伍——特別是之前提到的奧蘭多魔術隊——提供軟體，讓他們全權決定自己想學什麼，並從比賽資料中，總結經驗並吸取教訓。

Ganguly解釋稱，「我們並非向使用POSE的隊伍，直接提供數據。我們希望構建起個性化的運動模型，而非強制為團隊指定具體使用方式。」

透過雙方的獨家合作，STATS希望從魔術隊學習經驗，而魔術隊也可以借此摸索，如何使用這種新型軟體工具。

「我們希望確保我們提供的資訊，是有用的和必要的，讓奧蘭多魔術隊，能夠借此回答他們正需要解決的問題。到目前為止，我們已經將該技術應用於棒球試驗當中，用以追蹤運動與疲勞之間的關係。」

▲ 圖為奧蘭多魔術隊主教授Steve Clifford，史無前例地利用新的AI球探軟體，培養有價值球員。

可以假設，利用新的 AI 解決方案，NBA 將能夠立足身體能力（例如跑步與跳躍能力）、投籃準確率等基本資訊，對球員的能力進行全面評估。

到目前為止，對於籃球技術的研究，一直缺少真正科學的方法，人們只能透過肉眼觀察與統計數據，進行結合衡量。從理論上講，球員應該能夠為投籃，及其它運動動作設定基準，並將各位球員的實際表現，與預期模型進行比較。

Ganguly 解釋稱，「我們已經能夠透過輸入影像，獲取姿勢資訊，包括3D圖像。」

這意味著 POSE 軟體，也可用於分析大學中的潛在優秀球員，或者觀察一個特定的球員，從大學到職業生涯中的，任何一個特定階段的能力發展情況。