文 | 智能相對論（ID：aixdlun），作者 | 黃康瑄
上周末，由於新冠疫情而不斷推遲的NBA 2020-2021季前賽終於開打。失去衛冕機會後，因傷病而沉寂了去年整個賽季的勇士隊又遭遇了湯普森報銷、格林和懷茲曼核酸檢測呈陽性等一連串不幸，可謂命運多舛。「戰術鬼才」泰倫·盧成為快船主教練後，小卡連季前賽都得乖乖上場。即便如此，快船在第一戰對陣沒有詹姆斯的湖人，依然以六分惜敗，可說是出師不利。
盧指導們的工作可不只安排上場陣容一項，還包括戰術制定、球員訓練、臨場指揮、球隊管理、新秀挑選。現今，人工智慧已經能承擔其中部份職責，甚至在某些方面做的比人類教練更加出色，教練的飯碗似乎受到了威脅。
除了主力球員們的實力，情報資料的獲取、分析與應用也對戰術制定乃至比賽勝負有著至關重要的影響。尤其是一年一度、採取循環賽制的NBA，無論是季前賽、常規賽、季後賽還是明星賽，每場賽事都是數據資料的珍貴情報源，誰能從中挖取更多有效情報，誰就能更了解對手，在比賽中先發制人、搶佔先機。在球員交易和新人選秀上也是如此。畢竟知己知彼，百戰不殆。
如今，在競爭激烈的NBA賽場上，最了解球員的早已並非球隊教練、也不是對陣多次的老對手、甚至不是球員自己，而是人工智慧。
滴水不漏的AI監控
過去，獲取球隊及球員資料的方式只有一個——目測。藉由觀看比賽，記錄每位球員的投籃、罰球、犯規、籃板、抄截等攻防數據，再經由統計分析，總結出球員及球隊特色，得出一個經驗式的結論。如邁阿密熱火隊現任主教練埃裡克·斯波爾斯特拉，曾經依靠每天觀看大量比賽錄像，評估球員表現，藉由腳踏實地的數據研究分析，帶領熱火隊兩次奪得NBA總冠軍，打造了曾經的熱火王朝。
但這樣的技術分析方式不僅耗時費力、效率較低、人力成本高，還容易出現疏漏，無法記錄太詳細的數據。畢竟若每次傳球或持球時間都要統計，以NBA比賽的快節奏，記錄員低下頭記錄的瞬間，球可能又轉手了兩次。
最早讓球員使用人工智慧技術和數據分析協助球隊經營與提高球場成績的NBA隊伍應該是達拉斯小牛隊(現改名為獨行俠隊)。2005年，在原用於軍事領域的追蹤分析數據系統SportVU剛剛在籃球賽場上應用，小牛隊便搶先引入，並在一年後的2005-2006年賽季成功殺入總決賽。
SportVU相當於一個針對場上所有球員的「監視器」，通過球館天花板上懸掛的六個每秒能抓取25幅圖片的3D高清攝像頭，以各種傳感器和計算機視覺技術動態捕捉球員動作。每場比賽之前，操作員必須對SportVU系統進行調試，包括設置感應器跟隨球員移動，標記球場界限和將每位球員個人輪廓設定為檢測對象。系統就能採集球員的空間坐標及每一次跑動、觸球、傳球、切入、投籃等動作，並為每個坐標加上時間點和球員ID，將這些數據資料到伺服器之後，數據收集的工作便基本完成。
而後，SportVU系統會針對收集來的數據資料進行分析，並將處理過的數據導入NBA龐大的資料庫，再進行可視化還原。藉此得出某一個球員在場上的效率值、攻防跑位、持球時間等單靠人類記錄員無法量化的詳細數據。
SportVU系統的引入可說是拉開了NBA數據化的序幕。繼小牛隊的成功試用之後，SportVU逐漸被越來越多球隊所接受。2009年，馬刺、火箭和雷霆隊相繼將SportVU系統運用於訓練比賽。同年，在湖人和魔術隊的總決賽期間，魔術主場便安裝了此系統，代表SportVU正式進入NBA賽場。到2013年，SportVU體感追蹤技術系統已經成為NBA全聯盟30支球隊的標配。
SportVU可統計的數據類別
被稱為「球員監視器」的SportVU可說是一個追蹤場上所有球員的宏觀數據分析系統。而Synergy Sports則是針對某位球員的微觀統計工具。通過分析比賽視頻，Synergy Sports能夠記錄一個球員在場上所有進攻防守方式、參與了多少攻防回合，然後分析出各種攻防方式的效果及所佔的比重，並將結果呈現給教練和球員。
Synergy的系統能精準統計某位球員在擋拆中更喜歡向左還是向右突破，當他持球繞過掩護後習慣跳投還是傳球。可以幫助球隊更加精確地分析對手，從而找出破解對方進攻或防守的辦法。最早引進Synergy Sports的球隊是達拉斯小牛和邁阿密熱火，這兩支球隊在隨後的2005-2006賽季雙雙進入NBA總決賽。2008年，NBA官方與Synergy公司達成8年合作協議，向Synergy提供40萬小時的比賽視頻以及錄像集錦。到2011年，NBA全聯盟已有26支球隊使用了Synergy的數據系統。
近年來，這類結合計算機視覺與數據分析的人工智慧技術在競技體育界十分受寵。除了NBA，Synergy公司還為美國職業棒球大聯盟和NCAA等客戶提供統計數據和分析服務。去年，體育技術公司Atrium Sports收購了Synergy，希望結合Synergy的數據統計分析專長與Atrium的自動視頻製作技術創造更多商業機會。據說Atrium Sports和Synergy的聯合，創造了一家價值1億美元的體育數據和AI公司。
除了比賽監測，計算機視覺技術也可運用於日常練習。如以色列運動技術公司PlaySight Interactive的Smart Court系統採用了基於軍方的空戰分析技術，通過九個高清攝像頭從不同角度記錄球員的動作、跑動距離、位置、反應時間等數據，並在第一時間將分析結果反饋給教練和數據檢測人員。它可以實時監控每一個場地上進行不同訓練的球員，然後提供指導數據，讓每個球員的訓練效果最大化，防止球員偷懶。
目前，PlaySight Interactive曾兩次被Fast Company提名為世界上最具創新力的體育公司之一。已為網球、籃球、足球等上千個多運動設施提供智能球場。主要客戶包括NBA聯盟與金州勇士和亞特蘭大老鷹等球隊、美國網球協會(USTA)、和霍芬海姆(Hoffenheim)足球俱樂部。高爾夫巨星Greg Norman、ATP排名世界第1的網球巨星Novak Djokovic與19次網球大滿貫得主Billie Jean King等知名運動員都是PlaySight的投資人。
形影不離的數據採集
依託於計算機視覺技術的SportVU、Synergy Sports和PlaySight Smart Court可以藉由攝像機來取得球員技術能力的相關數據，而球員個人的體能情況則需要依靠穿戴設備來監測。金州勇士隊就非常樂於使用這類高科技產品來幫助訓練，被稱為「NBA中的谷歌」。
ShotTracker是一套能幫助球員改善投籃技術的系統，使用時需佩戴配套的護腕和護肘，依靠其中的智能晶片和安裝在籃網上的感應器，可計算出投籃者的投籃精度、投籃力度等相關數據，之後通過手機APP查看。這樣的精確指導，是人類教練無法做到的。使用者可從APP看到自己在投籃方面的量化數據，從而有針對性的改良自己的投籃習慣。相傳「水花兄弟」中的湯普森平時就會使用ShotTracker進行訓練。
Catapult Sports的小型監控器也是金州勇士等NBA眾多球隊的「常備用品」。此設備能追蹤佩戴者的加速度、變向、心率、膝蓋與腳踝的壓力等指標，幫助教練了解球員身體情況，調整球員上場和休息時間。也讓球員在訓練時知道自己該休息多久，同時讓偷懶變得更不容易。
作為全球頂尖的體育科技公司，Catapult Sports的監控器及相關系統可說是體育界目前使用最為廣泛的AI穿戴設備之一。除了NBA多支球隊，法國、阿根廷、克羅埃西亞、瑞典等男女足國家隊；皇馬、拜仁、切爾西、萊斯特城等足球俱樂部；上港、恆大、一方、泰達等多個中超隊伍與魯能、幸運星等足球學校；橄欖球、冰球、曲棍球、網球、排球等眾多項目的專業運動隊伍皆為Catapult Sports的客戶。
此外，還有採用肌電圖等醫學技術的Athos智能壓力衣，通過內部的感測設備追蹤球員肌肉、呼吸、心率、神經等身體機能的運作方式，並將數據傳輸到手機app中。可以時刻掌握球員的體能狀況，避免過度訓練造成疲勞，幫助減少運動損傷。
身為Athos投資人之一的勇士隊老闆喬·拉科布(Joe Lacob)十分認可這件智能運動衣，他表示:「勇士隊已經開始在訓練中使用Athos的科技。而現在不只是運動員，所有健身愛好者都可以接觸到這些新技術。這能幫助他們理解哪些肌肉的負荷過大，以及他們目前的鍛鍊程度如何，這對健身來說都是非常關鍵的數據。Athos給了所有人幫助，讓他們可以更有效的進行健身。」
雖然勇士隊已經藉助許多智能穿戴設備，在提高訓練效率的同時儘量避免傷病，但2018賽季中，當家球星杜蘭特和湯普森還是分別受到跟腱和十字韌帶的嚴重損傷；庫裡也在去年十月不慎骨折，導致勇士隊在2019賽季墊底。看來即使有AI加持，NBA中的谷歌依然逃不過墨菲定律。
變化莫測的數據應用
人工智慧讓NBA比賽中能取得的數據資料量呈現指數型增長，為了處理這些數據，NBA引入德國軟體巨頭SAP的SAP HANA內存計算平臺系統。將智能設備收集來的戰術、空間位置、球員健康等數據實時傳送到SAP HANA系統上，讓用戶在不對業務數據進行建模、聚合的情況下，直接對大量實時業務數據進行查詢和分析，以滿足球隊分析師、第三方機構，乃至於球迷的數據分析以及可視化需求。
相同的數據通過不同的使用方法，可以發揮各種不同的作用。
哈佛大學訪問學者柯克•格斯貝瑞（Kirk Goldsberry）團隊曾發布一套新的算法，可通過NBA球員的動作追蹤數據，分析該球員的防守效果。例如在科懷•倫納德(Kawhi Leonard)的防守下，基本不可能在三分線外出手投籃；若防守者換成克裡斯•保羅（Chris Paul），不僅在任何位置都很難投籃，即使投出去也很難命中。
還有一些球隊利用智能系統所獲取的資料結合傳統統計數據，進行交叉分析，根據場上的進攻與防守數據協助教練制定戰術，以及選擇籤約合適的球員。
例如奧蘭多魔術隊與體育分析科技公司STATS合作，利用AutoStats軟體專利的人工智慧和計算機視覺技術，直接從高校級賽事視頻中提取全面的球員跟蹤數據。並通過POSE軟體分析大學球員的身體能力（例如跑步與跳躍能力）、投籃準確率等基本信息，對球員的潛力進行全面評估。嘗試用人工智慧來負責教練團隊中球探的工作內容，用更客觀的標準作為新秀選拔與球員交易的參考。
這些AI系統大幅減輕了NBA教練團隊的工作負擔，過去耗時耗力的數據統計工作由人工智慧與計算機接手，滴水不漏的傳感器監測與通過網絡實時上傳的數據，讓系統能在短時間內自動提供大量完整而詳細的情報資料。
穿戴設備對球員體能的監測與技術的量化則讓球隊管理與日常訓練變得更加便利有效。使教練能以更加客觀詳盡的資料為基礎，將精力集中於制定戰術等更重要的工作。人工智慧發展至此，或許可以說是教練們的福音。但聰明的AI已搶先一步，開始「侵蝕」教練最主要的工作內容--戰術制定。
無所不能的AI教練?
來自美國洛杉磯的籃球數據分析公司Second Spectrum推出了一款系統，可運用計算機視覺等AI技術，直接從NBA比賽視頻中提取出大量數據。並通過一種叫作「時空模式識別」的算法，識別球員在球場上執行的戰術特徵。
Second Spectrum的系統能學習球員的精確移動，識別打法變化及籃球運行軌跡。以擋拆為例，人工智慧可分辨持球者是否需要隊友的掩護，掩護者是應當擋拆後切入還是掩護後的切出。還能結合持球球員及其他數據（進攻動作、防守者位置、球員歷史定點命中率等數據），建模預判一個球員在特定區域的投籃命中率，一旦球不能被投進，還可預判籃板球的落點，以及誰將搶到籃板球。
該系統能辨認擋拆、雙檔掩護等500種籃球戰術。球隊只需幾秒鐘就能讀懂對方的比賽策略並預測趨勢，並藉由視頻的解析，幫助球員提高臨場判斷能力。Second Spectrum通過AI將預測球場上「因為實施某種技戰術而產生固定的結果」變成了可能。這項技術頗受投資人青睞，快船隊老闆、微軟前CEO史蒂夫·鮑爾默(Steve Ballmer)甚至是Second Spectrum的投資人，快船隊也因此成為NBA第一個使用此系統的球隊。
2016年底，NBA聯盟和Second Spectrum達成合作，將2017-2022 NBA全美賽場的視頻跟蹤和分析權限授予Second Spectrum。意即Second Spectrum不僅能向NBA球隊提供服務且從中收費，這六年中分析的NBA比賽視頻還可直接賣給消費者，NBA聯盟則能從中分成。
目前已有洛杉磯快船、金州勇士、克裡夫蘭騎士等二十多個NBA球隊購買了Second Spectrum的服務。未來，Second Spectrum還打算將此技術運用到NFL、NHL、EPL及其他運動領域的主流聯賽。
無法替代的教練職責
Second Spectrum的系統讓人工智慧學會了原本需依靠多年實戰經驗才能做出判斷、作為教練主要職責的戰術制定。與資深教練的「經驗之談」相比，AI通過大量數據統計、依靠概率得出的結論或許更加客觀且論據充分。
雖然人工智慧制定戰術在技術上已成為現實，但依靠數據計算得出的結果是固定的，意味著所有購買這套系統或是運用類似算法的隊伍都能得到相近的結論。戰術制定的可貴之處在於出其不意、攻其不備，如何利用AI給予的建議和情報，設計出讓敵方意想不到的巧妙戰術而出奇制勝，這是只有人類教練才能完成的任務。且目前的人工智慧還無法勝任臨場指揮的任務，比賽情況千變萬化，隨時可能出現意想不到的突發狀況，人類很難教會AI何時該叫暫停和安排上場球員，畢竟這不像戰術那樣有著固定規則。
除此之外，在競技體育中，球員的個性和心理素質也是影響其表現與未來發展的重要因素之一。如選秀的時候，人工智慧通過視頻分析，只能判斷球員體能與球技水平，對於其心理狀態一無所知。而在競爭異常激烈的NBA賽場上，強大的心理承受能力是成為優秀球員的必要條件。關於這一點，只能依靠人類教練與球員直接接觸來判斷，AI並不能幫上忙。且籃球作為一項團體運動，球員間的人際關係有時也需要教練團隊從中調和。主教練在比賽進行時，也承擔著鼓勵球員、提高球隊士氣的責任。
人工智慧發展至今，已承擔了情報資料收集、球員健康管理、日常訓練監督等教練團隊大部份的工作內容，將教練團從大量的重複勞動中解放。未來，AI的前進方向並非搶走NBA百萬年薪的教練飯碗，而是和人類教練「並肩作戰」、各司其職，繼續發揮強大的數據分析、監測及計算能力，為球隊提供詳實完整的分析資料，讓球員及教練站在更高的基礎上為我們帶來更加精彩的比賽。