编辑 |

高强度对抗的体育业成为亚马逊云AWS年度re:Invent大会的焦点之一。

会上，AWS宣告与美国体育赛事联盟国家美式橄榄球同盟（NFL）、一级方程式赛车（F1），以及新西兰英式橄榄球（NZ Rugby）互助，将为后者的各项赛事定制赛场辅导技能平台，并供应一种新的数据、***剖析方案，以支持赛事策略制订，预防安全风险，并提高赛事不雅观赏性。

作为人工智能的子集，机器学习善于创造规律并作出判断。
现在，该技能在长期依赖履历主义的体育业正刮起风潮。
比如NZ Rugby正在测试的“Play the Grey”***剖析方案，个中基于AWS的AI软件可以“不雅观看”比赛的实时***，然后将有关球员和军队的表现数据通过网络回传至教练手中的平板电脑上供决策。

对付由工程技能驱动的F1赛事而言，担保数据的即时性至关主要，但很长一段韶光数据的网络、处理和剖析办法显得低效而掉队。
“数据点包括车中零件、赛车角度、外在环境、还有GPS等等。
我们还要将节制的数据利用到实况转播中，提升不雅观赛的沉浸感。
”F1专家技能顾问Rob Smedley见告现场媒体，

Rob Smedley阐明称，F1可说是产生数据点最多的运动之一，每秒乃至可以产生20亿个数据点。
而机器学习可以让大家理解两件事，第一是赛车的进站策略，F1每次进站保养维修是关系到胜负的关键，赛手什么时候进站，是否该换胎，这些都可以用机器学习进行剖析。
此外，在播报比赛的时候，机器学习可以依照每位车手的数据，预估哪台赛车在什么韶光可以超过另一辆，以方便讲授员将资料调出，向不雅观众进行背景先容和赛事预测。

美式橄榄球数据公司Pro Football Focus CEO、NBC体育讲授员Cris Collinsworth指出，机器学习进入体育，意味着“思维办法的变革”，在效率和本钱上均更优：“我们过去总让老派、学界的人来为体育赛事出主张，而教练则通过比赛录像来剖析和辅导运动员，现在通过技能来供应洞见和评估演习效果，这因此前没有过的。
”

“说服体育赛事同盟接管机器学习并不难，由于好处显而易见，对付专业的赛事，（机器学习）也是非常恰当的用例。
”亚马逊AWS AI产品市场卖力人Joel Minnick见告界面***，“我们常常在和体育界人士谈论的时候，环绕这些数据如何帮助不雅观赛者，提高他们的体验进行思考，紧张表示在如何去理解赛道上发生了什么情形。
未来机器学习进入到体育行业，我们还可以用它来做一些赛事上的预测，进行选手培训，让他们在现有的成绩上更进一步。
同时，去提高参赛的安全性，去理解赛场发生了什么问题，去及时地进行剖析。
“

“现在紧张是数据量问题，但是这个问题是可以办理的。
” Joel Minnick说，目前，主流的数据办法是通过传感器，比如在运动员身体上贴上射频标签，采集位置和速率信息，这让运动员看起来像是“行走的二维码”。
也有方案采取摄像技能，对运动员位置进行3D定位，这紧张为加强实时性。
摄像头能实时向系统传输海量的***数据。

NFL康健与安全实行副总裁Jeff Miller说，数据被输入机器学习算法后，就可以有个各种用途，比如预测球员的伤病情形，对付高对抗性的美式橄榄球来说，这项技能“可能改变赛事规则。
”

在过去的十年中，随着人们越来越理解美式橄榄球高对抗性带来的伤病风险，美国青少年对该运动的参与程度有所低落。
陆续有退役的NFL选手起诉NFL没有应时地警告球员赛事期间有脑震荡危险，也没有尽力去帮助那些遭受脑震荡侵害的球员。
据统计，NFL运动员在一个赛季里会受到多达1500次的头部撞击，因此给美国这项最受欢迎的运动蒙上一层阴影。
此前在2017年，同盟和退役球员签署了一份和解协议，并拿出了约10亿美元赔偿后者的伤病丢失。

惨痛的经济丢失，匆匆使NFL决定与AWS互助，拥抱机器学习技能。
未来通过机器学习技能，系统可以及时创造潜在的伤病风险。
“我们将能够为NFL运动员建模，理解他们的行为，并有可能以我们现在无法节制的办法预测受伤情形。
” Jeff Miller说。
他希望，这个新项目网络的数据可以与赛事录像结合，全面洞察橄榄球的安全风险。