生成式人工智能在紧要关头帮助教练和运动员 - 彭博社

从AI聊天机器人到剪贴板。

摄影师：Doug Pensinger/Getty Images 北美想象一下，在超级碗第四节的最后关键时刻。一支球队面临第三次进攻和进球，距离获胜的关键触地得分只有五码。在场边，主教练和他的直觉说要跑球，但他不确定应该把跑球手送到哪里。于是，他转向一名助理教练问道：“今天早上你和我们的AI聊天机器人交谈时，它认为我们在这种情况下应该怎么做？”

对于体育纯粹主义者来说，这种情况是不可想象的。毕竟，体育本应该庆祝人类的卓越表现。但无论他们喜欢与否，人工智能正在走进赛场内外。一些球队已经在利用它，如果只是为了跟上步伐，更多球队将加入他们。

Bloomberg观点即使是南极洲也无法阻止新冠疫情。这是一个重要的教训。寻找：成熟的科技CEO，而不是寻求刺激的兄弟这一大脑癌症突破应该让你兴奋鲸鱼正在帮助解开更年期之谜尽管人们对AI取代工作（不好）的担忧，但这是一个AI如何帮助人们更高效地完成这些工作的例子（好）。生成式AI并非取代人类因素，而是旨在识别特定体育中的模式和情况，可以利用数据加剧竞争。

为了对未来可能会是什么样子有一个概念，我最近参加了2500多名体育行业专业人士，包括至少120支球队代表，参加了MIT Sloan Sports Analytics Conference。这个论坛自2006年举办以来，涵盖了一系列分析导向的主题，从揭示美国奥林匹克队如何最大化其花样滑冰奖牌成绩的见解，到NFL Scouting Combine是否仍然是评判人才的有效方式。

多年来，分析师的工作变得更加困难，因为体育数据的增长量不断增加。这不仅仅是指硬数据，比如橄榄球中获得的码数或足球中的射门次数。现在，视频生成量也在增加——从广播视频或赛事中的嵌入式摄像头生成的视频——用于审查个体运动员的表现。

随着文件的积累，得出可操作结论的挑战不断升级。例如，在一场平均的国家冰球联盟比赛中，根据Brian Hall所说，AlphaPlay AI的创始人和负责人，这个生成平台被专业冰球和足球队使用，有超过3000种不同的衡量球员优势和劣势的指标。

人类的思维无法理解如此多的数据，至少NHL球队缺乏良好的系统来处理数据，Hall说。结果是，他们无法看到潜在有用的信息 —— 比如防守上的不匹配 —— 藏在统计数据中。

这就是AI有帮助的地方。

“突然之间，它可以从自己的思考中为你提供有用的见解，以便获胜，” Hall说。“看起来随机的东西可能最终并非如此。”

使用体育AI（如AlphaPlay）的体验与使用ChatGPT的体验类似。它被设计用于从大型数据集中学习，识别其中的模式，然后利用这些信息生成非计算机科学家可理解的输出。例如，在最近的一场NFL比赛（丹佛野马队和杰克逊维尔美洲豹队之间，两支球队都不是AlphaPlay的客户）之前，系统被问到：“我们下周要和野马队比赛；他们防守的冲锋阵地有哪些被忽视的弱点？”

AlphaPlay考虑了可能数百万种情况、球员阵容、优势和劣势。然后用橄榄球的语言表达：“布拉德利·查布本赛季边缘防守方面表现不佳，暴露了一个潜在的弱点，而野马队的防守其他方面都很强大。”

教练们几十年来一直携带着类似这样的分析派生的提示。AI分析的不同之处在于两点。首先，这些提示来自更深层次的信息池。其次，结果不是以表格或图表的形式呈现；相反，它们以简单、直接和可操作的语言呈现。当情况需要在一瞬间做出决定时，这种直截了当可以增强教练对正确选择的直觉的信心。

值得注意的是，决定仍然由教练（一个人类）做出。实时比赛快速变化的动态仍然需要教练决定何时使用由人工智能生成的建议（一个人不会一遍又一遍地运行相同的战术，只是因为人工智能识别出了不匹配）。

更多来自彭博观点的亚当·明特：

• 凯特琳·克拉克几乎被 支付留在学校。好主意。
• 女子曲棍球正在 打破冰上天花板
• 大学体育的未来 不应该在法庭上决定

想要更多彭博观点吗？OPIN <GO>。或订阅我们的每日新闻简报。