Как спортивная аналитика использует ИИ и ML
Три мировые организации используют ИИ и машинное обучение для улучшения спортивных результатов. NFL с помощью платформы Digital Athlete прогнозирует травмы игроков, ITF вместе с Microsoft анализирует данные матчей для Кубка Билли Джин Кинг, а LaLiga внедряет аналитику для предоставления инсайтов игрокам и тренерам.
Эти три всемирно признанные организации используют искусственный интеллект и машинное обучение, чтобы изменить то, как игроки и тренеры не только извлекают, но и эффективно используют ценные данные для достижения лучших результатов.
Почти 10 лет назад Билл Джеймс, пионер методологии спортивной аналитики, сказал, что если есть что-то, что он хотел бы, чтобы больше людей понимали о саберметрике (относящейся к бейсболу), так это то, что данные - не главное. Главное - использовать данные, как лезвие, чтобы разрезать ложные убеждения и найти истину.
«Причина, по которой понимание так трудно сформировать в бейсболе, заключается в том, что существует целая индустрия людей, постоянно продающих бессмысленные идеи о данных», - сказал Джеймс в то время.
С тех пор, как автор Майкл Льюис популяризировал саберметрику в своей книге 2003 года «Деньги: Искусство выигрыша в нечестной игре», спортивная аналитика значительно эволюционировала за пределы бейсбола. Компьютерное зрение, искусственный интеллект и машинное обучение теперь играют свою роль.
Вот три примера того, как международные спортивные организации используют искусственный интеллект и машинное обучение, чтобы изменить подход игроков и тренеров к своим видам спорта.
Почти 10 лет назад Билл Джеймс, пионер методологии спортивной аналитики, сказал, что если есть что-то, что он хотел бы, чтобы больше людей понимали о саберметрике (относящейся к бейсболу), так это то, что данные - не главное. Главное - использовать данные, как лезвие, чтобы разрезать ложные убеждения и найти истину.
«Причина, по которой понимание так трудно сформировать в бейсболе, заключается в том, что существует целая индустрия людей, постоянно продающих бессмысленные идеи о данных», - сказал Джеймс в то время.
С тех пор, как автор Майкл Льюис популяризировал саберметрику в своей книге 2003 года «Деньги: Искусство выигрыша в нечестной игре», спортивная аналитика значительно эволюционировала за пределы бейсбола. Компьютерное зрение, искусственный интеллект и машинное обучение теперь играют свою роль.
Вот три примера того, как международные спортивные организации используют искусственный интеллект и машинное обучение, чтобы изменить подход игроков и тренеров к своим видам спорта.
Повышение уровня безопасности игроков в национальной футбольной лиге
NFL использует искусственный интеллект и предсказательную аналитику для улучшения безопасности игроков. Работая с партнером Amazon Web Services (AWS), NFL разработала платформу Digital Athlete, которая с помощью компьютерного зрения и машинного обучения предсказывает, какие игроки находятся в наибольшей зоне риска травм, основываясь на их движениях и позициях на поле.
Digital Athlete собирает данные с радиочастотных меток (RFID), установленных на игроках, с 38 оптических камер с разрешением 5K, расположенных вокруг поля, снимающих 60 кадров в секунду, а также с учетом таких факторов, как погода, экипировка и тип игры. Во время каждой недели игр платформа фиксирует и обрабатывает 6,8 миллиона видео кадров и регистрирует около 100 миллионов местоположений и позиций игроков на поле. Она также собирает данные с тренировок, что в итоге дает более 500 миллионов данных.
«Мы проводим миллионы симуляций игровых ситуаций, чтобы сообщить командам, какие игроки находятся в наибольшей зоне риска травм, и они используют эту информацию для разработки индивидуальных программ по предотвращению травм», - говорит Джули Соуза, глобальный руководитель спортивного направления в AWS.
Моделирование снижения риска можно использовать для анализа данных тренировок и определения оптимального объема тренировок для каждого игрока с минимизацией риска травм.
Как и другие инициативы, основанные на данных, Соуза говорит, что Digital Athlete использует данные, а не догадки и интуицию, чтобы понять, что происходит на поле во время игр и тренировок.
Digital Athlete собирает данные с радиочастотных меток (RFID), установленных на игроках, с 38 оптических камер с разрешением 5K, расположенных вокруг поля, снимающих 60 кадров в секунду, а также с учетом таких факторов, как погода, экипировка и тип игры. Во время каждой недели игр платформа фиксирует и обрабатывает 6,8 миллиона видео кадров и регистрирует около 100 миллионов местоположений и позиций игроков на поле. Она также собирает данные с тренировок, что в итоге дает более 500 миллионов данных.
«Мы проводим миллионы симуляций игровых ситуаций, чтобы сообщить командам, какие игроки находятся в наибольшей зоне риска травм, и они используют эту информацию для разработки индивидуальных программ по предотвращению травм», - говорит Джули Соуза, глобальный руководитель спортивного направления в AWS.
Моделирование снижения риска можно использовать для анализа данных тренировок и определения оптимального объема тренировок для каждого игрока с минимизацией риска травм.
Как и другие инициативы, основанные на данных, Соуза говорит, что Digital Athlete использует данные, а не догадки и интуицию, чтобы понять, что происходит на поле во время игр и тренировок.
Компьютерное зрение преобразует тренерскую работу в теннисе
На Кубке Билли Джин Кинг (BJK Cup) 2023 года Международная теннисная федерация (ITF) сотрудничала с Microsoft для разработки платформы на базе искусственного интеллекта, которая предоставляет тренерам информацию во время матчей для улучшения производительности игроков.
Кубок BJK является крупнейшим ежегодным международным командным соревнованием в женском спорте, в котором 16 национальных команд соревнуются за престижный титул. Как и в Кубке Дэвиса для мужчин, в этом соревновании капитан команды может давать указания игрокам во время матчей при смене сторон.
ITF сотрудничает с Microsoft с 2021 года для поддержки платформы анализа матчей для Кубка BJK. Платформа использует камеры слежения за мячом и 3D-радарные системы для генерации данных о матчах в реальном времени, которые поступают в Azure и комбинируются с данными о счете, чтобы предоставить информацию о паттернах подач, возвратах и движениях игроков по корту. Эти данные предоставляются капитану команды через панель на устройствах Microsoft Surface.
«Мы действительно начинаем фокусироваться на том, как эти данные могут поддерживать игроков, тренеров, команды и всех, кто работает за кулисами, чтобы улучшить производительность», - говорит Мэт Пембл, исполнительный директор по IT в ITF.
Джейми Капел-Дэвис, руководитель научно-технического отдела ITF, говорит, что метрики мало значат, если их нельзя эффективно передать вовремя.
«Одной из ключевых задач было определить, какие метрики наиболее важны и как их можно эффективно передавать», - говорит он. «Отличная вещь в приложении заключается в том, что оно очень наглядное и имеет разумное количество настроек».
Кубок BJK является крупнейшим ежегодным международным командным соревнованием в женском спорте, в котором 16 национальных команд соревнуются за престижный титул. Как и в Кубке Дэвиса для мужчин, в этом соревновании капитан команды может давать указания игрокам во время матчей при смене сторон.
ITF сотрудничает с Microsoft с 2021 года для поддержки платформы анализа матчей для Кубка BJK. Платформа использует камеры слежения за мячом и 3D-радарные системы для генерации данных о матчах в реальном времени, которые поступают в Azure и комбинируются с данными о счете, чтобы предоставить информацию о паттернах подач, возвратах и движениях игроков по корту. Эти данные предоставляются капитану команды через панель на устройствах Microsoft Surface.
«Мы действительно начинаем фокусироваться на том, как эти данные могут поддерживать игроков, тренеров, команды и всех, кто работает за кулисами, чтобы улучшить производительность», - говорит Мэт Пембл, исполнительный директор по IT в ITF.
Джейми Капел-Дэвис, руководитель научно-технического отдела ITF, говорит, что метрики мало значат, если их нельзя эффективно передать вовремя.
«Одной из ключевых задач было определить, какие метрики наиболее важны и как их можно эффективно передавать», - говорит он. «Отличная вещь в приложении заключается в том, что оно очень наглядное и имеет разумное количество настроек».
Ла Лига использует ИИ и ML для достижения максимальной производительности
LaLiga, высшая футбольная лига Испании, использует искусственный интеллект и машинное обучение для предоставления новых инсайтов игрокам и тренерам.
С помощью Microsoft LaLiga создала платформу анализа данных под названием Mediacoach, которая использует инфраструктуру Azure для сбора, интерпретации и демонстрации данных из примерно 3,5 миллионов точек данных, собираемых почти в реальном времени за матч с помощью 16 оптических камер слежения. Эти камеры установлены на каждом стадионе лиги и фиксируют данные о позициях игроков и судей, а также о движениях мяча.
«С таким огромным количеством данных в месяц мы можем предлагать статистику и отчеты», - говорит Ана Роса Виктория Бруно, менеджер по инновациям в LaLiga. «С 112 000 отчетов в системе и 8 миллионами битов информации, это огромное количество данных для 42 клубов».
Одним из инструментов, который также предоставляется вещательным компаниям для вовлечения фанатов, является модель вероятности гола, которая учитывает различные переменные, включая линию обзора игрока (с учетом позиций игроков противника), расстояние между мячом и вратарем, мячом и воротами, а также расстояние и угол до ближайшего защитника для измерения вероятности завершения данного голевого момента. В расчет также включается индикатор эффективности игрока на основе таких переменных, как соотношение голов на матч и на удар.
Бруно говорит, что для успеха требовалась междисциплинарная команда футбольных аналитиков, специалистов по бизнес-аналитике и аналитиков LaLiga. «Одной из задач является преобразование этих сырых данных в знания, для чего нужны не только специалисты по данным, но и футбольные аналитики, эксперты по UX и тренеры», - говорит она.
С помощью Microsoft LaLiga создала платформу анализа данных под названием Mediacoach, которая использует инфраструктуру Azure для сбора, интерпретации и демонстрации данных из примерно 3,5 миллионов точек данных, собираемых почти в реальном времени за матч с помощью 16 оптических камер слежения. Эти камеры установлены на каждом стадионе лиги и фиксируют данные о позициях игроков и судей, а также о движениях мяча.
«С таким огромным количеством данных в месяц мы можем предлагать статистику и отчеты», - говорит Ана Роса Виктория Бруно, менеджер по инновациям в LaLiga. «С 112 000 отчетов в системе и 8 миллионами битов информации, это огромное количество данных для 42 клубов».
Одним из инструментов, который также предоставляется вещательным компаниям для вовлечения фанатов, является модель вероятности гола, которая учитывает различные переменные, включая линию обзора игрока (с учетом позиций игроков противника), расстояние между мячом и вратарем, мячом и воротами, а также расстояние и угол до ближайшего защитника для измерения вероятности завершения данного голевого момента. В расчет также включается индикатор эффективности игрока на основе таких переменных, как соотношение голов на матч и на удар.
Бруно говорит, что для успеха требовалась междисциплинарная команда футбольных аналитиков, специалистов по бизнес-аналитике и аналитиков LaLiga. «Одной из задач является преобразование этих сырых данных в знания, для чего нужны не только специалисты по данным, но и футбольные аналитики, эксперты по UX и тренеры», - говорит она.
Получите оценку проекта
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Оцените свой проект! Заполните форму ниже
Похожие статьи