NFL和亚马逊正在使用人工智能来发明新的足球统计数据
NFL和亚马逊使用人工智能开发新足球统计数据
像大多数专业体育产业一样，美国职业橄榄球联盟也在拥抱人工智能。通过与亚马逊网络服务的合作项目“Next Gen Stats”，NFL希望借助高科技数据收集工具和智能算法，能够从比赛中提取有意义的数据并解析球员表现中的模式。亚马逊称其受到NFL组织的2023年大数据碗比赛的投稿启发，开始研发一种与橄榄球比赛中的“压力”分析相关的新型分析类别。
亚马逊帮助构建了能够分析球场上球员行为的AI算法，能够判断防守球员的进攻侵略性、速度甚至是四分卫的反应速度。这些细致入微的数据量化了压力，从而让比赛分析师能够剖析可能影响比赛的策略。这一创新的分析套件超越了传统统计数据的局限性。传统数据可以告诉你压迫者是否绕过四分卫，但可能无法提供关于他们的抵抗程度的见解。这就是由“Next Gen Stats”追踪的压力概率深入到更多细节的地方。
根据亚马逊的说法，亚马逊和NFL合作伙伴专注于开发能够提供与比赛相关的三个领域的机器学习模型。第一个应用是为AI提供在传球中识别拦截者和压迫者的能力。其次，教会工具如何量化比赛中的“压力”。最后，开发一种检测个别拦截者-压迫者对决的过程。最终，这种AI追踪技术的开发为橄榄球联盟的专业人员提供了有价值的球员统计信息，可以帮助球探或教练选择新球员。例如，知道哪个球员阻止或绕过了压迫者可能有助于确定他们是否适合进攻阵容。
在橄榄球比赛中，量化进攻球员和扑搏他们的压迫者的表现可能是一项困难的任务，即使是对于熟悉这些快速动作的专家。球员的反应可能发生在瞬间，而个人在这些高速交流中的表现很难追踪，更不用说量化了。像防守球员距离进攻阵容有多近这样的事情可以帮助教练了解他们战术的强度。
NFL使用安装在自己的球场上的工具来收集这些AI驱动的处理软件的数据。在每个参与的NFL场馆中，至少有20-30个超宽带接收器在球场内，每个球员的护肩垫和其他比赛装备上都有2-3个射频识别（RFID）标签。这些数据传输器收集的信息通过图形神经网络模型（GNN）传递实时数据。使用人工智能，可以将提取的统计数据转化为有意义的见解。
这些见解可以看作是Next Gen Stat游戏着陆页面上的许多互动图形。您可以在2D模型和图表中分解任何一场比赛中个别球员的移动。例如，您可以追踪旧金山49人队在9月21日对阵纽约巨人队的40码传球比赛中的球员和球的移动。
尽管AI工具托管在亚马逊网络服务的基础设施上，但最终产品是NFL、Zebra Technologies和Wilson Sporting Goods之间多学科合作的成果。Next Gen Stats项目于2017年开始，现在构成了一个包含自2018年以来每场传球比赛的历史数据的数据管道。
与此同时，在一个平行项目中，亚马逊工程师表示他们正在努力实现对拦截者和压迫者的自动识别，以便最终AI模型可以自主地识别球场上球员的角色。目前，这种信息是通过手动记录进行收集的，容易产生标签错误，而且往往需要几个小时才能由人类生成。
