近年来，人工智慧应用於包括体育在内的各个行业，不断的取得重大进展，尤其在争夺胜负的运动中，分析过去数据可以说是极为重要的。根据统计显示，人工智慧到2030年在体育产业中的价值将达到192亿美元。

因此，利用人工智慧进行数据分析，或是建立出可用於训练和球员发展的虚拟实境环境，进而修正运动员姿态的案例越来越多。例如，美国国家橄榄球联盟（NFL）一直在使用这项技术来分析比赛影片并提高球员表现，美国职棒大联盟（MLB）透过人工智慧帮助球队更好地决定球员人事，而美国国家篮球协会（NBA）则是利用人工智慧来改善其球探流程。

运动赛事积极导入人工智慧

智慧系统也被用於手球运动中。多年来，德国手球甲级联赛（Handball-Bundesliga）的球员都佩戴着感测器，收集数百万笔讯息，包括距离、速度、位置比赛和生物识别数据。球队的教练Michael Doring表示，这个系统一开始就像一个小孩子，它学习如何利用数据来更好地理解比赛。而我们需要做的是，向系统提供这些资讯，以便它了解手球比赛是如何进行的。

过去两年，联赛球队SG Flensburg-Handewitt的人工智慧系统从大约600场手球比赛中获得大量的资讯，透过数据的分析，这套人工智慧现在可以开始预测进球的可能性。这也意味着球队的教练们可以事先了解哪些球员在哪个位置最有机会得分，例如，边线球员应该在哪里？我们应该如何开始第二波进攻？

球队管理阶层表示，它就像一个额外的顾问。可以使用这种基於数据的方法，来使训练更加成功。同时期待在未来，藉由人工智慧不仅帮助他们解决战术问题，还能帮助他们组建一支拥有最高成功机率的球队。

图一 : SG Flensburg-Handewitt使用人工智慧来帮助他们进行比赛分析。（source：Marcel von Fehrn）

将人工智慧引入体育领域的一个例子是「AI 11」软体系统，它可以分析足球比赛录影并预测结果。AI 11利用过去的比赛数据作为训练数据，并透过深度学习进行分析，建立一个根据球和球员的动作预测输赢的模型。

AI 11已经在2019年的「EAFF E-1足球锦标赛2019锦标赛」上测试，并开始在中国、韩国等亚洲国家的电视转播中使用。开发AI 11的日本电通集团表示，AI 11是提供一种新的体验和享受足球的方式，甚至分析决定输赢的关键点。

此外，英国南安普敦大学也正在开发团队合作的人工智慧分析，因为合作是团队运动中决定胜败的重要因素之一。这项研究使用了英超联赛过去比赛的数据，并利用机器学习来确定两名球员的配合程度，外界认为如果这种AI分析被证明是有效的，那麽未来很可能会被许多专业团队所采用。

图二 : AI 11系统将引入各种赛事，进一步提高足球观看价值。（source：日本电通）

用AI防止运动员受伤

在美式足球等运动中，球员之间经常发生激烈的接触，也必须努力防止受伤。因此人工智慧开始不仅用於争取胜利，而且还用於「防止运动员受伤」的目的。其中一个成功例子是NFL与ASW合作开发的名为「Digital Athlete」的人工智慧系统。「Digital Athlete」主要目的是防止运动员脑震荡。藉由Amazon SageMaker和影像辨识AI技术的Amazon Rekognition等功能，分析球员相互接触时的位置关系、姿势和速度等资讯，来建议不太会造成伤害的动作。

为运动员订制专属的AI教练

在竞争激烈的运动世界中，运动员和团队不断寻求优势，为了让每个运动员都能拥有一位专业的生物力学教练，Blast Motion和Persistent Systems依靠一系列GenAI工具，将数据转化为个人化建议。2023年4月，除了AWS开发的Titan系列基础模型之外，AWS还宣布推出Amazon Bedrock，这是一项用於建置和扩展GenAI应用程式的新服务。

Blast Motion是将运动生物力学与感测器数据、视讯撷取技术和基於云端的软体智慧结合起来的一家新兴业者，透过与Persistent Systems和Amazon Web Services合作，应用生成式人工智慧技术，将「摆动艺术（art of the swing）」推向一个全新的境界。

就像任何其他技术一样，应用在运动指导领域的生成式人工智慧，也是以达到目的的手段。因此Blast Motion与各种领域的运动员合作，包括高尔夫和棒球等。年龄层涵括了从青少年运动早期阶段的球员，一直到美国职棒大联盟明星。

但是对於利用各项感测器所获得的这些数据资料，对於研究分析者来说，最大的问题莫过於「这些指标意味着什麽？」和「什麽是好的？」，以及「如何让运动员变得更好？」

因为系统需要对该球员的各种摆动姿势进行时间序列分析。其次，不仅要与基准进行比较，还要与这些运动员所期待训练成果进行比较。因此要满足这些目标，需要各式各样的人工智慧技术，无论利用是聚类、时间序列分析，或是资料整理等方式，最後再透过生成式人工智慧的角度，转换成为人性化的教练指导风格。

图三 : Blast Motion高级工程??总裁Bhaskar Bose(左)。（source：SiliconANGEL）

AI也成健身教练

不只在以竞争为目标的职业运动，今天也已经出现人工智慧的健身教练，其价格更可能只是人类教练的一小部分。在过去的十年中，健身应用程式一直在尝试复制个人训练体验。例如，透过取得健身穿戴装置或智慧手表的各项生物数据，在过去几年中，健身应用程式已经将心率、里程和消耗的卡路里等更复杂的组合结合起来，以创造新的锻链方式。

但近年来，更多的健身应用软体系统都已经融入了人工智慧来产生运动内容，可根据锻链者的能力、目标和可用设备提供客制化健身。这与ChatGPT使用大量现有数据，来预测句子中的下一个单字不同，这些软体系统采用单一使用者的数据，并根据其他使用者的体验来决定演算法，提供个人化的健身课程。

当完成健身课程时，人工智慧不仅仅会综合锻链者提供的感受或表现（例如，需要多长时间、做了多少工作或举了多少重量等），来自订下一次训练课程，所需要的费用更是远低於私人教练。不过，也有一些专家警告说，虽然人工智慧健身软体系统对许多锻链者来说都很有用，但它们并不适合所有人。

目前许多业者已经陆续推出各种健身应用的人工智慧软体系统，现在提供类似上述的服务。Fitness AI、Aaptiv和FitBod每年的费用均略低於100美元。Juggernaut AI则是专注於肌力训练，售价350美元。而一些智慧家庭健身房（例如Tonal和 Tempo）都配有运动感测器的专业设备，这些设备利用人工智慧和摄影机，来追踪使用者的动作并提供各种分析结果，再加上年度会员费用，总金额高达数千美元。

与AI运动软体搭配的各种元件与装置

抛开缺点不谈，如果使用得当，虽然人工智慧使用可以为各领域的私人教练，但仍旧需要各种感测硬体元件来搭配，获得或输出各种互动性的大量数据。

人体姿态感测元件

教练虽然可以透过人工智慧来分析运动员姿势，但仍旧需要在运动员身上安装各种感测器，来识别或侦测身体上的特定点，例如关节和四肢，从而从根本上绘制出他们的骨骼系统。再透过这些资讯帮助训练者决定如何在特定练习中，正确调整关节角度，获得更好的训练效果。

穿戴式元件

使用人工智慧分析的可穿戴设备，可以在训练期间为教练提供运动员的即时资讯。观察这些数据後再进行相关评估，来调整或提高运动员的训练目标。例如利用健身生物感测器，获得运动员的心率、身体活动和其他指标。

智慧服装

另一个人工智慧工具是智慧健身服装。这款服装内建了能够感知身体，及其对运动反应并提供回??的技术。例如，智慧上衣可以监控运动员的跑步速度，智慧裤子可以侦测脚步移动的情况。

AI智慧鞋

一些制鞋公司已经开始利用人工智慧来协助设计各种产品。例如由AI驱动的「月球漫步者」，可以将步行速度提高250%。此外还有业者透过人工智慧，来帮助优化运动鞋的合脚性，确保其在进行活动时既舒适又实用，甚至设计出专属的运动鞋。

图四 : 利用人工智慧驱动的「月球漫步者」，可以将步行速度提高250%。

小程式就能导入AI功能

这里有一个实际的案例，来展现出人工智慧对於田径运动的高度帮助性。

Palo Galko是一位住在澳洲墨尔本的越野跑运动员、铁人三项运动员和IT经理。他从小就开始接触程式设计，喜欢开发各种软体程式来帮助自己进行训练与分析资料。在2023年4月6日，Galko利用人工智慧建立了一个实验性质的运动分析工具，并在凌晨1点在Twitter上发布了这个工具。

Galko回忆说，「我完成了，将其发布到Twitter後，接着就去睡觉了。当我早上醒来，看了一下着手机，让我吃惊的是竟然有22,000次的浏览！」

Galko利用BambooAI开发了一个超强大的训练分析工具。使用者可以输入自己的Strava或Garmin FIT资料，并使用人类的文字来分析该资料。Galko还增加了一项功能，使用者可以为程式提供与自己的分析相关的PDF，例如生理学教科书，或有关特定训练方法的新研究论文。

该模型基本上会学习该PDF的内容，然後使用者可以询问与PDF中的概念相关的FIT文件问题。例如，可以上传最近100英里的活动资料，以及有关配速策略的PDF。有了这些资料，使用者可以询问有关在比赛中的配速情况的问题，例如是否在开始时因为过於紧张而冲过头，或者在上半场爬坡时是否加速太快。

图五 : Galko采用各种AI模型和向量资料库，让程式不断要求用户资料以确保最隹结果。（source：Palo Galko）

虽然这些功能看起来非常不错，但Galko认为只是他自己的第一个运动指导工具，而且是实验的性质，因此偶尔会给出误导的答案。不过，让Galko感到兴奋的是，新人工智慧的力量在於，不再需要成为一个专业运动数据家才能进行运动分析。

「以前，你必须是资料分析师或程式设计师才能做到这一点，或依赖Garmin或Strava等公司为你提供的工具。但是现在，只须利用自然语言与数据对话就能完成，这就是人工智慧的美妙之处。」Galko说，「因此你不需要任何技术技能，也无需事先进行训练，即可从数据中获得一些建议或指导。」

AI将彻底改变运动训练与体育竞赛

在当今快速发展的运动产业中，这项运动不再仅仅关??原始天赋和策略，而是关??如何智慧地利用科技来突破界线。人工智慧在运动领域的兴起堪称革命性的，它将改变从运动员的表现，到观众、球迷所叁与的一切，例如更有效率地发掘潜在人才，招募方式发生了革命性变化，聊天机器人和社群媒体演算法，粉丝体验也发生了显着变化。

尽管如此，在运动场上基於人工智慧的数据的使用仍处於起步阶段，因为目前系统的智慧程度取决於它从人们那里接收到的数据，但仍将继续快速发展，透过先进的分析和预测模型，进一步数位化并改变体育训练方式，让运动团队获得前所未有的竞争优势。