【AI+体育】机器学习在体育应用概述

关于运动的数据长期以来一直是运动科学家研究和分析的主题。这些数据越来越大的规模和可用性也吸引了机器学习、计算机视觉和人工智能研究人员的注意。然而，这些社区很少相互影响。这个研讨会旨在将这些领域的研究人员聚集在一起，以激发跨学科的方法来解决这些问题。研讨会围绕五个不同的主题组织，并以教程和概述形式介绍了关键概念，以促进不同背景的研究人员之间的知识交流和基于数据的体育研究方法。通过对具体问题或技术的更深入的介绍，这些内容得到了补充。有一个由实践者组成的小组讨论，讨论了将分析应用于实践的困难和经验教训。最后，我们得出了一些结论和下一步的步骤。

随着数据来源的出现，如赛事数据(如动作的时间和地点)、跟踪数据(如位置数据)和运动员监测(如生物传感器、imu、GPS)，体育已经成为一个数据极其丰富的领域。这些数据通常广泛地收集在多个不同的运动项目中，包括专业和娱乐水平。这些数据的出现提出了从理论(如运动建模)和实践(如顶级运动训练)角度开发收集数据的需要。问题的解决方案只能通过运动科学与信息学(S&I)和机器学习(ML)社区之间的互动来提供。机器学习正在成为体育分析的一种强大的新范式，因为它提供了理解收集到的数据的新方法。然而，S&I和ML社区传统上是分开的，各自有自己的议程。研讨会的目的是将活跃在这两个领域的顶尖研究人员和实践者聚集在一起，以评估他们潜在的协同作用。

我们按照五个不同的主题组织了研讨会，每一个主题都是半天到一整天的重点。鉴于参与者在学科方面的背景不同，每个主题都以概述开始，以便让每个人都在同一页上。然后是更详细的陈述。这5个主题是:机器学习与体育运动的结合。本次会议的目标是提供一些机器学习技术(预测建模、文本挖掘)的概述，以及如何将它们应用于体育运动。ML可以发挥作用的说明性应用包括评估球队和球员的表现，支持体育转播，评估球迷对规则改变的反应，并帮助减少视频分析人员的时间负担。目的是提供运动科学基本概念的概述，以便从机器学习中为研究人员提供信息。基本概念是竞赛、训练与运动员能力的关系，不同运动项目的表现结构，以及运动实践中对支持的需求。特别是将团队运动结构解释为具有突发行为的动态交互过程，认为这是机器学习在运动领域最常见的应用领域。该课程旨在让参与者接触到通过分析视觉信息来收集团队运动信息的实践。会议开始时概述了计算机视觉在体育领域的一般应用。其中三名主持人来自业界，代表的公司在向分析制作人提供团队运动(如篮球、足球和冰球)的信息方面具有重要影响力。第四位演讲者来自学术界，讨论了相机规划和分析的材料，此外，他本人也参与了业余体育运动中视觉分析方法的技术转移。这些有经验的研究人员的讲座很好地满足了总体目标，即让参与者了解视觉的方法和应用。跨学科视角的战术会议旨在建立一个共同的理解战术及其在预测/生成模型的实施。如何在计算机模型中表示总体的长期战略仍然是一个开放的问题，在概述和贡献的演示的例子中讨论了不同的想法。一个关键的挑战是如何将机器学习模型的结果有效地传递给领域专家，这与许多此类模型的黑盒子特性相结合。这一届会议强调了实现这一目标的各种技术，并举例说明了各种运动项目，如冰球、乒乓球和足球的练习。这仍然是一个活跃的研究领域，讨论了各种经验教训和改善领域专家和技术专家之间交流的想法。