【科技．未來】AI任球探裁判評述 成也數據敗也數據？
本月初，美式足球大聯盟（NFL）宣布與亞馬遜（Amazon）合作，將使用人工智能（AI）分析比賽數據，以助預防這項激烈碰撞運動的球員受傷。事實上，美國職業棒球大聯盟（MLB）、英超（Premier League）等頂級運動界別近年也跟隨世界大潮流走上數據化，在一些高水平賽事如國家冰球聯盟（NHL）、溫布頓網球錦標賽（Wimbledon）或體操世錦賽等，AI更已開始擔當教練、球探，甚至裁判和賽事評述員。擅長從數據中得出見解的AI將如何改變運動產業？它們又可否就此取代運動專業人士？
承接上文︰【科技．未來】當AI能預防受傷 分析比賽 將如何改變運動產業？
會被AI影響或改變的，不止場上的運動員，還包括球探。安大略冰曲聯盟（Ontario Hockey League）後衛Sean Durzi在前年選秀時，雖然被冰曲數據分析公司SportLogiq的AI排於前40名，仍不獲大球會青睞，一年後卻成了選秀熱門人選。SportLogiq經理Christopher Boucher炫耀稱：「球隊若跟從我們系統的建議，前年就可用較後的選秀權得到他。」SportLogiq的AI系統已被24隊NHL球隊採用，可從比賽片段追蹤球員的動作和身體定向，機器學習演算法會被訓練評估球員的能力及整體潛能，並把他們按位置及打法分類為進攻前鋒、大前鋒、防守前鋒等。系統也可察覺球員一些特別能力，例如Durzi便擅長挑球，而且在進攻區域特別有創意。
德甲球隊雲達不萊梅（Werder Bremen）採用了德國初創公司Just Add AI的AI球探，該AI球探可從球會收到的大量球探報告中分析並抽出最相關資訊，使其更容易搜尋和圖像化，提高效率。Olocip使用AI幫助球會和球員在比賽戰術、球探和預防受傷三方面提供諮詢，其數據科學主管Marco Benjumeda強調，AI在球探描述數據分析方面能提供「環境脈絡」：「若你想買一個球員，你有興趣的不是他在過往球會的表現，而是他在你的球會會不會有好表現。一方面，球隊的踢法會影響球員的表現，但也要留意球員所在聯賽的水平。我們會把這些都納入考慮範圍，AI就可從數據中學習如何把一個球員在過往球隊的表現，轉化成對他在新環境的預測。」
10月在德國斯圖加特舉行的體操世錦賽就有另一種測試。場內設有30個WiFi路由器大小的盒子，由日本公司富士通（Fujitsu）研發，內含一組立體激光感應器，追蹤參賽選手的比賽動作。這些數據會輸入AI系統，量度和分析選手姿體的位置、速度和角度，讓人類裁判參考，以防肉眼看不清楚或錯過了。國際體操總會主席渡邊守成形容它們為「體操新歷史的開端」，令運動員毋須再害怕因人為出錯而剝奪了艱苦訓練的成果。這或許會改變一些類似的評分運動比賽，如體操、跳水、韻律泳、花樣滑冰、單板滑雪、跳台滑雪、自由式滑雪等。但AI系統暫時在世錦賽只屬支援，讓裁判在體操運動員要求挑戰裁判計分或裁判之間評分出現極大差異時重新確認評分，並只用在鞍馬、吊環和跳馬項目上。
AI還可以另一種方式辨識和解說比賽。在今年的美網和溫網上，IBM就以AI捕捉比賽精華。它透過收音咪記錄觀眾聲音，並從比賽片段分析球員的身體語言，經訓練後可辨識一些細微標誌，例如觀眾失望驚嘆或慶祝歡呼、球鞋在場上的摩擦聲等，繼而知道比賽的精彩部份。只需兩分鐘，場內科技團隊就能以之「自動生成」比賽精華。IBM英國運動及娛樂贊助主管Sam Seddon解釋：「它不會自動發布，而會產生一套片段，由編輯決定是否使用，但可大大縮短他們觀戰時間。」他希望藉此釋放編輯的時間，讓他們創作其他內容。
IBM還於本月初在加拿大舉行的神經信息處理系統大會（NeurIPS）上示範了AI評述足球比賽的「才能」。據研究員Dan Gutfreund解釋，系統經50場足球比賽連同評述訓練，雖然仍要靠人手辨認球員，但可實時追蹤球員，能辨識傳球、傳中和射門，就每個攻勢評述，且可自動從數據庫找出統計數字和聯賽排名等資訊，與預先挑選的比賽精華影片內容結合。
成也數據敗也數據
會上讓AI即場評述五條AI從未見過的影片，發現它比人類評述員較多重複同一短句，例如「斬入禁區」，也曾錯誤辨認沿着邊線的傳球為轉邊。此外，不論在描述入球還是偏離目標的射門時，它都只會用同一把電腦產生的聲調，沒有情感，沒有如南美評述員標誌式持續十幾甚至幾十秒的「Gooaal」等風格，更莫說英國天空體育台（Sky Sports）曼聯和利物浦名宿加利尼維利（Gary Neville）和加歷查（Jamie Carragher）的幽默互嘲。
AI對現實的運動世界能理解多少也是疑問。具爭議的AI體操裁判現時仍未用於自由體操和平衡木項目，三名2020奧運參賽選手的教練Al Fong質疑，機器可否恰當地就其中的舞蹈元素評分：「一個人覺得美麗的舞蹈，在另一人眼中可以是太慢和不夠用心。」意大利體操教練Enrico Casella也同意：「電腦無法理解美學和對動作的感覺，相比人類裁判，它可以看到更好的角度，但美學感欠奉。」
再者，數據分析和AI演算法的功效很取決於數據是否完善。以NFL為例，聯盟只能測量到球員的部份活動數據，即使個別球隊會追蹤諸如心跳率、疲勞、身體水分等可左右球員受傷風險的因素，但要預防受傷，還要考慮球員的靈活性、力度、過往受傷記錄和身體結構等，惟這些數據大多都因擔心洩露軍情而由球會保留。NFL向科技媒體The Verge承認，受傷預測計劃沒有包括球員的健康記錄，Binney說這或影響預測的準確性。修夫基（Gareth Southgate）說，類似情況同樣見於英格蘭國家足球隊：「有些球會願意分享所有，其他只想分享少許，有些球會則完全不分享。這可以理解，因為是他們的知識產權。訓練量是一項關鍵數據，人人都想避免受傷，但球會或會有戒心。」
更何況，不論是AI還是人類，從數據得出的見解和預測也不見得能盡信。一些運動比賽之所以引人入勝，在於它的運行超越觀眾想像。就如上季尾的英超賽事，曼城對上李斯特城（Leicester City）久久未能入球，中堅高柏尼（Vincent Kompany）大膽在離門25碼施放冷箭中鵠，憑這遠射取下奪得英超冠軍的關鍵一役。Briggs回想：「若你分析全球所有中堅在這個距離起腳，你會叫他千萬不要射門。」
連曼城領隊哥迪奧拿（Pep Guardiola）和幾名隊友賽後都承認當時有同樣想法。但是，「甘賓尼卻靈感到了，並且射入，這是曼城贏得英超冠軍的關鍵。」英超球隊曼城高級分析員Aaron Briggs說，「場上球員的個人天賦總會存在，能夠在一瞬間決定比賽結果。將來不會是電腦對電腦，球迷不會想要，我也認為若這情況發生，足球將會失去它某種靈魂。」又或如修夫基所說：「科技是我們做任何事的基礎，而運動仍然是人類的工業。」
相關文章︰
上文節錄自第194期《香港01》周報（2019年12月23日）《AI進入賽場 如何改變運動產業》。
更多周報文章︰【01周報專頁】
《香港01》周報，各大書報攤、OK便利店及Vango便利店有售。你亦可按此訂閱周報，閱讀更多深度報道。