AI如何打开体育分析的新篇章

职业体育团队投入数百万美元用于数据分析，使用先进的追踪系统研究场上的每次冲刺、传球和决策。然而，这些分析结果属于行业机密，使得研究人员难以研究许多运动项目。

如今，两位研究人员正在利用AI技术打破这一壁垒。通过接入Google Research Football的强化学习环境，他们开发了一套能够模拟并记录无限场足球比赛的系统。研究团队首先生成并保存了3000场模拟足球比赛的数据，创建了一个包含传球、进球和球员移动的丰富复杂数据集供研究人员使用。

“虽然研究人员可以获取棒球等回合制运动的大量数据，但足球和冰球等连续入侵型运动的分析难度要大得多，“该研究的共同作者表示。

尽管AI生成的球员可能无法完全像梅西那样踢球，但生成的模拟数据集对于开发体育分析工具仍然非常有用。这类数据集对研究人员、狂热粉丝和无法获取专有体育数据的小型研究团队尤其有价值。

“让研究人员拥有这些数据将开启各种机会，这是体育分析数据民主化的体现。”

虽然团队生成的数据集对体育爱好者特别有趣，但它们对AI研究也具有更广泛的意义。“入侵型运动分析的核心是理解复杂的多智能体系统。我们越能模拟体育情境中人类行为的复杂性，对AI研究就越有用。反过来，更先进的多智能体系统将帮助我们更好地理解入侵型运动。”

研究团队认为体育分析的未来依赖于追踪数据领域的进步。他们希望对此类数据感兴趣的研究人员能够利用他们的数据集和资源库来获得处理这类数据的经验。

这项名为《模拟追踪数据以推进体育分析研究》的研究成果已发表在第24届国际自主智能体与多智能体系统会议论文集中。