导语：随着可穿戴设备的普及，我们已经能实时获得人体运动的位置或生理情况。而机器学习就是能够帮助我们理解这些数据的统计方法。作者列举了成功案例，并且大胆推测有朝一日，机器学习能取代教练，那么你觉得呢？
关键词：机器学习、可穿戴设备、体育竞技
比如在墨尔本板球场（MCG）举办的澳大利亚足球联盟（AFL）联赛中，人类很难做到在每场比赛中关注到所有运动员，那就让机器代劳吧。图片来源： Flickr/Sascha Wenninger , CC BY-SA
提高运动员的表现，意味着GPS可穿戴设备、计算机视觉和比赛统计将竞技运动“量化”。
所以专业俱乐部孜孜不倦的寻找能将这些数据变成易于理解的有用信息的工具。有个日益流行的工具是机器学习。简单地说，机器学习是一种人工智能，就是说机器自己能够学习，不需要人工编写复杂的程序。
机器学习的算法之所以如此有用是因为他们可以通过大量预存数据进行训练。训练后的算法可以用于识别数据中可能存在复杂而有用的模式，这样我们就可以预计或归类未来的事件。
机器学习的方法通常比传统统计方法更有效。尤其是分析运动比赛中动态和几乎没有规律的数据，传统统计方法通常无能为力。
无足轻重的小游戏
以一场典型的澳式足球比赛为例。澳大利亚足球联盟（AFL）中任何一场比赛，球员的位置和表现数据几乎是实时传送到教练和相关人员手中。
但就算是有了这些信息，教练对场中不同地方18个球员的表现的观察分析能力仍是有限的。“知己”尚未透彻，“知彼”就更顾不上了。教练也是凡人， “眼观六路耳听八方”的能力实在是有心无力。
Don Norman在他的书《让我们变聪明的事情：在机器时代捍卫人的特性》（Things That Make Us Smart: Defending Human Attributes in the Age of the Machine）预言到：我们高估了不借助外力的人脑。这是因为我们无法克服天生的缺陷，比如在记忆力和清醒的理性推断等方面。
人类记忆关注事件内容和意义，而非细节[…]基本上人类可以在一段时间内处理一件需要注意力的工作。但我们不能长时间地在一件事上保持注意力。
因此，教练在比赛中会受其自身认知能力所限。要解决这个问题，只有求助于外界的帮助，比如机器学习。
想象一下AFL比赛中短短的5分钟：多个运动员各就其位且各当其职。
同组中的各个教练对这短短的片段可能做出不同的解释。这是由于各自的经历、偏见和人格特质形成的认知偏见所致。
因此，机器学习可以在数据中迅速地得到客观事实，从而帮助教练做决策。
体育中的科学
那么我们有科学证据支持这个方法吗？经同行审查的体育科学文献中已经有很多机器学习的成功案例。
尤其是生物力学中，机器学习已经广泛应用。值得一提的是，我们已成功开发了识别模式的算法，可以用来识别单个运动员在不同运动中的运动模式。
英超联赛中，比赛统计的机器学习已经用来识别客队的保守策略。机器学习还为射门和接击网球制定了最优策略。
机器学习可以预测单个运动员的行为和团队表现。例如，机器学习已经用于预测如印度超级联赛中的板球运动员的行为，或者通过年龄、经历和社会文化背景等因素来评估团队在亚运会上团队的表现。
葡萄牙科英布拉大学的研究者已经成功地将一系列机器学习的算法应用于分析生理特质和训练记录，以此来挑选有潜力的篮球运动员。
肯迪大学的小组通过分析澳式足球选秀成功案例中的生理特质，总结一套生理规律。
通过可穿戴设备对人体运动如踢、跑和跳自动分析也已经崭露头角。
机器学习也已经用于预测足球伤员返场时间并且在板球比赛中平衡击球员与投球手的实力。
机器学习vs教练
各种技术和机器学习的进步促进了人工智能和实时反馈在体育上的应用。那么，计算机有可能会替代教练吗？
事实上，在某些方面计算机已经代替教练了。许多竞技体育俱乐部已经为运动员设定了最高训练强度，这是一个根据运动员表现或者受伤风险而制定的阈值。
仅需要电脑分析运动员上场的数据就能制定合理的治疗方案。但是目前，是否要在采纳这个方案的决定权仍然在教练手上。
但未来，到底是谁说了算我们拭目以待。
（翻译：张玲；审校：李想）
原文链接：
https://theconversation.com/games-by-numbers-machine-learning-is-changing-sport-38973
留言