從對手分析、戰(zhàn)術(shù)洞察、規(guī)劃判罰到提高運動員表現(xiàn)，AI與機器學習已經(jīng)融入到各項體育運動當中。NBA就在使用生成式AI來提供個性化的球迷觀看內(nèi)容；兩屆奧運會馬拉松運動員Des Linden則擁有一套數(shù)字孿生心臟模型，能夠模擬她的心率、血流量與血氧水平，據(jù)此微調(diào)訓練強度以提高比賽成績；亞特蘭大獵鷹橄欖球隊的主場梅賽德斯-奔馳體育場也已經(jīng)部署了人臉識別檢票系統(tǒng)。

盡管出現(xiàn)了這么多令人印象深刻的應(yīng)用，但報告指出體育產(chǎn)業(yè)對于全球AI市場的貢獻并不算大。2020的6月至2023年6月，全球體育領(lǐng)域共獲頒363項AI相關(guān)專利，相比之下汽車行業(yè)則為4155項。本文將與大家共同探討相關(guān)AI應(yīng)用，展望AI技術(shù)如何支持環(huán)境可持續(xù)性、并解決體育部門在氣候變化影響下面臨的一系列最新難題。

運動員傷病預防

氣候變化正在加劇運動員面臨的健康風險。在極端炎熱、因污染或野火煙霧造成的空氣質(zhì)量低下、或者在干旱硬化的地面上進行訓練和比賽等惡劣條件下，體育運動需要考慮的風險因素正在快速增加。這些情況可能增強運動員因脫水、肺部疾病、疲勞引起的拉傷/扭傷以及重復性勞損而受傷的幾率。

AI技術(shù)能夠根據(jù)運動員的體態(tài)、姿勢與運動軌跡提供實時且精確的生物力學監(jiān)控與預測分析。一旦檢測到壓力或者疲勞跡象，教練、經(jīng)理和運動員就能明智做出干預決定，在很大程度上降低遭受傷病的風險。這些即時反饋信息，將主要由配備傳感器和AI技術(shù)的可穿戴設(shè)備提供。

2023年10月17日，在蒙得維的亞世紀體育場舉行的2026年FIFA世界杯南美區(qū)預選賽烏拉圭對陣巴西隊的比賽中，巴西前鋒內(nèi)馬爾受傷后痛哭離場。巴西足協(xié)10月18日表示，足球巨星內(nèi)馬爾在這場巴西0-2負于烏拉圭的比賽中左膝韌帶及半月板撕裂，將不得不接受手術(shù)治療。

前澳大利亞鉆石隊籃網(wǎng)球運動員Amy Steel在2016年的比賽中罹患嚴重熱病，導致她被迫中止了運動生涯，病痛甚至將延續(xù)伴隨她一生。在被問及AI應(yīng)用是否有望避免此類風險時，Amy回答道“至少從個人經(jīng)驗來看，單純監(jiān)控比賽期間的溫度與濕度讀數(shù)來判斷運動環(huán)境是否安全，已經(jīng)遠遠不夠了。”

她進一步補充稱，“我們知道不同人體對于高溫的反應(yīng)各有區(qū)別，我自己就是典型的例子。在中暑之前幾周，我才剛剛打破球隊的體能測試記錄，但隨后卻出現(xiàn)了最嚴重的中暑癥狀。也許可穿戴設(shè)備能夠幫助我們理解個體之間的差異，幫助保障選手安全。理想情況下，我們當然希望此類技術(shù)能夠在長遠角度轉(zhuǎn)化為更好的熱量管理策略，讓運動員們無需依賴昂貴的設(shè)備即可安全參與體育賽事。”

天氣預測建模

據(jù)報道，AI技術(shù)現(xiàn)在能夠超越傳統(tǒng)天氣預報，更快、更準確地預測極端高溫與氣旋路徑等重要指標。英國《金融時報》報道稱，AI預報在能源消耗方面也僅為傳統(tǒng)方法的千分之一。

隨著氣候變化導致的極端天氣事件及惡劣條件的增加，AI應(yīng)用能夠幫助體育主辦方，特別是戶外運動和巡回賽事的主辦方提前獲取更準確的信息。他們可以據(jù)此采取必要行動以調(diào)整或推遲富順，確保運動員、工作人員和觀眾的人身安全，或者提前向參與各方提供預防建議。

粉絲行為預測建模

隨著新冠疫情結(jié)束，粉絲們也開始重回體育賽場。科技企業(yè)利用AI技術(shù)與賽事隊伍合作設(shè)定門票價格，更準確地預測粉絲們愿意為現(xiàn)場觀賽掏出多少預算。西甲聯(lián)賽就構(gòu)建起一套機器學習解決方案，能夠在比賽規(guī)劃階段最大限度提高電視觀眾與場館觀眾的人數(shù)。各類體育組織也開始使用預測模型來設(shè)計更具針對性的宣傳與促銷內(nèi)容。

對體育場館內(nèi)粉絲行為進行預測的一大潛在收益，在于減少資源浪費。通過更好地了解觀眾趨勢、粉絲統(tǒng)計數(shù)據(jù)，以及對食品、飲料和商品的偏好，賽事主辦方可以利用這些指標提高效率、減少不必要的物資儲備。促銷活動則可以根據(jù)粉絲的喜好和消費習慣進行定制，進一步改善物資的消化比例。

除了減少物資廢棄之外，一些組織還利用基于AI的解決方案鼓勵垃圾分類并提供游戲化獎勵，引導賽事粉絲適當分類以優(yōu)化回收效率。這項技術(shù)還能夠為場館提供更為詳盡的廢物類型、量級和分類數(shù)據(jù)，整理出靈活準確的管理報告。

能源效率

體育場館在賽事舉辦期間會消耗大量能源，某些大型設(shè)施還設(shè)有員工辦公室和會議場所，這意味著場館內(nèi)只有少部分設(shè)施能夠頻繁使用。基于AI的樓宇管理系統(tǒng)可以控制并跟蹤建筑物內(nèi)的各類系統(tǒng)與功能，收集并處理大量傳感數(shù)據(jù)。

在設(shè)有傳感器和物聯(lián)網(wǎng)技術(shù)的智能建筑中部署AI方案，能夠最大限度提高能源利用效率。AI算法可以分析并解釋建筑管理系統(tǒng)中的數(shù)據(jù)，進而對供暖、制冷和照明系統(tǒng)做出實時調(diào)整，有效優(yōu)化能源消耗并減少對環(huán)境的總體影響。

排放預測與戰(zhàn)略制定

最近一篇研究論文，提出了一種為體育賽事管理場景開發(fā)AI驅(qū)動碳排放策略的新方法。概括來講，這套方案使用一套碳排放模型對人口、財富和技術(shù)進行量化影響分析，依托神經(jīng)網(wǎng)絡(luò)預測未來排放趨勢。再結(jié)合遷移學習的功能增強，最終建立起體育完整管理中的碳排放綜合分析方法。

盡管此項研究存在局限性，但論文表示“這項研究的意義，在于有望為體育賽事主辦方提供數(shù)據(jù)驅(qū)動的碳排放管理方法。”研究人員認為，體育活動可以利用AI推進宏觀層面的可持續(xù)性轉(zhuǎn)變，準確預測體育賽事期間的碳排放總量并制定行之有效的碳中和策略。

粉絲出行數(shù)據(jù)中的生成式AI

對于體育賽事主辦方來說，收集粉絲觀賽詳盡數(shù)據(jù)以整理溫室氣體排放報告往往相當困難。傳統(tǒng)作法只能收集少量數(shù)據(jù)樣本并據(jù)此推斷，作為粉絲參加體育賽事或現(xiàn)場出行的排放估算值。

生成式AI能夠利用機器學習技術(shù)創(chuàng)建出與真實數(shù)據(jù)高度相似的合成數(shù)據(jù)，用以模擬各類場景、生成假設(shè)數(shù)據(jù)集，并填補現(xiàn)有數(shù)據(jù)的空缺。雖然這是一類潛在的有趣用例，但以這種方式創(chuàng)建數(shù)據(jù)的確存在相關(guān)風險。因此作為一項關(guān)鍵前提，由生成式AI做出的推斷必須經(jīng)過人類的測試、審查與驗證。

未來機會

某些一些體育類AI用例已經(jīng)部署到位，其他應(yīng)用則還須更多的探索和監(jiān)管介入才能發(fā)展成熟。另外需要強調(diào)的是，AI技術(shù)本身也會對環(huán)境造成重大影響。國際能源署明確表示，AI“比其他形式的計算會消耗更多的能源——考慮到全球正積極尋求高效能源系統(tǒng)的宏觀背景，這將是一個至關(guān)重要的考量因素。”具體來講，訓練一套模型所消耗的電量甚至超過100個美國家庭全年的電力需求。

全球體育產(chǎn)業(yè)正在被AI及其他構(gòu)成第四次工業(yè)革命的新興技術(shù)所影響甚至重塑。而如今，我們正站在第五次工業(yè)革命、或者說認知時代的邊緣，新時代的基本特征在于強調(diào)環(huán)境保護與可持續(xù)發(fā)展的深遠意義。隨著體育組織建立、影響并采用AI和機器學習應(yīng)用方案，各方必須抓住每一個可能的機會將可持續(xù)性、環(huán)保意識和包容性納入發(fā)展規(guī)劃。