近年來，人工智慧應用於包括體育在內的各個行業，不斷的取得重大進展，尤其在爭奪勝負的運動中，分析過去數據可以說是極為重要的。根據統計顯示，人工智慧到2030年在體育產業中的價值將達到192億美元。

因此，利用人工智慧進行數據分析，或是建立出可用於訓練和球員發展的虛擬實境環境，進而修正運動員姿態的案例越來越多。例如，美國國家橄欖球聯盟（NFL）一直在使用這項技術來分析比賽影片並提高球員表現，美國職棒大聯盟（MLB）透過人工智慧幫助球隊更好地決定球員人事，而美國國家籃球協會（NBA）則是利用人工智慧來改善其球探流程。

運動賽事積極導入人工智慧

智慧系統也被用於手球運動中。多年來，德國手球甲級聯賽（Handball-Bundesliga）的球員都佩戴著感測器，收集數百萬筆訊息，包括距離、速度、位置比賽和生物識別數據。球隊的教練Michael Doring表示，這個系統一開始就像一個小孩子，它學習如何利用數據來更好地理解比賽。而我們需要做的是，向系統提供這些資訊，以便它了解手球比賽是如何進行的。

過去兩年，聯賽球隊SG Flensburg-Handewitt的人工智慧系統從大約600場手球比賽中獲得大量的資訊，透過數據的分析，這套人工智慧現在可以開始預測進球的可能性。這也意味著球隊的教練們可以事先了解哪些球員在哪個位置最有機會得分，例如，邊線球員應該在哪裡？我們應該如何開始第二波進攻？

球隊管理階層表示，它就像一個額外的顧問。可以使用這種基於數據的方法，來使訓練更加成功。同時期待在未來，藉由人工智慧不僅幫助他們解決戰術問題，還能幫助他們組建一支擁有最高成功機率的球隊。

圖一 : SG Flensburg-Handewitt使用人工智慧來幫助他們進行比賽分析。（source：Marcel von Fehrn）

將人工智慧引入體育領域的一個例子是「AI 11」軟體系統，它可以分析足球比賽錄影並預測結果。AI 11利用過去的比賽數據作為訓練數據，並透過深度學習進行分析，建立一個根據球和球員的動作預測輸贏的模型。

AI 11已經在2019年的「EAFF E-1足球錦標賽2019錦標賽」上測試，並開始在中國、韓國等亞洲國家的電視轉播中使用。開發AI 11的日本電通集團表示，AI 11是提供一種新的體驗和享受足球的方式，甚至分析決定輸贏的關鍵點。

此外，英國南安普敦大學也正在開發團隊合作的人工智慧分析，因為合作是團隊運動中決定勝敗的重要因素之一。這項研究使用了英超聯賽過去比賽的數據，並利用機器學習來確定兩名球員的配合程度，外界認為如果這種AI分析被證明是有效的，那麼未來很可能會被許多專業團隊所採用。

圖二 : AI 11系統將引入各種賽事，進一步提高足球觀看價值。（source：日本電通）

用AI防止運動員受傷

在美式足球等運動中，球員之間經常發生激烈的接觸，也必須努力防止受傷。因此人工智慧開始不僅用於爭取勝利，而且還用於「防止運動員受傷」的目的。其中一個成功例子是NFL與ASW合作開發的名為「Digital Athlete」的人工智慧系統。「Digital Athlete」主要目的是防止運動員腦震盪。藉由Amazon SageMaker和影像辨識AI技術的Amazon Rekognition等功能，分析球員相互接觸時的位置關係、姿勢和速度等資訊，來建議不太會造成傷害的動作。

為運動員訂製專屬的AI教練

在競爭激烈的運動世界中，運動員和團隊不斷尋求優勢，為了讓每個運動員都能擁有一位專業的生物力學教練，Blast Motion和Persistent Systems依靠一系列GenAI工具，將數據轉化為個人化建議。2023年4月，除了AWS開發的Titan系列基礎模型之外，AWS還宣布推出Amazon Bedrock，這是一項用於建置和擴展GenAI應用程式的新服務。

Blast Motion是將運動生物力學與感測器數據、視訊擷取技術和基於雲端的軟體智慧結合起來的一家新興業者，透過與Persistent Systems和Amazon Web Services合作，應用生成式人工智慧技術，將「擺動藝術（art of the swing）」推向一個全新的境界。

就像任何其他技術一樣，應用在運動指導領域的生成式人工智慧，也是以達到目的的手段。因此Blast Motion與各種領域的運動員合作，包括高爾夫和棒球等。年齡層涵括了從青少年運動早期階段的球員，一直到美國職棒大聯盟明星。

但是對於利用各項感測器所獲得的這些數據資料，對於研究分析者來說，最大的問題莫過於「這些指標意味著什麼？」和「什麼是好的？」，以及「如何讓運動員變得更好？」

因為系統需要對該球員的各種擺動姿勢進行時間序列分析。其次，不僅要與基準進行比較，還要與這些運動員所期待訓練成果進行比較。因此要滿足這些目標，需要各式各樣的人工智慧技術，無論利用是聚類、時間序列分析，或是資料整理等方式，最後再透過生成式人工智慧的角度，轉換成為人性化的教練指導風格。

圖三 : Blast Motion高級工程副總裁Bhaskar Bose(左)。（source：SiliconANGEL）

AI也成健身教練

不只在以競爭為目標的職業運動，今天也已經出現人工智慧的健身教練，其價格更可能只是人類教練的一小部分。在過去的十年中，健身應用程式一直在嘗試複製個人訓練體驗。例如，透過取得健身穿戴裝置或智慧手錶的各項生物數據，在過去幾年中，健身應用程式已經將心率、里程和消耗的卡路里等更複雜的組合結合起來，以創造新的鍛鍊方式。

但近年來，更多的健身應用軟體系統都已經融入了人工智慧來產生運動內容，可根據鍛鍊者的能力、目標和可用設備提供客製化健身。這與ChatGPT使用大量現有數據，來預測句子中的下一個單字不同，這些軟體系統採用單一使用者的數據，並根據其他使用者的體驗來決定演算法，提供個人化的健身課程。

當完成健身課程時，人工智慧不僅僅會綜合鍛鍊者提供的感受或表現（例如，需要多長時間、做了多少工作或舉了多少重量等），來自訂下一次訓練課程，所需要的費用更是遠低於私人教練。不過，也有一些專家警告說，雖然人工智慧健身軟體系統對許多鍛鍊者來說都很有用，但它們並不適合所有人。

目前許多業者已經陸續推出各種健身應用的人工智慧軟體系統，現在提供類似上述的服務。Fitness AI、Aaptiv和FitBod每年的費用均略低於100美元。Juggernaut AI則是專注於肌力訓練，售價350美元。而一些智慧家庭健身房（例如Tonal和 Tempo）都配有運動感測器的專業設備，這些設備利用人工智慧和攝影機，來追蹤使用者的動作並提供各種分析結果，再加上年度會員費用，總金額高達數千美元。

與AI運動軟體搭配的各種元件與裝置

拋開缺點不談，如果使用得當，雖然人工智慧使用可以為各領域的私人教練，但仍舊需要各種感測硬體元件來搭配，獲得或輸出各種互動性的大量數據。

人體姿態感測元件

教練雖然可以透過人工智慧來分析運動員姿勢，但仍舊需要在運動員身上安裝各種感測器，來識別或偵測身體上的特定點，例如關節和四肢，從而從根本上繪製出他們的骨骼系統。再透過這些資訊幫助訓練者決定如何在特定練習中，正確調整關節角度，獲得更好的訓練效果。

穿戴式元件

使用人工智慧分析的可穿戴設備，可以在訓練期間為教練提供運動員的即時資訊。觀察這些數據後再進行相關評估，來調整或提高運動員的訓練目標。例如利用健身生物感測器，獲得運動員的心率、身體活動和其他指標。

智慧服裝

另一個人工智慧工具是智慧健身服裝。這款服裝內建了能夠感知身體，及其對運動反應並提供回饋的技術。例如，智慧上衣可以監控運動員的跑步速度，智慧褲子可以偵測腳步移動的情況。

AI智慧鞋

一些製鞋公司已經開始利用人工智慧來協助設計各種產品。例如由AI驅動的「月球漫步者」，可以將步行速度提高250%。此外還有業者透過人工智慧，來幫助優化運動鞋的合腳性，確保其在進行活動時既舒適又實用，甚至設計出專屬的運動鞋。

圖四 : 利用人工智慧驅動的「月球漫步者」，可以將步行速度提高250%。

小程式就能導入AI功能

這裡有一個實際的案例，來展現出人工智慧對於田徑運動的高度幫助性。

Palo Galko是一位住在澳洲墨爾本的越野跑運動員、鐵人三項運動員和IT經理。他從小就開始接觸程式設計，喜歡開發各種軟體程式來幫助自己進行訓練與分析資料。在2023年4月6日，Galko利用人工智慧建立了一個實驗性質的運動分析工具，並在凌晨1點在Twitter上發布了這個工具。

Galko回憶說，「我完成了，將其發佈到Twitter後，接著就去睡覺了。當我早上醒來，看了一下著手機，讓我吃驚的是竟然有22,000次的瀏覽！」

Galko利用BambooAI開發了一個超強大的訓練分析工具。使用者可以輸入自己的Strava或Garmin FIT資料，並使用人類的文字來分析該資料。Galko還增加了一項功能，使用者可以為程式提供與自己的分析相關的PDF，例如生理學教科書，或有關特定訓練方法的新研究論文。

該模型基本上會學習該PDF的內容，然後使用者可以詢問與PDF中的概念相關的FIT文件問題。例如，可以上傳最近100英里的活動資料，以及有關配速策略的PDF。有了這些資料，使用者可以詢問有關在比賽中的配速情況的問題，例如是否在開始時因為過於緊張而衝過頭，或者在上半場爬坡時是否加速太快。

圖五 : Galko採用各種AI模型和向量資料庫，讓程式不斷要求用戶資料以確保最佳結果。（source：Palo Galko）

雖然這些功能看起來非常不錯，但Galko認為只是他自己的第一個運動指導工具，而且是實驗的性質，因此偶爾會給出誤導的答案。不過，讓Galko感到興奮的是，新人工智慧的力量在於，不再需要成為一個專業運動數據家才能進行運動分析。

「以前，你必須是資料分析師或程式設計師才能做到這一點，或依賴Garmin或Strava等公司為你提供的工具。但是現在，只須利用自然語言與數據對話就能完成，這就是人工智慧的美妙之處。」Galko說，「因此你不需要任何技術技能，也無需事先進行訓練，即可從數據中獲得一些建議或指導。」

AI將徹底改變運動訓練與體育競賽

在當今快速發展的運動產業中，這項運動不再僅僅關乎原始天賦和策略，而是關乎如何智慧地利用科技來突破界線。人工智慧在運動領域的興起堪稱革命性的，它將改變從運動員的表現，到觀眾、球迷所參與的一切，例如更有效率地發掘潛在人才，招募方式發生了革命性變化，聊天機器人和社群媒體演算法，粉絲體驗也發生了顯著變化。

儘管如此，在運動場上基於人工智慧的數據的使用仍處於起步階段，因為目前系統的智慧程度取決於它從人們那裡接收到的數據，但仍將繼續快速發展，透過先進的分析和預測模型，進一步數位化並改變體育訓練方式，讓運動團隊獲得前所未有的競爭優勢。