英语轻松读发新版了,欢迎下载、更新

Draftgpt:勇敢的新世界击中了NBA

2025-06-24 10:30:00 英文原文
盖蒂图像/铃声插图

约翰尼·布鲁姆(Johni Broome)在上个赛季在奥本(Auburn)推销了大多数对手,但在NCAA锦标赛的第二轮对阵克雷顿(Creighton)的比赛中,这位身高6英尺10的全美人在他最糟糕的比赛中挣扎。奥本(Auburn)设法获胜,但布鲁姆(Broome)在13杆的四分球命中率上只获得了8分,他的所有三分球命中率和罚球都缺席。

当被问及赛后新闻发布会上的表现时,布鲁姆给出了您对五年级大四学生期望的那种股票答案。他说,这个季节是关于获胜的。我知道我的队友回来了,他们知道我有他们的。我的镜头不在掉下来,所以我只需要尽我所能影响获胜,我让其他所有人都进行得分。”

布鲁姆的回答不是很揭示陈词滥调的回应可能并没有在当地报纸上引起游戏故事。但是对于肖恩·法雷尔(Sean Farrell)来说,回应表达了关于布鲁姆在下一个层面的机会。Farrell说,如果您重点关注现在 - 您更有可能进入NBA。”如果您对过去的错误进行反思,那么您就不太可能犯错。

白天,法雷尔(Farrell)是澳大利亚布里斯班附近的昆士兰州消防局的高级数据科学家。到了晚上,这位前天体物理学家做了Moneyball娱乐模型,包括新的模型研究论文这分析了玩家在访谈中使用的语言如何预测NBA的成功。法雷尔(Farrell)和他的合着者开发了机器学习模型,可以分析大量数据,然后插入了近1500名大学球员几十年来的近26,000份成绩单。” 

由于没有其他有关球员是谁或大学里有多出色的信息,这些模型准确地预测了谁将在63%的时间内获得NBA名册。当在年龄,身高,统计和大学会议等上下文中进行分解时,这些模型有87%的时间正确。该研究还预测,哪些球员可能在联盟中至少可以持续250场比赛(准确性69%),并且开始了30%以上的比赛(准确性68%)。 

这些模型借鉴了许多有价值的用例:在两个具有相似选秀成绩的球员之间选择,在第二轮中找到一个隐藏的宝石,决定在新秀合同后要保留哪个球员。结果预计,Kawhi Leonard(总体排名第15),Draymond Green(第35位)和Danny Green(第46位)成功的NBA职业生涯,但在吉米·巴特勒(Jimmy Butler)(第30位)中错过了。布鲁姆,排名第41铃声S NBA草案指南,比率比硬币翻转要好得多,可以持续到NBA中至少250场比赛。库珀·弗拉格(Cooper Flagg),假设号。1个选秀权,根据语言分析属于包装中间,但在其他可测量物品中仍排名第一。 

模型完美。他们仅与英语合作,这忽略了重要的国际球员。赛后访谈是一个受控的环境,每个玩家都回答相同的问题;记者决定了玩家对他们使用的语言的反应。 

尽管如此,法雷尔(Farrell)在进行这项研究之前从未在NBA之前跟随NBA,他可能在侦察过程中发现了新的皱纹。例如,使用与诚实和非防御性相关的词的玩家相信,'都更有可能做到这一点。那些用更长的句子说话并使用更复杂语言的人实际上是较少的可能做到这一点。Farrell发现,数据对表达有了清晰的视角。因此,虽然一次参加一场比赛的运动员在讲台上听起来很无聊,但他们可能会做些事情。

法雷尔(Farrell)在今年的MIT Sloan Sports Analytics会议上介绍了他的发现,他和他的合着者是2025年研究论文竞赛的决赛选手。之后,他告诉我,迈阿密热火队,洛杉矶湖人队,凤凰城太阳队和克利夫兰骑士队的代表排队与他交谈。(两个美国职业棒球大联盟也加入了。) 

像全国大多数企业一样,NBA已经开始涉足勇敢的人工智能世界。多年来,联盟办公室一直对新技术制定了开放式政策,而团队的前部办公室已经发展到了高级统计数据,以将机器学习纳入球员评估中,包括本周的S NBA选秀。 

Farrell希望他的研究将成为这项新革命的一部分。对我来说,他说,在分析方面,心理学就像最后一个边界。

法雷尔(Farrell)今年三月提出了他的研究后的第二天,费城76人队总裁达里尔·莫雷(Daryl Morey)在斯隆会议小组中揭示了头条新闻,76人76人咨询人工智能,特别是大型语言模型s在评估玩家时,对他们的侦察笔记和玩家跟踪数据进行了培训。•在任何决定中,我们绝对将模型作为投票告诉人群。我们将它们几乎将其视为一个侦察员。

关于莫雷的评论,唯一令人惊讶的事情是他大声说出来。如果他们认为自己具有竞争优势,则团队高管保留像间谍这样的秘密,但是联盟一直在登记昂贵硬件的NBA竞技场跟踪数据,大约15年。AI仅有助于理解收集的数据。

他们将尝试使用[AI]来查看他们多年来记录的侦察报告中出现的信息。”他们的童子军大脑中是否有信息可以用来做出更好的预测?

数十年来,NBA在这方面一直领先于其他体育联赛。自2000年以来,联盟在全明星周末举行了一次年度技术峰会,演讲嘉宾演讲谈论体育创新。自2018年以来,在夏季联赛期间举行了仅邀请技术博览会,这使科技公司有机会在团队面前演示其产品。在2022年,联盟甚至开设了自己的技术孵化器NBA Launchpad,直接投资于可以改善球场行动或粉丝体验的研发。Launchpad选择的许多最近的公司都使用AI,产品范围从收集数据的智能篮球到跟踪播放器移动的鞋内传感器,再到将MRI扫描变成3D图像的软件。

有些赌注无法解决,但是这些投资不仅仅是月亮镜头。在观看了第一个NBA Tech Expo的演示文稿之后,奥兰多魔术公司(Orlando Magic)可以独家访问名为AutoStats的AI平台,该平台可提供玩家跟踪游戏广播而不是Arena传感器的数据。结果,魔术看到了其他球队无法进入的大学篮球运动员的独特统计数据和球员运动趋势。 

奥兰多的助理总经理戴维·班塞斯(David Bencs)在球队的侦察草案方面说,我们的预测变得更加准确。” 

在2024年草稿之后,魔术切换到另一个称为Skillcorne的AI平台r这在大学篮球,G联赛和一些国际联赛中收集了类似的数据。这些工具正在彻底改变童子军的工作方式。借助Skillcorner,侦察兵可以分析诸如射门释放时间,通过防守者位置以及玩家对屏幕的反应之类的信息。它使旧的盒子分数看起来像幼儿园数学。班克斯说,我实际上认为AI和我们拥有的数据可以帮助创建更好的侦察兵。”他们不必专注于工作中一些更平凡的部分,实际上他们可以做更多的学习。”

例如,在过去,如果一个魔术侦察员想研究潜在客户如何在大学中进行巡回演出,那么他们必须筛选数小时的电影才能找到这些戏剧。现在,使用AI,他们可以过滤游戏录像以获取拾音器,并仅一键单击进行编辑。

他们的童子军大脑中是否可以使用这些信息来做出更好的预测?

迪恩·奥利弗(Dean Oliver)

当小牛少数党伙伴(和前多数党所有者)马克·古巴(Mark Cuban)通过电子邮件告诉我,团队还可以使用该功能来帮助当前的NBA球员进行游戏中的调整,并侦察对手。我们可以使用它直接从游戏录像中创建视频,以便玩家无需等待视频室。可以教导给予反馈。

尽管AI威胁要取代工程师,律师和其他公司工作,但我在联盟各地与之交谈的人都担心AI会使侦察员过时。奥利弗(Oliver)辩称,仍然有重要的线索,您可以收集数据来培训AI,例如球员的休赛期训练习惯。但是,团队仍然可能试图通过将工作外包给Aiâ,例如其他行业尤其是视频协调员等低级职位来省钱。消除那些入门级的工作可能会使团队更难找到和培养有才华的篮球头脑。有一位令人印象深刻的前视频协调员名单,他们在NBA阶梯上工作,包括NBA冠军教练Erik Spoelstra和Frank Vogel和Thunder Execucie副总裁Sam Presti。

AI的另一个问题是集体思考。正如奥利弗(Oliver)所说的那样,AI被描述为一个很棒的插值。这很棒。在盒子外面思考可能很困难。

当莫雷(Morey)第一次成为NBA高管时,他是一个局外人,为人事的决定带来了独特的分析观点。今天,前台充满了他的门徒。他们处理了许多相同的数字,并考虑了相同的工具。效率低下的效率很高。联盟已经对球队的篮球风格,狩猎太多的三分球和犯规射门的观念已经感到满意。AI可能导致更加志趣相投。 

贝恩斯说:``我们总是开放,并尝试新技术以获得更好的优势,但这是一个零和游戏。”``我没有任何其他团队现在没有使用或不开始使用跟踪数据的幻想。而且我认为我们将不得不找到下一步的一切。

在NBA全明星技术峰会的超现实场景中,专员亚当·西尔弗(Adam Silver)与一些意外的特别嘉宾分享了舞台:物理AI机器人K.I.T.,M.I.M.I.C.和B.E.B.E.。西银介绍了他的新同事

Jokey视频由举办全明星周末的金州勇士队(Golden State Warriors)参加。在草图中,一个机器人飞行到斯蒂芬·库里(Steph Curry)。另一个鼓励举重室中的德雷蒙德绿色。有一次,勇士队教练史蒂夫·克尔(Steve Kerr)大喊:``把这里的他妈的伸向练习场上的机器人。视频结束后,机器人将T恤扔向人群中的围观者。 

演讲使房间里的一些人感到困惑,以至于福克斯(Fox)体育了里克·布切问勇士是否真的使用了机器人。他们没有;该视频只是概念性的。但是有了AI,这并不需要很长时间才能成为现实。 

尤其是一个机器人,B.E.B.E承诺量身定制恢复程序,并帮助玩家优化其身体的高峰性能。机器人的形状是否像冷却器一样最终会在诺言中做出良好的态度,但班克斯和其他团队决策者正在追逐解决方案,以解决同样的问题。

Farrell的研究论文没有掩盖玩家的健康,但他在演讲结束时将其作为未来用例。他解释说,有可能将语言线索与运动员伤害联系起来,从而从体育心理学家那里建立现有的研究,这些研究表明某些心理因素和压力源可能表明运动员更有可能受到伤害。(他告诉我,他需要访问更多数据来测试这一点。)除运动队外,法雷尔说,世界上最大的保险公司之一向他询问了他的论文。 

通过机器学习和其他AI技术,已经有一个迅速发展的学术研究领域在预测伤害方面变得更好。这为团队提供了更多的知名度,例如身高影响背部和韧带问题或者异常跑步风格导致膝盖受伤。古巴说,AI可以分析和比较玩家如何在比赛的一段时间内奔跑和跳跃,寻找可能对人眼看不到且无法被球员发现的变化。” 

人工智能会发现我们尚未考虑的东西。

马克古巴

这些运动中的一些变化甚至是团队医生可以检测到的。这为像Springbok Analytics这样的公司打开了大门,,,,这创建了医疗扫描的3D渲染,使团队对球员的肌肉质量有了更深入的了解。AI驱动的技术会发现身体上的失衡,例如一个腿筋必须比另一个腿筋更努力,因此培训师可以在变成赛季结束的伤害之前对其进行处理。Springbok的客户列表包括犹他州爵士乐,芝加哥公牛,孟菲斯灰熊和底特律活塞。 

尽管这项技术可以在医疗空间中,但也引起了道德问题。玩家可以像使用任何可穿戴设备一样退出此跟踪?如果一个团队使用这些模型作为理由来替代球员才能获得合同激励措施,该怎么办?如果总经理根据受伤实际发生的可能性进行交易或削减球员,该怎么办?或者如果前台因AI做出错误的决定,该怎么办幻觉?NBA将需要新的准则,以确保有足够的透明度来保护所有参与人员。联盟还必须与每晚展示最好的篮球的愿望调和对球员安全的承诺。” 

国家篮球运动员协会的发言人说,团队一直在基于新类型的技术做出人员决定,显然是最新的AI。对于我们来说,更多的是保护数据和播放器安全。当团队使用这些工具时,这就是我们的最大优先事项。 

根据今天的存在,我们可能与试图预测进入NBA级别可能遇到的受伤的球队相距不远。或探索尚未透露的AI和机器学习的其他应用。现在的未来是现在,NBA首先跳入新时代。 

古巴告诉我,这太疯狂了。AI会发现我们尚未考虑的东西。

乔丹·泰切尔(Jordan Teicher)

乔丹·泰切尔(Jordan Teicher)是新泽西州的一位作家,他为《纽约时报》,GQ和Esquire做出了贡献。

关于《Draftgpt:勇敢的新世界击中了NBA》的评论


暂无评论

发表评论

摘要

奥本(Auburn)的全美球员约翰尼·布鲁姆(Johni Broome)在一场重要的NCAA锦标赛比赛中挣扎,但强调了他专注于团队成功而不是个人表现。数据科学家肖恩·法雷尔(Sean Farrell)使用机器学习开发了模型,以分析玩家的访谈语言以预测NBA成功。这些模型达到了高达87%的准确性,并揭示了诸如诚实和非防御性的球员更有可能在NBA取得成功的趋势。NBA越来越多地将AI纳入球员评估和团队管理中,一些团队已经利用高级分析来进行侦察和伤害预测。但是,随着技术的进步,对数据隐私和透明度的道德问题产生。