“完全可以想象，一个人工智能（AI）代理可以在24小时内模拟比过去150年整个职业足球历史上实际进行的比赛更多的比赛。” 曾任城市足球集团数据洞察负责人六年之久的Lee Mooney表示。
“试想一下佩普·瓜迪奥拉可能参与过的所有比赛——他作为球员、教练以及观众的经历。如果追溯到约翰·克鲁伊夫和里努斯·米歇尔斯等前辈，这些累积的经验可以在短短几小时内被模拟出来。”
“所有这些解决问题的知识都会被完美地构建到一个合成的大脑中。这将为新战术、训练方法、表现评估方式、识别教练技能和人才判断提供令人着迷的潜力。”
尽管听起来像是科幻小说，但足球已经朝着这个方向发展。最著名的例子是利物浦与谷歌DeepMind合作，利用AI改进角球策略。Mooney曾在曼城建立了一个行业领先的部门，并创办了MUD Analytics，该公司与英超联赛、英冠联赛、苏超联赛和美职联的俱乐部合作。他是最了解新技术如何融入体育并改变传统方法的人之一。
AI使计算机能够学习并执行通常需要人类智能才能完成的任务，解决复杂问题。它通过大量信息进行训练，模拟数十亿个变量，识别并预测未来的模式。早在1997年，超级计算机就已经能够每秒评估2亿个国际象棋位置，并击败人类特级大师。在一级方程式赛车中，车队可以在几天内模拟数百万圈，以调整最佳比赛策略。
虽然还有一些步骤需要完善，但随着球员追踪数据的进步，Mooney认为足球可能会达到这样的水平：俱乐部可以训练AI模拟与即将面对的对手的比赛，基于球员的技术特点和力学特性建模，并生成3D动画展示真实比赛中可能发生的情况。
“你可以设置对阵曼城的比赛，训练AI代理理解他们的打法及各自的优缺点，然后进行数百万次模拟，找到用你现有的球员击败他们最有效的策略。”Mooney说。
“我们训练航空飞行员在模拟器中飞行，因为我们需要确保安全。这种AI可以为教练提供一个安全的环境，让他们可以冒险探索更广泛的战术和解决方案，而不会危及自己的工作。动画可以展示最有效的进攻结构，如何快速施压，以及如何迅速恢复防守形态。你是在训练技术，在虚拟空间中理解游戏，以指导现实世界中的决策。”
“我的直觉是你最终会得到一套强大的通用原则，展示出对抗最大威胁的最佳解决方案。此外，它还有潜力识别球员是否在比赛中状态下降或决策受到影响，并实时建议换人。”
尽管技术变革的步伐迅速，使得这些雄心勃勃的想法变得越来越现实，但在实施时仍需考虑现实因素。“在俱乐部环境中实现这一点需要领导层愿景和资金的稳定——这两者在足球界都是稀缺资源。”Mooney说。
不久之前，AI的影响似乎还遥不可及，但现在它已经在工作场所逐渐显现，足球也不例外。许多人不确定它将以何种形式体现，但在招聘、教练、健身和医疗领域，其应用正在加速，正如其他体育项目一样。
《The Athletic》与足球各个领域的领先人物进行了交谈，以了解AI对未来运动的意义，包括：
- 65%的英超和英冠球探在接受《The Athletic》调查时表示，AI将在未来五年内影响他们的角色。
- 俱乐部已经开始使用大型语言模型来减少人们阅读数百份球探报告的需求。
- 数据分析革命最初是由足球之外的社区推动的，文化转变是一个挑战。
- 巴塞罗那的巴塞罗那创新中心投资了一家名为Omniscope的科技公司，旨在利用AI预防伤病并延长球员的巅峰状态。
2023年11月，英超球队布赖顿霍夫海鸥队（Brighton & Hove Albion）在其所有者托尼·布鲁姆（Tony Bloom）的数据工具的帮助下，解雇了大部分全职高级球探。
过去15年来，数据分析在足球中的普及意味着现在没有任何一支英超俱乐部不使用数据作为球探操作的第一道筛选。但新的前沿是AI。
一位不愿透露姓名的主要英格兰球队的招聘来源表示，俱乐部的一位AI倡导者最近评论说，球探可能会在未来两年内被AI取代。
一位与欧洲多家俱乐部合作的球探数据科学家认为，终极目标是俱乐部不再需要想象潜在签约球员如何融入球队。相反，他们将能够使用AI将所有关于球员风格和球队战术的数据和视频转换为可视化结果，展示他们在特定情况下的表现。“这可能不会受欢迎，因为有一天它可能会危及工作。”一位英超招聘团队的高级成员说。“这将成为未来的成本节约功能。”
俱乐部已经拥有庞大的球探报告、表现和身体数据图书馆，但最终还是由人类来解释这一切。AI可以通过快速挑选出最符合俱乐部模型标准的球员，从而加快这一过程，而无需有人花时间阅读100份不同的报告。“你可以根据一段时间内的比赛对球员进行画像，并要求AI找出与某个特定球员最接近的版本。”这位英超招聘人员说。
“节省时间并不性感，但这让一些球探感到焦虑，担心自己的职业会被大幅削减。” “这种说法我完全不明白。”Mooney说。“有些东西是模型看不到的，或者它们有很大的置信区间（估计的不确定性范围）。球员在压力下的表现、狭小空间内的控球技巧、扫描时机、触球的轻柔度、视野以看到传球机会：这些都是容易在视频中看到但在数据中难以或缓慢捕捉到的特点。”
“随着这些事物的发展，将会有微妙的平衡。对于机器目前无法看到的一切，将有一个研究分支来缩小差距。这将在人类和机器之间创造一种健康的紧张关系，但也是一种真正的相互依赖——高质量的人类输入对于开发越来越强大的分析资产至关重要。”
“我利用自己与一些顶尖教练和足球人士合作的所有经验，使我们的技术更好，但通过这样做，我更加重视人类的一面。AI领域的一个挑战是，许多领导者过于脱离人类方面。他们不认为自己容易受到技术进步的影响。”
Mooney已经在MUD Analytics中使用AI和机器学习——即能够通过算法和统计模型分析数据模式并从中得出推论的计算机系统——进行财务预算和招聘。他和他的团队刚刚构建了一个模型，该模型对自20世纪初以来的2500万次球员出场进行了排序，识别出可以预测潜在签约球员轨迹的模式和特征。
数据分析已经改变了这项运动的本质。由于从禁区外射门进球的概率较低，越来越少的球员选择这样做；球队通常保持控球权，盘带次数也减少了。一些球迷哀叹，结构化的体系减少了比赛中的个性球员。
“我总是想起《侏罗纪公园》中的一句话：科学家们如此专注于他们‘能否’做到，以至于没有停下来思考他们‘应该’不应该这样做。”Mooney说。
“这是体育应有的样子吗？我的工作是帮助球队获胜并尽可能多地利用他们的资金，所以我必须这样做，因为如果我不做，其他人会做，然后你就陷入了一场军备竞赛，你会带着刀去参加枪战。”
StatsBomb的创始人Ted Knutson在2013年创立了这家领先的数据分析公司，后来在今年早些时候将其出售给了Hudl。他经历了足球界对新技术的抵制。
美国人是数据分析社区的早期声音之一，并在为中日德兰（Midtjylland）工作时成功应用了定位球数据，帮助该队在2014-15赛季首次获得丹麦联赛冠军，打入了25个定位球。
“我会进入俱乐部并向他们展示我们如何提高其他球队的定位球输出，但教练常常会说，‘是的，这很好……所以呢？’”Knutson说。“足球不喜欢变化。我们花了很大努力才在事件数据（传球、射门）和使用数据进行招聘方面取得进展——这花了十年时间才成为每支英超俱乐部招聘过程中的第一个筛选标准。”
StatsBomb在足球逼抢方面的研究将每场比赛的防守事件数量从30个增加到了300个。其预期进球模型考虑了射门时所有对方球员的位置，解释了肖恩·戴奇（Sean Dyche）的伯恩利队为何被认为是一个统计异常，因为尽管他们承受了大量的射门，但失球却很少。实际上，他们有效地压制了射门。
Knutson在StatsBomb成立的第一年就吸引了巴黎圣日耳曼加入。他认为赢得传统足球思想的关键在于量化每个位置的技能集。通过使用数据并将信息转换为雷达图，教练可以更好地可视化球员在各种技能上的有效性，而不是仅仅依赖于硬数字。
StatsBomb在2021年推出了360产品，利物浦是其首个用户。该产品增加了每场比赛中收集的3400个事件中每个队友和对方球员的位置。StatsBomb随后在NFL中进一步突破，以每秒30次的速度跟踪每个球员在场上的位置。
“NFL更难，因为有更多的遮挡（阻挡）。在足球中，球员通常是分开的，只是偶尔在定位球时会撞在一起。”Knutson说。“在足球中，这应该在未来几年内实现。”
Knutson怀疑俱乐部是否会成为AI领域的真正先驱，因为推进这一领域需要大量的时间和资源，而且职业体育的性质意味着那些发现优势的球队会尽一切努力保护这些知识产权。这也是为什么在布赖顿和布伦特福德，大多数球探无法看到其所有者数据公司在后台运行的模型。
数据分析的兴起是有机的，并不限于足球内部的早期采用者，如Livepool前研究总监Ian Graham。业余爱好者可以使用公开可用的StatsBomb数据集，并在此基础上继续推进已有的工作。其中许多人现在在职业足球的招聘岗位上工作。
“AI在训练中的战术应用更具挑战性。”Knutson说。“很多分析师缺乏教练背景，因此总存在可信度差距。”
“如果一些定量分析人员获得了教练徽章，我认为这种情况会发生变化。在美国体育中，我们看到统计分析师成为助理教练。我们可能会在这里逐渐看到这种情况发生。另一个问题是非球员很难获得教练徽章。这是一种门槛，肯定限制了一些教练元素。”
当阿尔伯特·蒙德特（Albert Mundet）在2017年帮助推出巴塞罗那创新中心时，重点是战术分析。
早期进展是在使用数据模型预测单个对手球员的站位和可能出现的空隙方面取得的，但他认为在该领域充分发挥AI的全部能力之前，数据需要变得更加实惠。
“我们最初的AI重点是战术方面，但我们正在大量投资于伤病预防。”Mundet说，他现在担任总经理，向巴塞罗那俱乐部主席Joan Laporta汇报工作。
“过去十年，GPS一直是性能监测的核心，但我们认为这还不够。它是整块蛋糕的一部分。我们认为下一波浪潮是生物医学数据，结合基因组数据和其他身体指标。它存在于其他行业中，但足球尚未触及。将其与GPS结合可以帮助改善伤病预防，因为比赛数量增加，比赛强度也提高了。”
Zone7是一家已经在该领域工作的公司，《The Athletic》此前曾报道过。它使用AI评估生理数据，确定肌肉受伤的风险。利物浦、那不勒斯、流浪者和洛杉矶FC是其客户。
Mundet相信巴塞罗那对Catalonia地区一家初创公司Made of Genes的投资——作为500万欧元（420万英镑，520万美元）融资轮的一部分——也赋予了他们这种预测能力。
“我们可以使用基于历史数据训练的AI模型模拟球员在特定时刻将要经历的外部负荷。此外，我们可以通过高级AI模型结合基因组和代谢组谱型来评估受伤风险。”Mundet说。“我们可以帮助教练通过减少训练和比赛中的暴露来保持球员的健康。如果我们正在参加四分之一决赛、半决赛和决赛，我们可以确保球员以最佳负荷和受伤风险到达那里。”
巴塞罗那创新中心的最新投资可能是规模最大的一次。它投资了成立于2021年的科技生物公司Omniscope，该公司的跨学科团队寻求利用近年来在AI和免疫学方面取得的进展，彻底改变疾病诊断和治疗。在体育领域，它认为可以将其应用于伤病预防和更快康复。
人体免疫系统的复杂性使其难以理解，但Omniscope的技术可以通过血液样本逐个读取数百万个细胞——比其他技术多100倍——为个体提供0到100的炎症评分。通过使用解释性AI识别细胞序列中的空白，它可以诊断疾病的早期迹象，同时严格遵守数据隐私和道德标准。
本质上，它是在AI的帮助下构建一个细胞级别的免疫系统模型，这在以前从未做过。但在足球中，更快康复或理解如何保持健康运动员的能力来自于生成式AI。
Omniscope正在推动一种新颖的概念，即储存健康的免疫细胞，以便在必要时重新引入体内对抗疾病，或使用AI工程治疗性免疫细胞。
在足球中，Omniscope认为，如果能理解健康运动员的免疫系统，就可以利用这些知识预防伤病。它已经开发了一种专门的AI算法，以理解女性球员在月经周期期间的炎症情况，并据此定制护理方案。
“我们已经测序了数百个样本，并发现它有效。”Omniscope首席执行官兼联合创始人Vijay Vaswani告诉《The Athletic》。“我们相信这项技术有潜力显著增强运动医学并改善运动员健康管理。”
“我们在最佳健康时期收集血液样本，以建立基线，并将这些数据与可穿戴技术结合，以监测球员的整体免疫健康状况。偏离基线往往是炎症、疾病和伤病的早期信号。受伤后和康复期间，我们逐个细胞跟踪愈合过程是否有效，通过观察免疫反应。对于反复受伤，我可以再次利用全面的细胞数据为AI模型提供动力，预测、监测治疗效果，并指导个性化未来护理。”
“我们可以看到肌肉瘢痕形成的过程，以补充MRI检查。它为医生和理疗师提供了实时重新评估策略的神奇窗口。这是运动医学史上第一次，你不再猜测重返赛场的时间表。”
使用自己的免疫细胞进行治疗已获FDA批准——这是一个保护公共健康的美国机构，负责监管食品、药物、医疗器械和其他产品的安全性——但由于高成本、长处理时间和临床复杂性，尚未普及。
AI帮助加速了这一过程并显著降低了成本。
Vaswani认为，这一技术有可能带来革命性的变化，显著延长运动员的职业生涯，使他们保持巅峰状态更长时间。
“运动员代表了俱乐部的重大投资，维持他们的职业生涯长度对于最大化这一投资至关重要。”他说。“想象一下，如果你最喜欢的运动员能够在传统预期之外继续踢很多年。能够以非人工的方式重新引入自己的生物学特性是独一无二的。我认为这将在未来五年内发生，因为AI学习并催化医学。我们曾经认为遥不可及的东西现在触手可及。”
巴塞罗那创新中心未来几年的目标是开始利用免疫学和生成式AI的结合，治疗巴塞罗那一线队球员。
“通过将再生疗法整合到巴塞罗那先进的运动医学实践中，我们不仅希望加速康复和延长职业生涯，还要重新定义巅峰表现的概念。”Mundet说。
如果发展顺利，像拉明·亚马尔（Lamine Yamal）、帕乌·库巴斯里（Pau Cubarsi）、佩德里（Pedri）和加维（Gavi）等年轻球星可能会受益匪浅。
(全文结束)
