Bill Belichick 无需担心，人工智能无法指导橄榄球训练，至少目前还做不到。
不过，这位新英格兰爱国者总教练还有美国橄榄球联盟 (NFL) 总教练也许有一天会在指导球员练习或观看比赛录制视频时，把人工智能视作“工作必需品”。
“人工智能将推动运动赛事的变革。”俄勒冈州立大学计算机科学教授 Alan Fern 表示，他正在使用比赛视频和人工智能来训练计算机，使其理解和指导橄榄球训练。
如果 Fern 成功，那么各球队的智囊团便能增加一位新型助理教练。由 GPU 和人工智能领域的深度学习为其提供支持，它能够提供连极为精明的教练可能都无法摸清的战术见解。
人工智能用在职业赛事
人工智能早已广泛应用于体育产业。越来越多的投注服务使用深度学习来预测比赛获胜方。这种方式会训练计算机以近似于或优于人类的精准度来进行预测。微软通过其旗下的必应预测提供免费的比赛预测，在去年 NFL 常规赛中预测获胜方的准确率达到了 65.5%。
深度学习正在接手一些一般由人类处理的工作。华盛顿邮报近日使用此技术撰写了夏季奥林匹克运动会的短消息更新，并且研究人员正在实验自动生成板球和网球比赛的评论。
某些球队正在部署或实验利用人工智能来拟订战术。比如 NBA 球队使用人工智能和计算机视觉技术来追踪球员和比赛。教练可以从中收集详细的统计数据，用以评估战术和球员的表现。
但打造一台能够指导橄榄球训练的计算机是一项艰巨任务，Fern 说。
“橄榄球是一项需要大量战术的运动。每场比赛 11 名球员都会有各种不同动作。这就会出现大量复杂的战术。”Fern 说。
人工智能集训营
计算机尝试拟订战术之前，其对球赛的理解能力至少要达到普通球迷的水平。Fern 使用俄勒冈州橄榄球比赛视频和数百小时的高中橄榄球队视频训练神经网络，使计算机可以识别开球，区分踢球、传球和跑球之间的区别，以及判断球队是进攻方还是防守方。
这台计算机甚至可以为橄榄球视频游戏设计更加精彩的比赛，因为 Fern 将自动规划运用其中。自动规划是人工智能的一个分支，主要研究自动计算行动方案或策略来达成目标。
但计算机只对不同类型的比赛拥有粗浅的认识，只靠视频很难持续追踪球场上的 22 位球员。
为了解决这一问题，Fern 使用 NVIDIA Tesla K80 GPU 加速器和 CUDA 编程模型开发一项深度学习算法，可追踪球员和理解 NFL 的“all 22”视频中的比赛。教练通过观看球场上方（而非从转播视频中的球场边缘）的镜头，同时观察所有球员，这样便可以分析比赛和构思战术。
加上深度学习技术
尽管 Fern 并不指望计算机能在短时间内就能够用于指导专业球员，但他看到了使用深度学习和新型传感器数据的前景。
部分欧洲足球队使用可穿戴 GPS 系统来监测球员的心率、跑步距离、速度和加速等数据。2015 年，NFL 在所有球员的垫肩中插入了硬币大小的 RFID 标签芯片，可追踪每名球员的位置、移动距离、加速和在球场上的移动情况。
Fern 说，如果研究人员能够得到这些数据，那他们就可以利用深度学习技术对比赛有更深一步的了解。比如，了解球员在比赛中的移动情况可帮助教练规划运动员的训练，以使其达到更好的表现。还可以清楚指出接球员和侧卫之间的极佳的配合，以及衡量每位球员对每场比赛的贡献。
Fern 说，有了这些详细数据，人工智能助理教练将成为球队不可或缺的一员。
他说：“如果我们能够找出关键所在，那么将出现一场人工智能军备竞赛。如果球队不利用人工智能，那么他们的处境便会非常不利。”