「AI捕手」的誕生:如何將「身體經驗」轉換為「數據經驗」?

「AI捕手」的誕生:如何將「身體經驗」轉換為「數據經驗」?
Photo Credit: Shutterstock / 達志影像
我們想讓你知道的是

其實在科技棒球的興起之下,數據蒐集早已變成各球團球探的重要工作之一,捕手的配球往往也會針對打者的弱點進行重點攻擊,球員所配戴的「筆記護腕」便是記錄了許多對方球員不擅長的球路等資訊。

文:蘇韋綸(台日科技合作推動辦公室助理研究員)

2020年3月15日,專門分析職業運動統計相關數據以幫助球隊進行強化的日本公司Data Stadium(データスタジアム株式会社)正式發布成功開發出「AI捕手」系統,並預計在日本電視台轉播的讀賣巨人比賽中,並利用其中20場比賽實施這項技術,提供球迷在觀戰時也能一邊享受預測球路的樂趣。

所謂「AI捕手」,是Data Stadium所開發出的即時球路預測系統。將日本職棒過去16年間共402萬球的投球紀錄讓AI進行學習,並即時分析在目前比賽局面時,投手應該採用什麼樣的球種以及球路進行攻擊,才能讓「對投手有利的可能性」提升到最高的系統。而這樣的分析將會考慮到每一個投手所擁有的球種之差異而有所調整,因此此一系統的數據分析是採取單球處理,也就是針對每一球的狀況進行分析,其中包括壘上是否有人?哪些壘包上有人?目前球數幾好幾壞?打者與投手是誰?等球場上的不同情境,並在1.5秒之內完成預測結果。

其實在科技棒球的興起之下,數據蒐集早已變成各球團球探的重要工作之一,捕手的配球往往也會針對打者的弱點進行重點攻擊,球員所配戴的「筆記護腕」便是記錄了許多對方球員不擅長的球路等資訊。事實上,目前在體育界,數據運用相當廣泛,在今年的英格蘭足總盃第五輪中,諾維奇對上熱刺的比賽雙方一路進行到了延長賽,一直到PK賽才分出勝負。而當時諾維奇的門將便將其預測寫在水壺之上,成功撲出了兩個關鍵點球,幫助球隊挺進八強戰。

從這些例子都不難看出目前職業運動已經走在數據分析的道路之上了,只要能夠蒐集到足夠數據,便掌握了更多勝利的可能性。同時,從「AI捕手」此一數據分析系統也可以發現,AI已經逐漸可以協助人類將過往珍貴的「身體經驗」,轉換為更容易分析且可持續學習的「數據經驗」,因此AI技術的進一步發展可以說是非常重要且必須的。

事實上,日本內閣府從2016年起就持續推動所謂「社會5.0(Society 5.0)的相關政策,希望能夠透過「以人為本」的AI科學技術來協助當代社會處理多層次的社會議題。所謂「社會5.0」是立基於以往社會階段的一個全新社會樣貌。社會1.0為狩獵社會,而當人類習得了生產食物的能力之後,便踏入了「社會2.0──農耕社會」。接著人類在技術日漸發展之後,生產能力與移動能力也大幅增加,邁向了「社會3.0──工業社會」。社會4.0則是指人類獲得情報的方式持續發展,資訊取得的自由度也大幅提高,進而邁向了「資訊社會」。然而,在資訊社會中,許多社會問題也應運而生,而社會5.0的提出,便是希望能夠透過AI以及物聯網(IoT)等各式科學技術來解決新時代所面臨的社會議題。

在「社會5.0」的架構之下,日本內閣府綜合科技創新會議也提出了「跨部會策略性創新促進計劃(又稱SIP)」,其中一共包含了12項不同的技術領域,期望能藉由技術革新來帶動日本整體的社會發展。而在SIP第二期計畫中有一項是「實體空間中的數位數據處理基礎(フィジカル空間のデジタルデータ処理基盤)」,其重點便在於將現實世界中的龐大資料透過資通訊技術來將之數據化,而一旦將現實數據帶入虛擬世界之後,這些原先只能以身體累積的經驗,便可以透過數據方式儲存下來,並且可以進一步進行分析,本文在一開始提到的「AI捕手」可以說就是此一概念的初步系統。

此一概念在目前智慧化設備越來越普及的社會中也越來越普遍,例如目前農委會所推動的「智慧農業」也屬於此一技術的應用範疇。以往農夫擅長觀察天象及生活周遭,來判斷接下來可能會是怎麼樣的天氣狀況,所謂「月暈而風,礎潤而雨」便是此類身體經驗的展現。然而現在透過數據的收集,許多現實狀況皆可透過數據化呈現來加以預測,例如通過空氣濕度高低的分析,即時監測目前農場狀況是否適合植物生長等。

這樣的技術對於目前面臨少子高齡化所導致的勞動力不足此一狀況來說,事實上可以促進解決各領域人才不足的問題。特別是勞力密集型產業,過往必須依賴「職人經驗」才能順利完成工作,若能在科技輔助之下,將這些「職人經驗」轉換為可學習的數據資料,在接班人才的培育之上也能發揮相當的效果。

讓我們回到本文一開始的主題──「AI捕手」。一直以來,在棒球運動當中風險最高而且最少人願意從事的位置便是捕手。除了在比賽中不如投手一般容易引人注目以外,捕手由於必須蹲捕的關係,身體上的負擔比起其他野手要來的大很多,受傷風險自然也高出許多。除此之外,作為「球場上的頭腦」,捕手必須隨時記住各種戰術,準確下達給內外野陣,處理各種情境的賽況。在這樣的情況下,投手能不能發揮全力解決對方打者,所需要的同樣也是捕手的引導與配球,若捕手能夠採取高明的配球策略,則投手表現也可能較為出色。

由此不難看出,一位職業棒球的捕手養成極為困難,不僅需要出色的身體素質,還需要累積足夠的出賽經驗,培養判斷賽況以及引導配球的能力。即便培養出了一位優秀的捕手,好球員終究不一定是好教練,身經百戰所鍛鍊出來的身體經驗,在面臨培育下一代選手時,能不能順利進行經驗傳承,則要打上一個很大的問號。但是,如果這些經驗能夠用數字、用畫面來呈現呢?

「AI捕手」這項技術,目前雖然還處於轉播試行階段,但能預見的是,在未來幾年內,這一類運動科學技術將會日漸成熟,屆時在職業捕手,甚至是投手的培育之中,將會扮演著「教練團」的角色,協助教練幫球員找出自身的優勢,分析不同場面下的投球策略。在數據時代,將「身體經驗」轉換為「數據經驗」的技術已經越來越重要,除了在運動賽場之外,同時也在日常生活之中。在日劇《東京大飯店》當中,木村拓哉所飾演的主廚尾花夏樹,經常藉由鍋中食材所發出的聲響來判斷是否應該起鍋,如果這樣的「職人技」也能轉化成數據,那麼也許大家在家裡就能輕輕鬆鬆做出米其林三星料理了喔。

責任編輯:潘柏翰
核稿編輯:翁世航