AI如何为体育运动提供环境与气候信息支持？

从对手分析、战术洞察、规划判罚到提高运动员表现，AI与机器学习已经融入到各项体育运动当中。NBA就在使用生成式AI来提供个性化的球迷观看内容；两届奥运会马拉松运动员Des Linden则拥有一套数字孪生心脏模型，能够模拟她的心率、血流量与血氧水平，据此微调训练强度以提高比赛成绩；亚特兰大猎鹰橄榄球队的主场梅赛德斯-奔驰体育场也已经部署了人脸识别检票系统。

尽管出现了这么多令人印象深刻的应用，但报告指出体育产业对于全球AI市场的贡献并不算大。2020的6月至2023年6月，全球体育领域共获颁363项AI相关专利，相比之下汽车行业则为4155项。本文将与大家共同探讨相关AI应用，展望AI技术如何支持环境可持续性、并解决体育部门在气候变化影响下面临的一系列最新难题。

运动员伤病预防

气候变化正在加剧运动员面临的健康风险。在极端炎热、因污染或野火烟雾造成的空气质量低下、或者在干旱硬化的地面上进行训练和比赛等恶劣条件下，体育运动需要考虑的风险因素正在快速增加。这些情况可能增强运动员因脱水、肺部疾病、疲劳引起的拉伤/扭伤以及重复性劳损而受伤的几率。

AI技术能够根据运动员的体态、姿势与运动轨迹提供实时且精确的生物力学监控与预测分析。一旦检测到压力或者疲劳迹象，教练、经理和运动员就能明智做出干预决定，在很大程度上降低遭受伤病的风险。这些即时反馈信息，将主要由配备传感器和AI技术的可穿戴设备提供。

2023年10月17日，在蒙得维的亚世纪体育场举行的2026年FIFA世界杯南美区预选赛乌拉圭对阵巴西队的比赛中，巴西前锋内马尔受伤后痛哭离场。巴西足协10月18日表示，足球巨星内马尔在这场巴西0-2负于乌拉圭的比赛中左膝韧带及半月板撕裂，将不得不接受手术治疗。

前澳大利亚钻石队篮网球运动员Amy Steel在2016年的比赛中罹患严重热病，导致她被迫中止了运动生涯，病痛甚至将延续伴随她一生。在被问及AI应用是否有望避免此类风险时，Amy回答道“至少从个人经验来看，单纯监控比赛期间的温度与湿度读数来判断运动环境是否安全，已经远远不够了。”

她进一步补充称，“我们知道不同人体对于高温的反应各有区别，我自己就是典型的例子。在中暑之前几周，我才刚刚打破球队的体能测试记录，但随后却出现了最严重的中暑症状。也许可穿戴设备能够帮助我们理解个体之间的差异，帮助保障选手安全。理想情况下，我们当然希望此类技术能够在长远角度转化为更好的热量管理策略，让运动员们无需依赖昂贵的设备即可安全参与体育赛事。”

天气预测建模

据报道，AI技术现在能够超越传统天气预报，更快、更准确地预测极端高温与气旋路径等重要指标。英国《金融时报》报道称，AI预报在能源消耗方面也仅为传统方法的千分之一。

随着气候变化导致的极端天气事件及恶劣条件的增加，AI应用能够帮助体育主办方，特别是户外运动和巡回赛事的主办方提前获取更准确的信息。他们可以据此采取必要行动以调整或推迟富顺，确保运动员、工作人员和观众的人身安全，或者提前向参与各方提供预防建议。

粉丝行为预测建模

随着新冠疫情结束，粉丝们也开始重回体育赛场。科技企业利用AI技术与赛事队伍合作设定门票价格，更准确地预测粉丝们愿意为现场观赛掏出多少预算。西甲联赛就构建起一套机器学习解决方案，能够在比赛规划阶段最大限度提高电视观众与场馆观众的人数。各类体育组织也开始使用预测模型来设计更具针对性的宣传与促销内容。

对体育场馆内粉丝行为进行预测的一大潜在收益，在于减少资源浪费。通过更好地了解观众趋势、粉丝统计数据，以及对食品、饮料和商品的偏好，赛事主办方可以利用这些指标提高效率、减少不必要的物资储备。促销活动则可以根据粉丝的喜好和消费习惯进行定制，进一步改善物资的消化比例。

除了减少物资废弃之外，一些组织还利用基于AI的解决方案鼓励垃圾分类并提供游戏化奖励，引导赛事粉丝适当分类以优化回收效率。这项技术还能够为场馆提供更为详尽的废物类型、量级和分类数据，整理出灵活准确的管理报告。

能源效率

体育场馆在赛事举办期间会消耗大量能源，某些大型设施还设有员工办公室和会议场所，这意味着场馆内只有少部分设施能够频繁使用。基于AI的楼宇管理系统可以控制并跟踪建筑物内的各类系统与功能，收集并处理大量传感数据。

在设有传感器和物联网技术的智能建筑中部署AI方案，能够最大限度提高能源利用效率。AI算法可以分析并解释建筑管理系统中的数据，进而对供暖、制冷和照明系统做出实时调整，有效优化能源消耗并减少对环境的总体影响。

排放预测与战略制定

最近一篇研究论文，提出了一种为体育赛事管理场景开发AI驱动碳排放策略的新方法。概括来讲，这套方案使用一套碳排放模型对人口、财富和技术进行量化影响分析，依托神经网络预测未来排放趋势。再结合迁移学习的功能增强，最终建立起体育完整管理中的碳排放综合分析方法。

尽管此项研究存在局限性，但论文表示“这项研究的意义，在于有望为体育赛事主办方提供数据驱动的碳排放管理方法。”研究人员认为，体育活动可以利用AI推进宏观层面的可持续性转变，准确预测体育赛事期间的碳排放总量并制定行之有效的碳中和策略。

粉丝出行数据中的生成式AI

对于体育赛事主办方来说，收集粉丝观赛详尽数据以整理温室气体排放报告往往相当困难。传统作法只能收集少量数据样本并据此推断，作为粉丝参加体育赛事或现场出行的排放估算值。

生成式AI能够利用机器学习技术创建出与真实数据高度相似的合成数据，用以模拟各类场景、生成假设数据集，并填补现有数据的空缺。虽然这是一类潜在的有趣用例，但以这种方式创建数据的确存在相关风险。因此作为一项关键前提，由生成式AI做出的推断必须经过人类的测试、审查与验证。

未来机会

某些一些体育类AI用例已经部署到位，其他应用则还须更多的探索和监管介入才能发展成熟。另外需要强调的是，AI技术本身也会对环境造成重大影响。国际能源署明确表示，AI“比其他形式的计算会消耗更多的能源——考虑到全球正积极寻求高效能源系统的宏观背景，这将是一个至关重要的考量因素。”具体来讲，训练一套模型所消耗的电量甚至超过100个美国家庭全年的电力需求。

全球体育产业正在被AI及其他构成第四次工业革命的新兴技术所影响甚至重塑。而如今，我们正站在第五次工业革命、或者说认知时代的边缘，新时代的基本特征在于强调环境保护与可持续发展的深远意义。随着体育组织建立、影响并采用AI和机器学习应用方案，各方必须抓住每一个可能的机会将可持续性、环保意识和包容性纳入发展规划。