为什么nba球馆很智能(NBA不只是球星的对决，背后还是一场科技战)

当湖人、篮网等球队都开始囤积老将，结果就是这两支队伍可谓是星光熠熠，仅仅湖人队中，就已经有6名奥运金牌球员。

我们看到太多大牌球员合作争冠，也看到老将底薪加盟顶级球队实现总冠军的场景，似乎NBA总冠军的争夺，衡量标准已经变成谁有更多的巨星了。

实际上，除了巨星在比赛中展现了一锤定音的作用，越来越多科技元素也开始帮助球员们提高自己，甚至近几年的总冠军队伍中，也有不少科技竞争。

一个名为第二频谱（Second Spectrum）的科技产品，在几年前就曾扮演了十分重要的作用。NBA官方数据提供商、第二频谱的CEO拉杰-马赫斯万伦在采访中曾这样说：“我不能透露太多细节，但NBA球队在NBA总决赛的时候，会根据我们的数据改变他们的场上策略。”

至于第二频谱是什么，那就要从马赫斯万伦的出身说起。他原本在伊利诺伊大学获得计算机博士学位后，到南加州大学工作，研究重点就是如何利用机器学习，帮助普通人做更好的决策。简单翻译，就是研究人工智能的高端人才。

其实，就连大家最熟悉的高阶数据PER值，也是ESPN数据专家约翰-霍林格使用一套算法弄出来的。但这些东西依然很难给球员指出一条更好的进步方式，所以此前的球员往往都是靠自己的摸索和教练等人的经验。

所以马赫斯万伦决定把球员表现数据化，于是他窜托同事一起来研究，结果两人在2012年合作发表了一篇论文，分析如何使用跟踪数据重新认识篮板球，得出结论中投其实不利于进攻方抢篮板，篮板比很多人想象的更靠近篮筐。

第二频谱则用计算机图形学，成功完成了识别球员的这一流程，取代了人工识别的低效。随后又通过人工智能，学习球员挡拆等一系列复杂动作，试图让机器理解人类背后的每一个操作。

这样一来，可能原本的挡拆就不只是一个数据统计，而是会根据难易程度、习惯方式、球队整体影响等方面，对球员一个技术环节进行评估。

比如球员投篮，命中率往往是衡量球员水平的重要步骤，但不同类型的球员命中率完全不同，内线球员的命中率往往都比外线高，把外线和内线这样区别明显的放在一起比较一眼便知，但是如何将两个位置近似的运动员评估优劣呢？

第二频谱的技术就能达到。第二频谱可以将比赛录像拆分到每一个回合、每一个球员投篮距离，联盟该位置平均命中率，然后就能知道他是在什么难度下进行的投篮，从而判断一名球员的投篮难度和真实水平。

这些数据，反而给了球队管理层和教练们更多的参考，他们不必看大量的比赛录像，就能知道每名球员大致的水平如何。

同样，这样的机器学习技术也能帮助球队快速研究对手，比如说他处在某个行进路线上，通过过往数据的比较，推断出大致会是什么篮球战术等等，这些都是应用场景。

2014-15赛季与勇士合作之后，第二频谱公司只用了3年就实现了22个NBA球队的合作。

2018-19赛季猛龙夺冠，但其实中间有段时间洛瑞投篮找不到状态，但是也没人知道是什么原因。主教练纳斯本身就是投篮专家，而他则选择寻求高阶数据统计来帮助自己。

“我查看了数据，”纳斯在接受采访时说道，“想找找他在过去十场比赛里的表现和以前正常时期究竟有什么不同。”

于是他找到了一家名为“诺阿篮球”的数据公司，这家公司用动作捕捉技术来收集球员的身体动作以及投篮运行轨迹。

“洛瑞投篮的时候，篮球入筐的角度降低到了41度，”纳斯在自己的书中说道：“在他状态好的时候，入筐的角度基本上都在46到47度这样。”

于是，洛瑞便在训练中调整自己的投篮弧度，洛瑞每次投篮时，这个仪器就会进行语音播报。“洛里接下来的几天全身心地投入到了这项训练中来，两三天之后，他的投射就有了明显地好转。”纳斯说道。

顶级运动员对自己的投篮都有认知，但是要让每个出手都能说出其中的差别，或许还需要机器的辅助。

纳斯这样说：“有时候我看到一些球队只会通过肉眼来评估新秀，我想要从中得到更多的信息，他们的投篮数据是怎样的，他们的投篮质量又如何呢？”

事实上，如今的篮球比赛早就不是单纯身体上的较量，如何更好的激发球员，科技的辅助越来越重要，从运动员的身体保护，到如今战术研究和技术动作分析，都有越来越多科技战的元素了。