NFL използва AI, за да прогнозира наранявания, като се стреми да поддържа играчите по-здрави

Нараняванията са неизбежна част от NFL с всички високоскоростни конфликти, смазващи удари и високи натоварвания, нужни при всяка игра.

Успех всеки сезон постоянно се свежда до това кои тимове могат да бъдат най-здравословните в края и низ от травми, които към този момент се сблъскват с предсезоните, като по-здравословни в края и низ от травми към този момент се сблъскват с предсезоните, като в края на краищата и низът на травмите и триумфа, които всеки сезон постоянно се свежда до кои тимове могат да бъдат най-здравословните в края и низ от травми, които към този момент се сблъскват с пресзони, и низ от травми, които към този момент се сблъскват с пресзони. Cincinnati.

С тимове, които влагат стотици милиони долари всеки сезон в своите описи, поддържането на тези играчи разполагаем е от решаващо значение и всеки дребен борд има капацитет да докара до по -добри резултати на терена. За да помогне за постигането на това, NFL се насочи към технологията през последните години, като си партнира с Amazon Web Services на инструмент за прогнозиране на пострадвания, който употребява данни и изкуствен интелект, с цел да помогне на екипите да ръководят здравето на своите играчи.

„ Феновете желаят обичаните си играчи на терена. Собствениците на тимовете сигурно желаят тези играчи на терена. Самите спортисти желаят да бъдат на терена “, споделя Джули Суза, международен началник на спорта в AWS. „ Всичко, което можем да създадем, с цел да подобрим това и да поддържаме играчите здрави, това е нещо като благородно начинание. “

„ Магазин за едно гише “ за данни за пострадвания

Инструментът за цифров състезател прави видео и данни от играчи на всички 32 тима от тренировки, практики и игри, като дава на всеки тим информация за това какъв брой интензивно са работили играчите му, без значение дали са изложени на риск от повече пострадвания, както и да им оказват помощ да проследят всички трендове и да имат достъпи. Беше извънредно потребно, наричайки го „ магазин на едно гише “ за информация, която преди този момент в никакъв случай не е била налична при един източник. ; „ В края на деня, в случай че обобщите спортните науки в едно изречение: по какъв начин можем да измерим и оценим, с цел да създадем себе си по -ефективни и ефикасни. “

Дигиталният състезател употребява датчици в подложките на раменете, камери и оптично следене, с цел да събира информация от процедура и игри за всеки състезател във всички 32 тима, сходно на това, което прави NextGen Stats, с цел да дефинира кой е най -бързият притежател на топка или какъв брой разлъка е приемникът генерира по маршрутите на прекосяването си.

, само че количеството данни е доста друго.

Докато Netgen Stats генерира към 500 милиона точки от данни през цялостен сезон, цифровият състезател прави това на седмична основа, което значи, че единственият метод да се разбере всичко това, с цел да се събере нещо свястно, е посредством потреблението на машинно образование и AI технология.

„ Обемът на данните значи, че някой не може да бъде седнал с клип или Excel, който е на открито “, споделя Souza. „ Това е безусловно работа за компютри с висока продуктивност, машинно образование, изкуствен интелект, всички тези неща. “

Едно от мощните страни на цифровия състезател е способността му да обобщава данните от всички 32 тима и повече от 1500 играчи, с цел да дадат на подготвителните чиновници и треньори по-добре, че играчите могат да бъдат по-податливи на пострадване на дадени време и какви стъпки оказват помощ да понижат въздействието на пострадването.

Как се употребява цифровият състезател

Екипите са го употребявали, с цел да оказват помощ за установяване на графиците за тренировки за подготвителен лагер, какъв брой интензивно работят на играчите през дадена седмица от сезон и какви играчи или групи за позиции са били изтласкани толкоз мощно, че набирането на работата им може да попречи на заяждащите пострадвания на меката тъкан. „ Колкото повече футбол играете, толкоз по -добре сте във футбола, само че колкото по -уморен сте. Това е този баланс на тактически и осъществяване. Как да сложим играчите там, с цел да бъдат най -добрите версии на себе си, по най -сигурния метод да има дългоденствие в играта? “

Уилямс сподели, че огромна част от данните укрепват предходните му убеждения, само че има пъти, които му оказват помощ да улови нещо, което може да се пропусне. Наличието на емпирични доказателства също може да му помогне да убеди състезател, който може да се нуждае от почивен ден или треньор, че той би трябвало да изсветли товара на процедура или от време на време може да натисне екипа си по -силно.

Моделът може да каже на подготвителния личен състав какъв брой състезател е работил, като наблюдава забавяния, ускорения, общото натоварване на полето, смяна на посоката.

Докато NFL съобщи, че общите пострадвания са понижени след въвеждането на цифров състезател, Уилямс сподели, че има доста фактори и той не може да бъде сигурен, че има подводна причина. B, ще получим C “, сподели Уилямс. " Никога не работи по този начин. Всички желаят да приказват добре, този екип в действителност е добър в предотвратяването на пострадвания. Никой не предотвратява пострадвания. Това е какъв вид рецепта можете да съберем, че смекчава риска най -добре. С толкоз повече измерваме, толкоз повече риск ще можем да смекчим. "

Как се отрази на измененията в разпоредбите

NFL също употребява данните, събрани от тези системи, с цел да моделира въздействието на измененията в разпоредбите като новия ритник, който беше въведен през предишния сезон, или репресията върху битките с тазобедрената става. Дигиталният състезател съумя да симулира 10 000 сезона, с цел да помогне за моделирането по какъв начин новото предписание за ритник ще повлияе на пострадванията.

Това също оказа помощ да се осведоми лигата за неща като кои каски са най -добри в отбраната на играчите от разтърсвания. Изпълнителният шеф на NFL Dawn Aponte съобщи, че данните са помогнали на лигата да направи промени в каските за отстъпки, като сложи повече подплънки в задната част на шлема.

„ Миналата година видяхме най -ниския брой разтърсвания в NFL, откогато започнахме да ги наблюдаваме “, сподели Апонте. „ Това в действителност е нещо, което приписваме на обстоятелството, че можем да разгледаме всички тези данни и да измислим по-добро съоръжение, по-добре ефикасни каски, способи, по които вършим шлемовете и ги произвеждаме въз основа на типовете удари и въздействия, които тези играчи имат. “

aponte сподели първичната реакция от някои остарели тимери е да се чудят, в случай че това е „ Junk Science. “ Но в този момент тя вижда доста повече приемане от всички участващи, от треньори до медицински личен състав до играчи.

„ Мисля, че това към този момент е показано като инструмент за добавка “, сподели тя. „ Това не лишава от решенията на треньорите, които ще създадат това, което считат, че е най -подходящо за този съответен състезател или тима като цяло. Но когато в действителност сте в положение да ги насочите към избрани неща и да кажете, ей, това е, което виждаме. https://apnews.com/hub/nfl