今年的東京奧運會中首次加入了衝浪這一比賽專案。 上週二美國衝浪運動員Carissa Moore在女子衝浪比賽中奪冠，取得了奧運史上的首枚衝浪專案的金牌。 據華爾街日報報導，Carissa Moore的賽前訓練中運用了多種技術幫助其教練對她的訓練進行調整。 她的奪金不僅是個人努力的結果，也是機器學習等各類新技術共同作用的結果。

美國衝浪運動官方機構USA Surfing正在開發基於AI機器學習的新系統，用來分析運動員及衝浪過程中各種因素的各項數據，提高其在運動中的表現。

另外，基於機器學習的海浪預測系統也在這次奧運會的衝浪比賽中發揮了重要作用。 正是得益於海浪預測系統，奧會才確定了衝浪比賽的時間及地點，為運動員創造了最好的比賽條件。

一、「現代技術武裝的運動員」奪得奧運衝浪首金

衝浪這項運動中長期存在著「自然主義的海浪騎手」與「現代技術武裝的運動員」兩種觀念。 而南非衝浪運動員Bianca Buitendag和美國衝浪運動員Carissa Moore在奧運會衝浪決賽中的對決，正是這兩種觀念的直接交鋒。

Bianca Buitendag在比賽前主要關注比賽當天的風浪狀況，她並不認為衝浪是一項高科技運動。 “這主要是關於天氣的衡量。” 她說道。

而Carissa Moore採取了與Bianca Buitendag完全不同的策略，她在賽前利用人造衝浪池進行訓練，並使用可穿戴戒指等技術來追蹤她的睡眠狀況和其他生命體征，以説明她的教練對她的訓練及體能恢復過程進行微調。

最終Carissa Moore以近6.5分的優勢將對手擊敗，奪得了有史以來第一枚奧運會衝浪比賽的金牌。

▲巴西衝浪運動員Bianca Buitendag（左）與美國衝浪運動員Carissa Moore（右）

美國南加州大學衝浪歷史學家Peter Westwick談道，在衝浪板和運動服中使用先進的聚合物產品並在賽前建立複雜的天氣模型，有助於運動員駕馭像奧運會這樣的比賽。

他說：「這些技術源於軍事研究和開發，而現在它們是衝浪這一個價值數十億美元的產業的基礎。 ”

二、機器學習分析運動數據，讓運動員在衝浪板上更平穩

Carissa Moore奪金的背後與機器學習演算法的應用有著莫大的關係。 研究人員和衝浪教練稱，機器學習演算法可能會在未來幾年進一步影響衝浪運動，幫助改進對波浪的預測，並在訓練、傷害預防和頂級運動員的招募方面取得進展。

USA Surfing的醫學主任Kevyn Dean稱他們通過機器學習演算法對運動員相關的數據進行分析，以便運動員能夠在比賽中提高其運動表現。

例如，一項研究表明衝浪者在空中「著陸」的能力受到腳踝的靈活性和髖部的穩定性的影響。 Kevyn Dean談道：「這是顯而易見的，問題在於你需要多大的力度來保持腳踝的靈活和髖部的穩定？ 這兩個部位要進入什麼樣的狀態才能保證你平穩的降落？ 答案是需要數據來分析。 ”

2019年時USA Surfing利用動作捕捉相機和力感測器獲得了一系列生物力學數據，並用這些數據進行了實驗，量化了不同的跳躍和著陸機制。

除此之外，他們還能夠獲得關於搖擺（sway，為在衝浪板上保持平衡而進行的輕微運動）的數據，以及運動員的腿部施加到衝浪板上的力。

“每個肢體之間往往存在很多’不平衡’，這種’不平衡’可能是使運動員成為超人或使其受傷的關鍵因素。 這是一個關鍵的突破點。 ” USA Surfing的數據分析經理Tracy Axel說。

Kevyn Dean說：”我們一直在努力想辦法讓我們的運動員表現得更加出色。 但是在衝浪中有太多你無法控制的變數，比如風和潮汐。 深入研究和分析有關的數據是我們下一步的計劃，我們真的很想追蹤這些數據。 ”

他們研究的數據類型還包括運動員的心血管輸出、睡眠模式、心率變化及某些部位受傷的頻率等，這是從其他利用數據分析來提高運動表現的運動（如籃球、足球、橄欖球等）中汲取到的靈感。 另外他們還分析了來自全球同行的評審研究，以確定哪些生理因素會影響運動表現。

在工程團隊的説明下，USA Surfing正在開發一種機器學習系統，利用該系統可以使用衝浪者在實際波浪中拍攝的圖像分析一些相關信息。

Kevyn Dean提到，今年1月份他們開發了一個概念驗證版本，能夠識別衝浪者的基本的動作以及衝浪者在衝浪板上的優勢。 她還稱隨著技術的進一步發展，人工智慧可以通過篩選大量視頻並識別團隊感興趣的模式來幫助團隊進行人才招聘、傷害預防以及運動員的培訓。

三、海浪預測幫助奧會決定比賽日期及場地

在衝浪比賽中，比賽結果不僅取決於運動員現場的發揮，也取決於比賽現場的風浪情況。 因此，衝浪比賽是奧運會中唯一一個沒有固定比賽日期的專案，一切都取決於比賽期間的風浪等自然條件。

海浪預測是機器學習在衝浪方面最大的應用之一。 衝浪預測服務機構Surfline的研究團隊利用數十年的氣候數據預測颱風尼伯特會助長海浪，這才幫助奧會確定了衝浪比賽的日期，並決定將釣崎海岸衝浪場作為首屆奧運衝浪比賽的場地。

衝浪比賽的第一天，包括Carissa Moore在內的幾位衝浪運動員都說海浪很小或難以駕馭。 但是一周以後，運動員們都為颱風的到來感到高興，因為颱風為決賽創造出了更大的海浪。

在Carissa Moore和Bianca Buitendag的金牌對決中，海浪高度達到了2.5米，這為決賽提供了極好的比賽條件。

▲美國衝浪運動員Carissa Moore慶祝奪冠

據Peter Westwick所說，海浪預測技術在用到衝浪領域之前就有了很悠久的歷史，在海岸工程、海岸保護和二戰的作戰計劃中都有應用。

夏威夷大學馬諾阿太平洋島嶼海洋觀測系統（Manoa’s Pacific Islands Ocean Observing System）的海浪模型系統專家Ning Li說：”得益於大數據的廣泛應用和計算能力的提高，海浪預測技術也得到了進步，這些進步讓圖像和聲音識別等其他商用的機器學習技術成為可能。 ”

Surfline的預測主管Kevin Wallis稱，Surfline的軟體會讀取和分析多個數據源，包括衛星圖像、極地冰蓋、海底形狀、風的模式和浮標測量值等。

“我們讓計算機處理我們得到的所有數位來指導我們做決定。” Kevin Wallis說。

Surfline有一個由大約800個攝像頭組成的監測網路，可以讓該公司的小型預報員隊伍遠端分析海浪模式。 他們的預測中也利用了衝浪者的反饋，這些資訊在一定程度上被用來調整模型，提高預測結果。

Kevin Wallis舉例說道：「當南加州同時出現來自南部和西北部的湧浪時，往往會產生比模型預測結果更大的海浪。 模型與實際相比可能會有幾英尺的偏差，這在波浪品質和可乘性（rideability）上會產生巨大差異，而人類的反饋會説明Surfline改善這一結果。

“這項工作還在進行中。” Kevin Wallis說。 “當你發現你的預測對衝浪者乘風破浪真的很有説明，你就會意識到這是一項了不起的工作。”

結語：機器學習在體育運動中大顯身手

奧運不僅是各國體育健將比拼體能與技巧的賽場，也是各類新技術的修鍊場。 前有鯊魚皮泳衣助力游泳選手取勝，後有奧地利女博士靠數學計算硬核奪金。 各類技術一直是奧運比賽中的常客，這次的衝浪比賽自然也不例外。

機器學習作為人工智慧領域極重要的一環，在眾多領域得到了廣泛應用，體育運動也成為了其應用領域之一。

這次的衝浪比賽中，USA Surfing利用機器學習來分析運動員在衝浪中的各項數據，幫助運動員更好的提高自己在賽場上的表現。 而Surfline基於機器學習實現的海浪預測技術，讓比賽場地和時間得以確定，給運動員創造了最佳的展示舞臺。

USA Surfing的機器學習系統尚未完全開發完成，這次比賽僅是小試牛刀，就幫助運動員收穫了首枚金牌。 隨著技術的不斷完善，機器學習將在體育運動領域大放異彩，成為運動員不可缺少的”虛擬教練”。