[專欄] 報告教練：我用 AI 分析出怎麼守住 LBJ

[Ken52039 (Ken Huang)]

報告教練：我用 AI 分析出怎麼守住 LeBron James 了！

來源：https://buzzorange.com/techorange/2018/05/25/how-to-defend-lbj/

【我們為什麼挑選這篇文章】今年的騎士在「眾人皆醉，皇獨醒」的情況下，還是打進了
東區決賽，關鍵當然 LeBron James 這位 33 歲老將，持續打出不符合年齡的超強表現。

隨著 AI 應用擴展到運動領域，LBJ 當然也成為研究者的目標，文章中的論文就是專門教
你，如何守住詹皇和他的快樂夥伴。有人要轉給賽爾提克教頭 Brad Stevens 看嗎？（責
任編輯：康陳剛）

--

今天 NBA 官方公布了今年度的年度前三隊，LeBron James 再度入選年度第一隊，生涯目
前累積 12 次入選，與 Karl Malone 並列歷史第一。

這是詹皇的第 15 個賽季了，沒人能想到，33 歲的老詹在這一賽季依舊強勢打出眾
多巔峰數據。

不僅拿下了該賽季最高得分 2251 分，傲視全聯盟。還發揮出了近 8 賽季以來最高場均
得分 27.5，打破了 Kobe Bryant 創下職業生涯 30000 分的年齡記錄。逆生長的他體能
也爆表，場均上場時間 36.9 分鐘均雄踞全聯盟榜首。

現在正在和騎士隊爭奪東區冠軍的賽爾提客教練 Stevens，也在東冠系列賽第一戰後坦言
：「詹姆斯的進攻能力越來越強了。我覺得怎麼提高我們的防守水平，是一個需要我們好
好思考的問題。」

如何提高？那夾守策略的研究可以指望 AI 嗎？

可以。

--

【或許強化學習可以】

近期 MIT 斯隆體育分析大會上，密歇根大學的研究團隊研究了一下如何用強化學習建個
模型來尋找最佳包夾戰略。

於是就有了這篇 論文 。作者聲稱，這是 史上第一篇利用強化學習，研究 NBA 防守策略
的論文 。

論文裡採用的訓練集是近三季以來的 NBA 影片，用到了 64 萬多個持球片段。按道理說
，只要反覆分析那些包夾表現完美的片段，理論上可以總結一套最佳的包夾戰略。

嗯對，理論上。看看具體怎麼操作吧！

--

【告訴機器什麼是包夾】

首先，把 NBA 的影片分割成可分析的持球片段：從所有的球員都過了半場那一刻開始，
到進攻時限重新開始計算截止。

再把這些持球片段按秒切開，每一秒防守方都要考慮什麼時候包夾、留哪個空位風險最低
，以及根據場上局勢迅速預判包夾的效益有多大。

然後用一個簡單的分類系統，判斷上述切分好的片段中是否存在包夾行為。若持球人的附
近，即一定距離的半徑範圍內有兩個人防守（圖左 a 部分），且這個狀態持續至少兩秒
以上，那麼初步判定為包夾。

不過，要是有一個防守的人同時出現在兩個進攻隊員有效的防守半徑內，那這種情況就不
算是包夾（圖左 b 部分）。

從圖右的 c 表格可以看出，這個自動判斷包夾的分類模型還算可行，效果比人類標註員
的誤判要少得多。經過統計，64 萬個持球錄像片段中，只有 4.8% 被判定為包夾，所以
研究人員把這 4.8% 挑出來，再按結果分類。

--

【按得失分類】

包夾最好的結果是能遏制對方進球，搶到籃板後得分，但不是每次都能表現如此完美。根
據包夾後的得分（或失分）情況，可分成 6 類：得/失 2 分，得/失 3 分，犯規，失誤
。

分析之後發現，進攻力很強的球員被包夾之後，進球難度加大，2 分/3 分的得分率都降
低了一點點，這說明包夾可以起到一定的壓制效果。

但 2 分失分率、犯規率明顯升高，都是防守方選擇包夾是要面臨的風險。不僅會更容易
犯規，也給了對方空檔投籃的機會。

--

【預處理數據，給包夾效果打分】

機器篩出表現不錯的包夾片段後，進一步數據按秒切好。然後轉成直觀的運動軌跡（
Court Image）。除了運動軌跡信息，判斷要不要包夾某個球員的必要資訊還有對方的身
高、體重等，所以輸入的數據還需要其他非空間的特徵值（flat features）。

可視化的球員運動軌跡交給卷積網絡（ConvNet）去提取視覺上的特徵，至於非空間特徵
值則交給全連接網絡（FC Net）處理，最後輸出 Q 值，相當於是給包夾效果打個分。

Q 值僅為每種實際狀態下對可能的行為打分。

而這整個強化學習的網絡，叫 Nothing But Net，簡稱 NBNet。

--

【控制變量訓練 RL 模型】

為了盡可能客觀地還原不同防守策略的效果，要控制進攻方這個變量。

因此，進攻方的數據選了進攻力接近 Max 的老詹所在的球隊，騎士。從中翻出那些對手
防得還不錯的瞬間，總結一下。

騎士的 2 萬多個持球片段，總共分三部分：70% 訓練用，10% 做驗證，最後留 20% 待評
估。經訓練後的 RL 模型會對待測片段作出是否應該進行包夾的預測。

等到 NBNet 模型訓練得差不多了——預測包夾的結果（29.29%）比較接近真實情況（
33.92%）時，研究團隊就讓模型進入實戰，分析之前篩好的包夾片段。

結果發現，模型輸出的 Q 值越大，被包夾的一方得分越低，這說明該輪防守效果越好。

那麼問題來了：在所有對戰騎士的球隊裡，哪個球隊的 Q 值最大？

--

【防騎士，公牛 No.1】

NBNet 按各球隊以往數據打分，發現 Q 值最大的是公牛隊。今年常規賽上公牛防騎士的
表現也可圈可點。

--

【包夾，還是不包夾？】

除了最強防守隊，NBNet 分析完一圈騎士的數據後，還給了個的夾防建議：

最不該包夾的人就是 Lebron James！

上圖裡的藍柱，指的是實際比賽中某球員被包夾的比例，而橙柱是模型建議的比例。紅框
的數據顯示，詹皇持球時，對手包夾的比例接近 25%，由此可見防守方內心的焦灼。不過
模型建議，夾防的比例得降至 15%，否則得不償失。

除了詹皇，像進攻力很強的明星球員 Irving、Thompson 也最好少夾，漏防反而給對方空
位投球的機會（哎，模型寶寶都不知道歐文不在騎士了，sad）。

此外，NBNet 還給了最違反直覺的建議： 夾防時，最好不要漏防弱側底線 。不然到時空
位一旦拿球補防完全來不及。

相反的，可以優先考慮留空上圖右邊那兩坨墨藍區的人，這樣協防起來相對沒那麼費力。

--

【閒聊：詹皇能走多遠？】

雖然現在騎士隊現在在東冠系列賽以 2：3 落後賽爾提克，但數據顯示詹皇在季後賽是越
戰越強，他們能走多遠，甚至衝擊總冠軍，都不容小覷。

當然如果有人把這篇論文給 Stevens 看的話，那可能又另當別論了。（笑）

--

心得：嗯嗯，很有趣的論文分析！


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.32.223.59
※ 文章網址: https://www.ptt.cc/bbs/NBA/M.1527258181.A.094.html
→ diefish5566 : 我以為是那個AI 嚇我一跳
推 gold97972000: 是FMVP 那個嗎
推 AE59603AE   : 我以為是小AI
→ heavensun   : 那個AI 守LBJ  拿到FMVP
推 kutkin      : 降到15 也不是不夾
推 wii128      : 開個六給喇叭 讓他贏兩個熱火冠軍
推 Aceyalone   : 這個AI 不是那個AI 是大家的AI 是最強的AI 會贏的AI
噓 spinebuster : 所以怎麼守
推 qazwsx879345: 我以為是 AL 不是AI
→ l2l         : 包夾他只會讓騎士遍地開花
→ serendipity :             ４：2   姆絲掰
推 jajepound   : 阿發狗也可能統治籃球了嗎
推 Yanten      : 反觀KL
推 YouGot5566  : FMVP懂FMVP
推 onetooneya  : 我想火箭已經告訴大家弱側底線不能放了吧
→ onetooneya  : 看圖，青賽例行賽對騎士的防守還比暴龍差，藏招？
推 volleywayne : 所以？有沒有預測第六戰誰勝出？
→ kuiyy       : 馬龍只有11次一隊 哪有並列？是跟連續次數弄混了吧
→ GABA        : 我不用AI也知道不要包夾LBJ
噓 mroweht     : 結論？
推 evan700607  : 沒有說不包夾啊 是說降到15%
推 dan728      : 我以為是A1 1234的1
→ no25        : AI分析要小AI
推 slimak      : 獨眼龍也知..
推 b7237987    : 難怪AI最近沒上
推 joe1408     : 好像沒守住欸
推 nuturewind  : 電腦啊電腦，教我怎麼打敗這個刺客
→ xxxcc       : 橘報喔 呵呵 很喜歡篩選文章 金盾是他們的目標吧
推 ladddddy    : 通常不是數據集分70,15,15嗎@@希望有高手指點一下
→ ladddddy    : 數據集分配比重影響
推 EvilSD      : 怎麼分是還好 反正測試完 還是會丟進訓練用
→ yeustream   : 用小AI就行了
推 Asce        : 米國的體育科學真的很屌
推 terio       : 可是這樣假設防守效率相同了吧
→ huma7912    : 還以為你說的是那個AI