874: How AI is Transforming Baseball (with Lessons For All of Us)
14:27 Share

这是第 874 集，主题是人工智能如何改变棒球运动。欢迎回到超级数据科学播客。我是你的主持人，Jon Krohn。让我们从最近的一些节目评论开始。第一个评论来自 Apple Podcasts，评论者用户名为 Remnasa，他说他已经收听超级数据科学播客几年了，内容总是引人入胜。我很高兴你这么认为。

他们说，节目内容有时会超出他们的理解范围，但他们一定会关注这些信息，并在每一集中学到东西。这太酷了。听起来他们也是相关公司 superdatascience.com 的订阅用户，该公司有一个学习平台。他们说他们喜欢这个网站，所以大概这就是他们所说的。我们的第二个评论也在 Apple Podcasts 上，来自 saleatx.com。

他说这个播客是了解人工智能世界及其从业人员的绝佳方式。嘉宾们都非常棒，而且总是很有趣。这太酷了。感谢 Ram Nasa 和 Sail ATX 最近在 Apple Podcasts 上的评分和反馈。无论您使用哪个播客平台，我都非常感谢您分享

您给予的评论以及在我们的 YouTube 视频上点赞和评论。

我可能在一两个月前提到过这一点，但作为一种友好的竞争，经常收听节目的听众可能知道，我已经在另一个优秀的播客“上周的人工智能”中担任客座联合主持人六次了。该节目的两位常驻主持人 Andre 和 Jeremy 也曾是我的超级数据科学播客的嘉宾。好吧，尽管他们的节目比超级数据科学播客年轻很多年，但在 Apple 播客评分数量方面，他们现在正在追赶我们。

他们在每集开头都会大喊一声。所以我想尽量领先他们。在录制时……

我们在美国的评分为 287，而他们为 264。这意味着是的。与我上次检查相比，他们正在缩小与我们的差距。因此，请前往您的播客应用程序并评价超级数据科学播客，帮助我们领先于 Andre 和 Jeremy。我还最近意识到，我只看到美国的评分和评论，因为我的 Apple 播客设置在美国。因此，如果我错过了其他国家的评论，我深感抱歉，

我不是故意忽略你们的。我只是看不到你们的评论。所以我不知道是否有办法，但显然任何国家的评分和评论最终都会有所帮助。感谢你们的支持。如果，

您留下书面反馈，而我看到了它，例如在美国 Apple 播客平台上，我一定会像今天一样在节目中朗读您的反馈。好了，让我们进入今天的主题，关于人工智能在体育运动中的有趣应用，特别是棒球。棒球一直是一项数字游戏。几十年来，球队一直在仔细研究击球率和棒球中一项名为自责分率的统计数据。

因此，球队一直在仔细研究这些统计数据以获得优势。但近年来，人工智能将棒球分析提升到了新的高度。在今天的节目中，我们将探讨人工智能如何彻底改变棒球，从球探和球员表现到比赛策略，甚至球迷体验，以及所有这些对体育运动的未来以及其他行业（包括您的行业）意味着什么。

为了理解人工智能的影响，回顾一下“魔球”时代会有所帮助。在 21 世纪初，奥克兰田径棒球队以数据分析著称，他们利用数据分析来识别被低估的球员，并在预算非常紧张的情况下组建了一支有竞争力的球队。这种由美国棒球作家、历史学家和统计学家比尔·詹姆斯开创的“魔球”方法，由迈克尔·刘易斯在其畅销书《魔球》中闻名，后来被改编成一部由布拉德·皮特主演的热门电影。这种方法……

证明了客观的数据驱动决策可以战胜老式的直觉，从而确定哪些球员最适合你的球队。快进到今天，棒球中的数据分析不再是一个古怪的实验，而是美国职业棒球大联盟中每支球队的标准做法。每个 MLB 球队（美国的主要职业联赛）现在都雇佣了数据科学家，并且前台将分析视为一场军备竞赛。

此类分析的数据在数量和细节上都呈爆炸式增长。2015 年，美国职业棒球大联盟引入了 StatCast，这是一个在每个棒球场都配备高速摄像机和雷达的系统，可以追踪每次投球、挥杆和接球的轨迹。StatCast 每场比赛产生惊人的 7 TB 数据，

捕捉从球的旋转速度到外野手的精确移动的一切信息。仅靠人工分析人员不可能筛选每场比赛 7 TB 的数据洪流，而这就是人工智能大放异彩的地方。

正如本播客的大多数听众肯定知道的那样，机器学习算法在大量数据中蓬勃发展，发现人类会在这些信息海洋中错过的模式和见解。换句话说，利用人工智能来理解所有这些数据的球队获得了竞争优势，而那些没有利用人工智能的球队则面临落后的风险。

人工智能改变美国职业棒球大联盟的一种主要方式是使球探和球员分析更加复杂。传统上，球探依靠雷达枪和直觉，通常关注一些主要数字，例如投手自责分率或击球手的击球率。

现在，球队将大量的球员数据、大学和低级别联赛的统计数据、生物力学测量数据，甚至比赛风格的视频分析输入机器学习模型，以预测年轻球员在大联盟中的表现。这些模型考虑了人类可能会忽略的数十个特征。例如，人工智能模型不会只关注本垒打或打点，而是会考虑细微的指标，例如击球手的出局速度和发射角度，这意味着球离开球棒的速度和角度，或者

或者投手每种类型的球的旋转速度。结合这些现代指标可以显著提高绩效预测的准确性。

人工智能驱动的球探可以发现隐藏的瑰宝。也许一个新秀的击球率不高，但数据显示他总是能用力击球。他的出局速度很高。这是潜在成功的标志，旧的统计数据可能会掩盖这一点。通过识别历史球员数据中的模式，机器学习模型可以找到传统球探低估的球员。这种数据驱动的方法帮助推动了“魔球”时代使用更简单的统计数据，而今天的人工智能工具则将其提升到了另一个层次。

除了识别人才之外，棒球队还在利用人工智能来定制球员发展。人工智能系统分析球员的优势和劣势，并为每个球员推荐个性化的训练计划。例如，如果对击球手挥杆的分析显示他难以应对快速高球，教练可以根据人工智能反馈设计练习来纠正这一点。如果投手的力学数据显示他的曲线球的投球角度异常，人工智能系统可以将其标记出来，并防止小问题演变成重大缺陷。简而言之，

人工智能正在帮助球队发现人才并塑造人才，其决策所依据的数据比以往任何时候都多得多。人工智能的影响也延伸到了教练席和场上的决策。棒球一直是一项策略性很强的运动，经理们决定何时更换投手、如何安排阵容、在哪里安排外野手、在哪里安排内野手。

过去，这些决定是由经验、直觉和基本统计数据指导的。如今，它们越来越受到预测分析的影响。球队使用人工智能在比赛之前和期间模拟无数的假设情景和对决。

想知道在第七局对阵特定击球手的最佳投手是谁吗？人工智能模型可以分析多年来类似对决的数据，包括该击球手如何处理风格相似的投手、天气、球场尺寸以及诸如此类的事情。然后它会给出概率答案，并找到针对特定场景的最佳投手或击球手。

经理们现在咨询获胜概率表和实时模型预测的次数与他们查看阵容卡的次数一样多。一份分析报告中的一个例子描述了使用人工智能根据球员的统计数据和当前状态来预测特定投手与击球手对决的结果，这在十年前或二十年前听起来像是科幻小说，但现在却可以在经理们在球场上实时查阅的平板电脑上触手可及。

数据也彻底改变了防守策略。近年来，由于喷雾图数据，球队开始采用激进的防守转换，例如将内野手移到一侧以应对杆击球手。人工智能更进一步。通过分析大量关于每个球落点的数据，一些球队已经使用深度学习来优化外野手的站位，这是人类从未尝试过的方法。

这种人工智能驱动的策略非常有效，以至于美国职业棒球大联盟制定了新的规则来限制极端的转换。但是，使用数据来更有效地安排球员的位置并不会消失。相反，它会不断发展并变得更加细致入微。所有这些人工智能工具都不会取代经理和教练。相反，它们会增强他们的能力。

最好的球队将人类直觉与机器预测相结合。教练仍然会考虑球员的心理和当天的因素，但他们现在拥有丰富的分析见解来支持或有时质疑他们的直觉。现在，经常可以看到球员和教练在教练席上观看 iPad，研究对手的最新分析数据。棒球实际上获得了一个高科技的副驾驶。人工智能实时计算数字，而人类做出最终决定。

当这些决定是在获得更好信息的情况下做出的时，获胜的几率就会增加。除了所有这些针对教练和球员的机器学习驱动式进步之外，人工智能还在丰富球迷的体验。如果您最近观看过棒球转播或查看过体育应用程序上的统计数据，您可能已经看到了人工智能的痕迹。例如，可以在屏幕上显示获胜概率图，以实时显示每支球队的获胜几率。

每次得分或出局时，这些概率都会根据在数千场比赛中训练的机器学习模型进行更新。这为球迷增加了背景和兴奋感，将抽象数据变成了引人入胜的故事。同样地，

诸如接球概率（外野手接住特定飞球的可能性）之类的先进指标是使用球的轨迹和外野手速度的分析计算出来的，然后在重播中显示出来，以说明一场比赛的难度。就在几年前，比赛期间还无法获得这些见解。现在，它们已成为标准评论的一部分，让球迷更深入地了解……欣赏……

所展示的技能。甚至比赛规则也感受到了人工智能的影响。美国职业棒球大联盟一直在试验自动球罢工系统，这本质上是一个机器人裁判，它使用人工智能和视觉技术来判决球和罢工，而不是依赖于人类，毕竟人类是人，所以会犯错。

在 2025 年的春季训练期间，美国职业棒球大联盟允许球员挑战人类裁判的判罚，并让自动化系统进行裁决，该系统收到了大部分好评。虽然纯粹主义者会争论失去一些人为因素，但许多球迷和球员都欢迎人工智能为裁判工作带来的连贯性和公平性。这是人工智能如何在不改变其核心内容的情况下增强游戏体验的另一个例子。通过确保判罚准确无误，重点仍然放在球员的技能上。

除了棒球场之外，棒球的人工智能发展还为我们所有人带来了鼓舞人心的信息，因为我们可以利用它在任何行业中取得象征性的成功。这是一项根深蒂固的传统和直觉的运动，但它已经拥抱数据和人工智能以获得竞争优势，结果不言而喻。

对于人工智能专业人士来说，最大的收获是，任何领域，无论多么传统，都可以通过数据驱动的方法进行转型。如果美国最古老的主要运动项目能够通过数据和机器学习模型重塑自我，那么金融、医疗保健、制造业、零售业等行业也可以做到同样的事情。

关键在于增强领域专业知识、人类直觉和专家多年积累的经验，以及人工智能的力量，即处理海量数据和发现隐藏模式的能力。在棒球中，最好地将球探智慧与算法分析相结合的球队成为了冠军。在商业中，同样将行业专业知识与人工智能见解相结合的组织将胜过竞争对手。

棒球的另一个教训是开放心态和适应能力的重要性。人工智能的早期采用者获得了巨大的优势，直到其他人赶上来。我们在每个行业都看到了同样的情况。那些使用人工智能进行创新的人可以领先一步，而那些抵制变革的人则面临落后的风险。最终，人工智能是一种扩展人类能力的工具。它不会取代棒球中的教练、球员或经理。它会用更好的信息来增强他们的决策。

其他领域也是如此。在可预见的未来，人工智能不会取代产品经理、医生或供应链规划人员，但它会为他们提供见解，让他们做出更明智的决策。总而言之，棒球使用人工智能的经验表明，拥抱技术如何在保持企业核心的同时提升绩效。球场上的比赛仍然是棒球，人类运动员在竞争，但它得到了引导决策的无形智能层的增强。同样地，

任何行业都可以保持其人类核心，同时利用人工智能来获得最佳结果。作为人工智能专业人员，我们应该鼓励我们的组织向棒球学习，尝试使用数据，信任分析，原型化人工智能驱动的功能，对变化保持开放的心态，并不断迭代。这就是您如何在自己的行业中通过人工智能取得成功的秘诀，即利用人类和机器两方面的优势来推动创新和成功。好了，

这就是今天的节目内容。如果您喜欢它或认识可能考虑与他们分享这集节目的人，请在您最喜欢的播客平台上留下对节目的评论，在 LinkedIn 或 Twitter 帖子中标记我，并留下您的想法。如果您还不是订阅者，请务必订阅该节目。然而，最重要的是，我们只希望您继续收听。直到下次，继续前进，我期待着很快与您一起再次享受超级数据科学播客。