농구 및 NBA에서 AI의 적용 및 영향

기술 발전 덕분에 팬 참여와 선수 분석은 스포츠 산업에서 중요한 부분이 되었습니다. 스포츠 이벤트는 점점 더 데이터에 의해 주도되고 있으며 AI는 이러한 변화에서 큰 역할을 하고 있습니다.

이전에 우리는 컴퓨터가 경기장에서 무슨 일이 일어나고 있는지 보고 이해하는 데 도움이 되는 컴퓨터 비전과 같은 기술이 포뮬러 원 및 올림픽과 같은 분야에 큰 영향을 미치는 것을 보았습니다. 마찬가지로, 전미 농구 협회(NBA)는 최근 새롭고 혁신적인 방식으로 AI를 사용하여 헤드라인을 장식하고 있습니다. 

그러나 NBA는 꽤 오래전에 AI에 대한 논의에 참여했습니다. 1949년에 리그가 시작된 이후 팬과 연결하고 게임을 개선하기 위해 새로운 기술을 빠르게 채택했습니다. 

오늘날 Ultralytics YOLO11과 같은 컴퓨터 비전 모델은 실시간 객체 감지 및 추적을 가능하게 하여 농구 경기력 분석을 한 단계 더 발전시키고 있습니다. 비전 AI는 게임을 즉석에서 분석하고 무슨 일이 일어나고 있는지 더 잘 이해하는 데 도움이 됩니다.

이 기사에서는 AI와 컴퓨터 비전이 농구를 어떻게 재구성하고 있는지 자세히 살펴보겠습니다. 이러한 기술이 팀이 선수를 실시간으로 추적하고, 성과 데이터를 더 정확하게 분석하고, 더 스마트한 코칭 결정을 내리고, 팬을 위한 더 나은 경험을 만드는 데 어떻게 도움이 되는지 논의할 것입니다.

스포츠 분석에서 AI의 부상

AI가 농구 게임을 개선하는 데 어떻게 사용되고 있는지 살펴보기 전에 스포츠에서 AI가 수년에 걸쳐 어떻게 진화했는지 살펴보겠습니다. 

초기에는 스포츠 분석이 주로 기본 통계 및 수동 기록에 의존했습니다. 1997년 Prozone과 같은 AI 기반 선수 추적 시스템이 선수 이동 데이터를 캡처하기 시작하면서 변화가 시작되었습니다. 

2009년까지 NBA는 SportVU의 AI 기반 공 및 선수 추적을 통해 큰 발걸음을 내디뎠습니다. 이는 팀이 선수 성과와 게임 전략을 보는 방식을 바꾼 자세한 데이터 중심 분석을 가능하게 한 새로운 이정표를 세웠습니다.

‍

지난 몇 년 동안 예측 분석을 위한 머신 러닝부터 실시간 분석을 위한 컴퓨터 비전, 훈련을 지원하는 로봇 공학에 이르기까지 스포츠에서 사용되는 다양한 AI 기술을 보았습니다.

이러한 기술이 계속 발전함에 따라 AI 기반 분석은 스포츠 이벤트와 연습 모두에서 일반화되어 팀이 경쟁 우위를 확보하고 팬에게 자신이 좋아하는 게임에 대한 더 깊은 통찰력을 제공하는 데 도움이 됩니다.

NBA가 AI를 사용하는 혁신적인 방법 

이번 시즌 NBA에 AI가 도입된 가장 흥미로운 방법 중 하나는 로봇을 통해서입니다. 골든 스테이트 워리어스는 연습 세션 동안 지원하는 최첨단 AI 기반 로봇 시스템인 Physical AI 이니셔티브를 통해 선두를 달리고 있습니다. 

이러한 로봇은 리바운드 및 패스 훈련부터 수비 플레이 시뮬레이션에 이르기까지 모든 것을 지원하여 선수들이 자신의 성과에 대한 즉각적인 피드백을 받을 수 있도록 합니다. 

팀에서 공개한 클립에서 골든 스테이트 워리어스 포인트 가드 스테판 커리는 처음에는 이상했지만 로봇이 훈련 루틴의 필수적인 부분이 되었다고 언급했습니다.

‍

다음은 NBA가 AI를 사용하는 몇 가지 다른 흥미로운 방법입니다.

• 실시간 선수 추적: 리그는 컴퓨터 비전을 사용하여 선수 움직임과 위치를 실시간으로 추적합니다. 이를 통해 코치는 즉각적인 통찰력을 얻고 즉석에서 전략을 조정하는 데 도움이 됩니다.
  ‍
• 최적화된 경기 일정: NBA는 AI 도구를 사용하여 과거 데이터, 선수 성적 및 물류를 분석하여 시청자 참여를 높이고 시즌을 간소화하는 경기 일정을 만듭니다.
  ‍
• 향상된 소셜 미디어 참여: AI는 게임 영상을 분석하여 하이라이트 영상을 자동 생성하고 개인 맞춤 클립을 만들어 NBA가 전 세계 팬과 더 쉽게 소통할 수 있도록 합니다.

경기 결과 예측: 고급 NBA 분석을 위한 AI 모델

2025년 NBA 올스타 기술 서밋은 주로 AI 혁신에 관한 것이었습니다. 실제로 최근 팟캐스트에서 필라델피아 76ers의 농구 운영 사장인 대릴 모리는 AI, 특히 대규모 언어 모델(LLM)이 의사 결정 과정에서 필수적인 부분이 되었다고 설명했습니다.

모리는 "우리는 모든 결정에 모델을 투표로 활용합니다."라고 언급하며 AI가 이제 드래프트 선택부터 게임 전략에 이르기까지 모든 것을 평가하는 데 역할을 한다고 강조했습니다. 이러한 모델은 실시간 데이터, 과거 성적 및 기타 통찰력을 결합하여 추세와 결과를 예측하여 팀이 미래를 계획하는 방식에 새로운 차원의 정확성을 더합니다.

모리는 이 과정에서 LLM의 역할을 다음과 같이 설명했습니다. "LLM이 예측을 상당히 잘 수행한다는 것이 밝혀졌습니다. 여전히 인간, 즉 슈퍼 예측가를 이기지는 못합니다... 하지만 스카우트와 같은 것들보다 더 많은 신호를 추가합니다. 그래서 우리는 그들을 거의 스카우트처럼 취급할 것입니다." 

시간이 지남에 따라 이러한 모델이 개선됨에 따라 NBA의 미래를 형성하는 데 훨씬 더 큰 역할을 할 수 있습니다.

YOLO11이 농구에서 선수와 공의 움직임을 추적하는 방법

그렇다면 농구에서 실시간 선수 추적과 같은 Vision AI 애플리케이션은 어떻게 작동할까요? 한 단계 뒤로 물러서서 기술적인 세부 사항을 살펴보겠습니다. 

YOLO11과 같은 모델은 객체 감지, 인스턴스 분할 및 객체 추적과 같은 다양한 컴퓨터 비전 작업을 지원합니다. 이러한 기능을 통해 YOLO11은 농구 경기의 각 비디오 프레임을 실시간으로 처리할 수 있습니다. 

예를 들어, 공이 링을 통과하는 시점이나 슬램덩크가 발생하는 시점을 추적하려면 YOLO11과 통합된 컴퓨터 비전 시스템이 공이 선수의 손을 떠나 공중을 가로질러 백보드 및 바스켓과 접촉하여 득점하는 것을 감지하고 추적할 수 있습니다.

또 다른 좋은 예는 YOLO11의 자세 추정 기능을 사용하는 것입니다. 자세 추정은 비디오의 각 프레임에서 팔꿈치, 무릎, 엉덩이와 같은 선수 신체의 주요 지점을 식별하고 추적하는 것을 포함합니다. 이는 선수가 코트에서 어디에 있는지 뿐만 아니라 중요한 순간에 어떻게 움직이는지 보여주는 선수 움직임의 자세한 지도를 만드는 데 사용할 수 있습니다. 수집된 통찰력은 성과를 분석하고, 훈련 기술을 미세 조정하고, 부상 위험을 줄이는 데 도움이 될 수 있습니다.

‍

AI 기반 심판 지원을 위한 YOLO11 사용

선수 추적 및 공 움직임 분석 외에도 YOLO11은 AI 기반 심판 지원에 사용되어 파울, 아웃 오브 바운드 플레이 및 기타 위반 사항을 실시간으로 감지하는 데 도움이 될 수 있습니다. 

비디오 영상을 프레임 단위로 분석함으로써 Vision AI는 심판에게 추가적인 통찰력을 제공하여 인적 오류를 줄일 수 있습니다. 또한 즉시 재생 시스템에 통합되어 검토가 필요한 순간을 자동으로 표시하여 프로세스를 더 빠르고 안정적으로 만들 수 있습니다.

예를 들어, 선수가 아웃 오브 바운드를 밟으면 YOLO11은 코트 라인과 관련된 발의 위치를 감지하고 즉시 관계자에게 경고할 수 있습니다. 또한 모델은 선수 간의 과도한 신체 접촉을 추적하여 파울을 식별하는 데 도움이 될 수 있습니다. 

마찬가지로 공이 움직이는 상황에서 YOLO11은 슛 전에 공이 3점 라인을 완전히 넘었는지 또는 골텐딩 위반이 발생했는지 확인하기 위해 궤적을 분석할 수 있습니다. 이러한 감지를 자동화함으로써 AI 기반 심판 지원은 판정의 정확성을 높이고 논란의 여지가 있는 판정을 줄이며 선수와 팀에게 더 공정한 경기를 만들 수 있습니다.

농구 코칭 및 전략에서 AI의 장단점

농구에서 AI의 사용은 선수 성적에서 팬 참여에 이르기까지 모든 것을 변화시키고 게임을 분석하고 더 스마트한 결정을 내릴 수 있는 새로운 방법을 열어줍니다. 다음은 AI가 농구 팀과 조직에 제공하는 몇 가지 이점에 대한 간략한 개요입니다.

• 더 나은 의사 결정: AI 모델은 여러 데이터 소스를 고려하여 로스터 관리 및 경기 중 전술과 같은 영역에서 객관적인 결정을 지원할 수 있습니다.
  ‍
• 개인 맞춤형 훈련: AI는 선수 데이터를 분석하여 기술을 향상시키고 부상 위험을 최소화하는 맞춤형 훈련 프로그램을 만드는 데 도움이 될 수 있습니다.
  ‍
• 향상된 스카우트: AI 시스템은 여러 시즌과 리그에 걸쳐 방대한 양의 데이터를 분석하여 팀이 유망한 인재를 식별하고 숨겨진 보석을 발견하는 데 도움이 될 수 있습니다.

분명한 이점이 있지만 AI 솔루션을 구현하는 데에는 고유한 과제가 따를 수 있습니다. 다음은 염두에 두어야 할 몇 가지 제한 사항과 주요 고려 사항입니다.

• 데이터 개인 정보 보호 문제: 광범위한 선수 데이터의 수집 및 분석은 데이터 보안 및 개인 정보 보호와 관련된 우려를 제기합니다.
  ‍
• 불확실성 처리: AI 모델은 종종 라이브 스포츠를 정의하는 자발적이고 감정적인 요소를 설명하는 데 어려움을 겪을 수 있습니다.
  ‍
• 데이터에 대한 과도한 의존: AI에 지나치게 의존하면 코치의 직관과 예측 불가능한 게임의 본질의 중요성을 간과할 수 있습니다.

농구에서의 AI, 슬램덩크와 같습니다

AI는 흥미로운 방식으로 농구를 재정의하고 있습니다. YOLOv8을 이용한 실시간 선수 추적부터 코치가 더 스마트한 결정을 내리도록 돕는 예측 모델에 이르기까지, 이러한 기술은 팀에게 게임을 분석하고 성과를 향상시킬 수 있는 새로운 도구를 제공하고 있습니다. 

NBA는 이미 경기 일정 최적화, 자동 하이라이트 영상 제작, 코칭 전략 개선, 팬 참여도 향상 등 모든 분야에서 AI를 활용하고 있습니다. AI가 계속 발전함에 따라 더욱 정확한 분석, 더 나은 부상 예방, 선수 성과에 대한 더 깊은 통찰력을 기대할 수 있습니다.

자세한 내용은 GitHub 저장소를 방문하여 커뮤니티에 참여하십시오. 솔루션 페이지에서 자율 주행 자동차의 AI 및 농업 분야의 컴퓨터 비전과 같은 분야의 혁신을 살펴보십시오. 라이선스 옵션을 확인하고 비전 AI 프로젝트를 실현하십시오.