농구 및 NBA에서의 AI 적용과 영향

기술 발전 덕분에 팬 참여도와 선수 분석은 스포츠 산업의 중요한 부분이 되었습니다. 스포츠 이벤트는 점점 더 데이터 기반으로 변화하고 있으며, AI는 이러한 변화에서 큰 역할을 하고 있습니다.

이전에 우리는 컴퓨터가 경기장에서 일어나는 일을 보고 이해하도록 돕는 computer vision과 같은 기술이 Formula One이나 올림픽과 같은 분야에 큰 영향을 미쳤다는 것을 확인했습니다. 마찬가지로, 미국프로농구(NBA)도 최근 AI를 새롭고 혁신적인 방식으로 사용하여 많은 주목을 받고 있습니다.

하지만 NBA는 이미 오래전부터 AI에 관심을 가지고 있었습니다. 1949년 리그가 시작된 이래, NBA는 새로운 기술을 신속하게 도입하여 팬들과 소통하고 경기를 개선해 왔습니다.

오늘날 Ultralytics YOLO11과 같은 컴퓨터 비전 모델은 실시간 객체 탐지 및 추적을 가능하게 함으로써 농구 경기력 분석을 한 단계 더 발전시키고 있습니다. Vision AI를 사용하면 경기를 즉석에서 분석하고 현재 상황을 더 잘 파악하기가 더 쉬워집니다.

이 글에서는 AI와 컴퓨터 비전이 어떻게 농구의 판도를 바꾸고 있는지 자세히 살펴봅니다. 이러한 기술이 팀이 선수를 실시간으로 추적하고, 성과 데이터를 더 정확하게 분석하며, 더 스마트한 코칭 결정을 내리고, 팬들에게 더 나은 경험을 제공하는 데 어떻게 도움이 되는지 논의하겠습니다.

Link to this section스포츠 분석에서의 AI 부상#

AI가 농구 경기를 개선하는 데 어떻게 사용되는지 알아보기 전에, 지난 몇 년간 AI in sports가 어떻게 발전해 왔는지 살펴보겠습니다.

초기에는 스포츠 분석이 주로 기본 통계와 수동 기록에 의존했습니다. 이는 1997년 Prozone과 같은 AI 기반 선수 추적 시스템이 선수 이동 데이터를 수집하기 시작하면서 변화하기 시작했습니다.

2009년에는 NBA가 SportVU의 AI 기반 공 및 선수 추적 시스템을 도입하며 큰 도약을 이루었습니다. 이는 팀들이 선수의 성과와 경기 전략을 바라보는 방식을 바꾼 정밀하고 데이터가 풍부한 분석을 가능하게 하는 새로운 이정표가 되었습니다.

그림 1. 스포츠 분야에서의 AI 발전 과정입니다.

지난 몇 년 동안 우리는 예측 분석을 위한 머신러닝부터 실시간 분석을 위한 컴퓨터 비전, 훈련을 지원하는 로봇에 이르기까지 스포츠 전반에 걸쳐 다양한 AI 기술이 사용되는 것을 보아왔습니다.

이러한 기술이 계속 발전함에 따라 AI 기반 분석은 스포츠 이벤트와 연습 세션 모두에서 일반화되고 있으며, 팀은 경쟁 우위를 확보하고 팬들은 자신이 사랑하는 경기에 대해 더 깊은 통찰력을 얻고 있습니다.

Link to this sectionNBA의 혁신적인 AI 활용 방식#

이번 시즌 NBA에 도입된 가장 흥미로운 AI 활용 사례 중 하나는 로봇입니다. 골든스테이트 워리어스는 연습 세션 중에 도움을 주는 AI 기반 로봇 시스템인 'Physical AI' 이니셔티브를 통해 앞서 나가고 있습니다.

이 로봇들은 리바운드와 패스 훈련부터 수비 플레이 시뮬레이션까지 모든 것을 지원하며, 선수들은 자신의 성과에 대해 즉각적인 피드백을 받을 수 있습니다.

팀이 공개한 영상에서 골든스테이트 워리어스의 포인트 가드 Steph Curry는 처음에는 낯설었지만, 로봇이 곧 훈련 루틴의 필수적인 부분이 되었다고 언급했습니다.

Fig 2. 농구 팀들이 경기 준비를 위해 사용하고 있는 로봇들.

NBA가 AI를 활용하는 다른 흥미로운 방식은 다음과 같습니다:

• 실시간 선수 추적: 리그는 컴퓨터 비전을 사용하여 track player movements와 위치를 실시간으로 파악합니다. 이를 통해 코치는 즉각적인 통찰력을 얻고 경기 중 전략을 조정할 수 있습니다.
• 최적화된 game scheduling: NBA는 AI 도구를 사용하여 과거 데이터, 선수 성과, 물류를 분석하고 시청자 참여를 극대화하며 시즌을 효율적으로 운영할 수 있는 경기 일정을 생성합니다.
• 소셜 미디어 참여 강화: AI는 경기 영상을 분석하여 generate highlight reels와 개인 맞춤형 클립을 자동으로 생성하는 데 사용되며, 이를 통해 NBA가 전 세계 팬들과 더 쉽게 소통할 수 있게 합니다.

Link to this section경기 결과 예측: 고급 NBA 분석을 위한 AI 모델#

2025 NBA All-Star Technology Summit의 주요 주제는 AI 혁신이었습니다. 실제로 최근 팟캐스트에서 필라델피아 세븐티식서스의 농구 운영 사장 Daryl Morey는 AI, 특히 거대 언어 모델(LLMs)이 의사결정 과정에서 얼마나 필수적인 부분이 되었는지 설명했습니다.

Morey는 "우리는 어떤 결정에서든 반드시 모델을 투표권자처럼 활용한다"고 언급하며, AI가 드래프트 지명부터 경기 전략에 이르기까지 모든 것을 평가하는 데 역할을 하고 있음을 강조했습니다. 이러한 모델은 실시간 데이터, 과거 성과 및 기타 통찰력을 결합하여 추세와 결과를 예측함으로써 팀의 미래 계획 수립에 새로운 차원의 정밀함을 더합니다.

Morey는 이 과정에서 role of LLMs에 대해 이렇게 설명했습니다: "LLM은 예측에서 상당히 좋은 성능을 보입니다. 물론 아직 인간 슈퍼 예측가들을 뛰어넘는 수준은 아니지만... 스카우트들의 의견에 추가적인 신호를 제공합니다. 그래서 우리는 거의 한 명의 스카우트처럼 대우합니다."

시간이 지나면서 이러한 모델이 개선됨에 따라, 향후 NBA의 미래를 형성하는 데 훨씬 더 큰 역할을 할 것으로 보입니다.

Link to this sectionYOLO11이 농구에서 선수와 공의 움직임을 추적하는 방법#

그렇다면 농구에서 실시간 선수 추적과 같은 Vision AI 애플리케이션은 어떻게 작동할까요? 잠시 뒤로 물러나 기술적인 세부 사항을 살펴보겠습니다.

YOLO11과 같은 모델은 객체 탐지, 인스턴스 분할, 객체 추적 등 다양한 computer vision tasks를 지원합니다. 이러한 기능을 통해 YOLO11은 농구 경기의 각 비디오 프레임을 실시간으로 처리할 수 있습니다.

예를 들어 공이 골대를 통과하거나 슬램덩크가 발생하는 시점을 추적하고 싶다면, YOLO11과 통합된 컴퓨터 비전 시스템이 공이 선수의 손을 떠나 공중을 이동하고 백보드와 림에 접촉하여 득점하는 과정을 탐지하고 추적할 수 있습니다.

또 다른 좋은 예는 YOLO11의 pose estimation 기능을 사용하는 것입니다. Pose estimation은 비디오의 각 프레임에서 선수의 팔꿈치, 무릎, 엉덩이와 같은 주요 관절 부위를 식별하고 추적하는 것을 포함합니다. 이를 통해 선수가 코트 위 어디에 있는지뿐만 아니라 중요한 순간에 어떻게 움직이는지를 보여주는 상세한 움직임 지도를 만들 수 있습니다. 수집된 통찰력은 성과 분석, 훈련 기법 개선, 심지어 부상 위험을 줄이는 데에도 사용될 수 있습니다.

Fig 3. YOLO11을 사용하여 선수의 자세를 탐지하는 사례.

Link to this sectionAI 기반 심판 보조를 위한 YOLO11 활용#

선수 tracking과 공의 움직임 분석 외에도, YOLO11은 AI 기반 심판 보조 시스템으로 활용되어 파울, 아웃 오브 바운드 상황 및 기타 반칙을 실시간으로 탐지하는 데 도움을 줄 수 있습니다.

비디오 영상을 프레임별로 분석함으로써, Vision AI는 심판에게 추가적인 통찰력을 제공하여 인적 오류를 줄일 수 있습니다. 또한 인스턴트 리플레이 시스템에 통합되어 검토가 필요한 순간을 자동으로 표시함으로써 프로세스를 더 빠르고 신뢰성 있게 만들 수 있습니다.

예를 들어, 선수가 코트 밖으로 나가는 경우, YOLO11은 코트 라인과 관련된 발의 위치를 탐지하여 즉시 심판에게 알릴 수 있습니다. 또한, 모델은 선수 간의 과도한 신체 접촉을 추적하여 파울을 식별하는 데 도움을 줄 수 있습니다.

마찬가지로 공이 움직이는 상황에서, YOLO11은 궤적을 분석하여 슛을 시도하기 전에 3점 라인을 완전히 통과했는지, 또는 골텐딩 위반이 발생했는지 확인할 수 있습니다. 이러한 탐지를 자동화함으로써 AI 기반 심판 보조는 판정의 정확도를 향상시키고 논란을 줄이며, 선수와 팀에게 더 공정한 경기를 제공할 수 있습니다.

Link to this section농구 코칭 및 전략에서 AI의 장단점#

농구에서의 AI 도입은 선수 성과부터 팬 참여도까지 모든 것을 변화시키고 있으며, 경기를 분석하고 더 현명한 결정을 내릴 수 있는 새로운 방법을 열어주고 있습니다. 다음은 AI가 농구 팀과 조직에 제공하는 이점들입니다:

• 더 나은 의사결정: AI 모델은 다양한 데이터 소스를 고려하여 로스터 관리 및 경기 전술과 같은 영역에서 객관적인 결정을 뒷받침할 수 있습니다.
• 맞춤형 훈련: 선수 데이터를 분석함으로써 AI는 기술을 향상시키고 부상 위험을 최소화하는 맞춤형 훈련 프로그램을 만드는 데 기여할 수 있습니다.
• 스카우팅 강화: AI 시스템은 여러 시즌과 리그에 걸쳐 방대한 양의 데이터를 분석하여 팀이 유망한 인재를 식별하고 숨겨진 보석을 발견하도록 돕습니다.

분명한 이점이 있지만, AI 솔루션을 구현하는 데에는 나름의 도전 과제가 따릅니다. 다음은 고려해야 할 몇 가지 제한 사항과 주요 고려 사항입니다:

• Data privacy 문제: 광범위한 선수 데이터를 수집하고 분석하는 것은 데이터 보안 및 개인 정보 보호에 대한 우려를 제기합니다.
• 불확실성 처리: AI 모델은 라이브 스포츠에서 흔히 나타나는 자발적이고 감정적인 요소들을 고려하는 데 어려움을 겪을 수 있습니다.
• 데이터에 대한 과도한 의존: AI에 너무 많이 의존하면 코치의 직관과 경기의 예측 불가능한 특성이 가진 중요성을 간과할 수 있습니다.

Link to this section농구에서의 AI는 강력한 혁신#

AI는 흥미로운 방식으로 농구를 재정의하고 있습니다. YOLO11을 통한 실시간 선수 추적부터 코치가 더 스마트한 결정을 내리도록 돕는 예측 모델에 이르기까지, 이러한 기술은 팀들이 경기를 분석하고 성과를 개선할 수 있는 새로운 도구를 제공합니다.

NBA는 이미 경기 일정 최적화와 자동 하이라이트 영상 제작부터 코칭 전략 개선 및 팬 참여 강화에 이르기까지 모든 분야에서 AI를 활용하고 있습니다. AI가 계속 발전함에 따라, 더 정확한 분석, 더 나은 부상 예방, 그리고 선수 성과에 대한 더 깊은 통찰력을 기대할 수 있을 것입니다.

자세한 내용을 보려면 GitHub repository를 방문하고 our community에 참여하십시오. 당사의 솔루션 페이지에서 AI in self-driving cars 및 computer vision in agriculture와 같은 분야의 혁신 사례를 살펴보십시오. our licensing options을 확인하고 Vision AI 프로젝트를 실제로 구현해 보십시오.