'差距太大！看人工智能如何賦能NBA'
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
概述
籃球一直是我生活中很重要的一部分，其中所需的堅持，專注和奉獻精神使我成為今天的我。從我還是個孩子以來，一直在觀看我認為公平的籃球比賽。作為觀眾，NBA為粉絲創造的內容呈指數級增長。十年前，我們永遠都無法衡量每一次傳球、球員投球以及勒布朗詹姆斯用來阻擋安德烈上籃得分的速度。計算機技術發展補充了球員，教練，評論員和分析師的工作，從而能夠更加深入瞭解籃球。由於硬件和軟件擴展了我們作為人類收集數據的能力，我們現在可以通過指尖輕鬆獲取大量信息。
那麼，我為什麼寫這個？總不能說，我真的很喜歡籃球吧。因為我也非常有興趣瞭解更多關於當今正在改變我們世界的技術。所以，當你把兩者放在一起時，你會得到"人工智能如何改變NBA"。
機器學習（ML）和人工智能（AI）領域有各種各樣的算法，但在本文中我們將專注於自然語言處理（NLP），計算機視覺（CV）和時間序列處理（TS）。感謝Sam DeBrule的這篇精彩文章[1]，我們可以從基本的角度理解ML和AI。我們將瞭解這些領域如何使用大數據改變籃球，以及我對他們如何進化籃球規則的一些想法。
NBA人工智能數據的驅動因素
數據是AI和ML的最大驅動因素之一，因為這些程序從以前的數據中學習。具體而言，這些數據集主要來自場上或球場上的球員。下圖展示的是，如果每個活躍運動員在常規賽期間每場比賽貢獻一個數據點，將共產生多少個數據。
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
概述
籃球一直是我生活中很重要的一部分，其中所需的堅持，專注和奉獻精神使我成為今天的我。從我還是個孩子以來，一直在觀看我認為公平的籃球比賽。作為觀眾，NBA為粉絲創造的內容呈指數級增長。十年前，我們永遠都無法衡量每一次傳球、球員投球以及勒布朗詹姆斯用來阻擋安德烈上籃得分的速度。計算機技術發展補充了球員，教練，評論員和分析師的工作，從而能夠更加深入瞭解籃球。由於硬件和軟件擴展了我們作為人類收集數據的能力，我們現在可以通過指尖輕鬆獲取大量信息。
那麼，我為什麼寫這個？總不能說，我真的很喜歡籃球吧。因為我也非常有興趣瞭解更多關於當今正在改變我們世界的技術。所以，當你把兩者放在一起時，你會得到"人工智能如何改變NBA"。
機器學習（ML）和人工智能（AI）領域有各種各樣的算法，但在本文中我們將專注於自然語言處理（NLP），計算機視覺（CV）和時間序列處理（TS）。感謝Sam DeBrule的這篇精彩文章[1]，我們可以從基本的角度理解ML和AI。我們將瞭解這些領域如何使用大數據改變籃球，以及我對他們如何進化籃球規則的一些想法。
NBA人工智能數據的驅動因素
數據是AI和ML的最大驅動因素之一，因為這些程序從以前的數據中學習。具體而言，這些數據集主要來自場上或球場上的球員。下圖展示的是，如果每個活躍運動員在常規賽期間每場比賽貢獻一個數據點，將共產生多少個數據。
*總最低數據點數=常規賽總數x參與的運動員數量
總的來說，MLB產生的數據點數最多，因為MLB在一個常規賽季中的比賽數量非常龐大。雖然棒球在理論上產生了最多的數據點，但要記住的一個關鍵因素是棒球主要是一對一的互動運動。該遊戲還具有預設區域，其中駐留特定運動員。該領域的球員依賴於投手，接球手和擊球手之間的互動。由於本文主要關注籃球和NBA，我們在這裡有點偏向於對數據點的質量與數量進行爭論。戈德伯格描述："籃球是一項團隊運動，其中有無數次的對決和情況可能發生在這項運動的任何時刻"。
自然語言處理（NLP）
什麼是NLP？將音頻或文本理解為單詞，然後將其分解為計算機可以理解的向量，以提供某種輸出或理解。NLP試圖複製人類處理單詞和產生意義的能力。
NLP如何改變NBANLP正在改變球迷與球隊和聯盟的互動方式。Steve Hellmuth（執行副總裁，媒體運營與技術）在SAP的HANA計劃中擔任NBA領導。該計劃的最初發展是通過團隊網站與粉絲建立互動關係。通過提供有見地的統計數據，新聞和其他相關信息，粉絲可以提高他們的經驗和與NBA的關係。這是利用人工智能在2012年末向粉絲推銷聯盟數據分析的第一步。
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
概述
籃球一直是我生活中很重要的一部分，其中所需的堅持，專注和奉獻精神使我成為今天的我。從我還是個孩子以來，一直在觀看我認為公平的籃球比賽。作為觀眾，NBA為粉絲創造的內容呈指數級增長。十年前，我們永遠都無法衡量每一次傳球、球員投球以及勒布朗詹姆斯用來阻擋安德烈上籃得分的速度。計算機技術發展補充了球員，教練，評論員和分析師的工作，從而能夠更加深入瞭解籃球。由於硬件和軟件擴展了我們作為人類收集數據的能力，我們現在可以通過指尖輕鬆獲取大量信息。
那麼，我為什麼寫這個？總不能說，我真的很喜歡籃球吧。因為我也非常有興趣瞭解更多關於當今正在改變我們世界的技術。所以，當你把兩者放在一起時，你會得到"人工智能如何改變NBA"。
機器學習（ML）和人工智能（AI）領域有各種各樣的算法，但在本文中我們將專注於自然語言處理（NLP），計算機視覺（CV）和時間序列處理（TS）。感謝Sam DeBrule的這篇精彩文章[1]，我們可以從基本的角度理解ML和AI。我們將瞭解這些領域如何使用大數據改變籃球，以及我對他們如何進化籃球規則的一些想法。
NBA人工智能數據的驅動因素
數據是AI和ML的最大驅動因素之一，因為這些程序從以前的數據中學習。具體而言，這些數據集主要來自場上或球場上的球員。下圖展示的是，如果每個活躍運動員在常規賽期間每場比賽貢獻一個數據點，將共產生多少個數據。
*總最低數據點數=常規賽總數x參與的運動員數量
總的來說，MLB產生的數據點數最多，因為MLB在一個常規賽季中的比賽數量非常龐大。雖然棒球在理論上產生了最多的數據點，但要記住的一個關鍵因素是棒球主要是一對一的互動運動。該遊戲還具有預設區域，其中駐留特定運動員。該領域的球員依賴於投手，接球手和擊球手之間的互動。由於本文主要關注籃球和NBA，我們在這裡有點偏向於對數據點的質量與數量進行爭論。戈德伯格描述："籃球是一項團隊運動，其中有無數次的對決和情況可能發生在這項運動的任何時刻"。
自然語言處理（NLP）
什麼是NLP？將音頻或文本理解為單詞，然後將其分解為計算機可以理解的向量，以提供某種輸出或理解。NLP試圖複製人類處理單詞和產生意義的能力。
NLP如何改變NBANLP正在改變球迷與球隊和聯盟的互動方式。Steve Hellmuth（執行副總裁，媒體運營與技術）在SAP的HANA計劃中擔任NBA領導。該計劃的最初發展是通過團隊網站與粉絲建立互動關係。通過提供有見地的統計數據，新聞和其他相關信息，粉絲可以提高他們的經驗和與NBA的關係。這是利用人工智能在2012年末向粉絲推銷聯盟數據分析的第一步。
HANA計劃的最新進展包括為NBA團隊移動應用程序實施類似Siri的功能。這個新功能允許粉絲詢問有關球員或球隊的問題，並立即將信息傳回給球迷。在足球迷飽和的歐洲地區，推出這項功能以推動NBA的發展受到了極大的推動。所討論的Siri式特徵的一個例子是薩克拉門託國王的應用程序，稱為King's Artificial Intelligence（Kai）。該計劃專門回答與團隊和Golden 1中心（他們的體育場）相關的問題。
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
概述
籃球一直是我生活中很重要的一部分，其中所需的堅持，專注和奉獻精神使我成為今天的我。從我還是個孩子以來，一直在觀看我認為公平的籃球比賽。作為觀眾，NBA為粉絲創造的內容呈指數級增長。十年前，我們永遠都無法衡量每一次傳球、球員投球以及勒布朗詹姆斯用來阻擋安德烈上籃得分的速度。計算機技術發展補充了球員，教練，評論員和分析師的工作，從而能夠更加深入瞭解籃球。由於硬件和軟件擴展了我們作為人類收集數據的能力，我們現在可以通過指尖輕鬆獲取大量信息。
那麼，我為什麼寫這個？總不能說，我真的很喜歡籃球吧。因為我也非常有興趣瞭解更多關於當今正在改變我們世界的技術。所以，當你把兩者放在一起時，你會得到"人工智能如何改變NBA"。
機器學習（ML）和人工智能（AI）領域有各種各樣的算法，但在本文中我們將專注於自然語言處理（NLP），計算機視覺（CV）和時間序列處理（TS）。感謝Sam DeBrule的這篇精彩文章[1]，我們可以從基本的角度理解ML和AI。我們將瞭解這些領域如何使用大數據改變籃球，以及我對他們如何進化籃球規則的一些想法。
NBA人工智能數據的驅動因素
數據是AI和ML的最大驅動因素之一，因為這些程序從以前的數據中學習。具體而言，這些數據集主要來自場上或球場上的球員。下圖展示的是，如果每個活躍運動員在常規賽期間每場比賽貢獻一個數據點，將共產生多少個數據。
*總最低數據點數=常規賽總數x參與的運動員數量
總的來說，MLB產生的數據點數最多，因為MLB在一個常規賽季中的比賽數量非常龐大。雖然棒球在理論上產生了最多的數據點，但要記住的一個關鍵因素是棒球主要是一對一的互動運動。該遊戲還具有預設區域，其中駐留特定運動員。該領域的球員依賴於投手，接球手和擊球手之間的互動。由於本文主要關注籃球和NBA，我們在這裡有點偏向於對數據點的質量與數量進行爭論。戈德伯格描述："籃球是一項團隊運動，其中有無數次的對決和情況可能發生在這項運動的任何時刻"。
自然語言處理（NLP）
什麼是NLP？將音頻或文本理解為單詞，然後將其分解為計算機可以理解的向量，以提供某種輸出或理解。NLP試圖複製人類處理單詞和產生意義的能力。
NLP如何改變NBANLP正在改變球迷與球隊和聯盟的互動方式。Steve Hellmuth（執行副總裁，媒體運營與技術）在SAP的HANA計劃中擔任NBA領導。該計劃的最初發展是通過團隊網站與粉絲建立互動關係。通過提供有見地的統計數據，新聞和其他相關信息，粉絲可以提高他們的經驗和與NBA的關係。這是利用人工智能在2012年末向粉絲推銷聯盟數據分析的第一步。
HANA計劃的最新進展包括為NBA團隊移動應用程序實施類似Siri的功能。這個新功能允許粉絲詢問有關球員或球隊的問題，並立即將信息傳回給球迷。在足球迷飽和的歐洲地區，推出這項功能以推動NBA的發展受到了極大的推動。所討論的Siri式特徵的一個例子是薩克拉門託國王的應用程序，稱為King's Artificial Intelligence（Kai）。該計劃專門回答與團隊和Golden 1中心（他們的體育場）相關的問題。
WilsonX是另一個有趣的NLP籃球應用程序。威爾遜創造了一個帶有傳感器的籃球，以配合跟蹤鏡頭並提供類似遊戲情境的應用程序。通過人群歡呼和評論員公告的音頻模擬，該計劃訓練運動員像他們一樣練習。作為一名自己的球員，我可以同意，無論是否有人群，這都是非常不同的。分心可能會讓你失去理智並改變你的遊戲。（回到人們帶來巨大的Delonte West頭試圖拋棄LeBron。）儘管如此，WilsonX是訓練球員在壓力下表現的好方法，並且習慣於在比賽期間通常聽到的可能引起分心的噪音。
為什麼會用NLP會改變NBANLP的一個有趣應用涉及打破球員，教練和招聘人員之間的語言障礙。
在過去十年中，國際籃球招聘活動穩步增長。Rukkus博客發表了一項調查結果顯示，2016年，美國大學籃球隊的外國出生前景增加了40％。2015年，國際球員佔NBA球隊的22.3％。語言障礙一直是大多數海外招聘案例的問題。代理人和翻譯人員被用作中間人來起草可能不符合運動員最佳利益的合同。為了彌補這一差距，可以為所有各方提供可穿戴的翻譯，其中包含針對籃球交易的綜合術語。由於運動員將直接參與對話，因此可以減輕利益衝突。
NLP的另一個應用可能涉及使教練能夠通過嚴格按照籃球術語的可穿戴翻譯來克服語言障礙。北美籃球隊有一系列與比賽有關的俚語，這可能會減緩海外球員整合的進程。例如，英語中的"pick"字面意思是選擇或抓取。在籃球中，它意味著設置一個屏幕。為了使教練更容易，並在團隊成員之間建立更牢固的關係，打破語言障礙是彌合這一差距的機會。
計算機視覺（CV）
什麼是計算機視覺？計算機獲得收集和分析圖像/視頻數據的能力，以複製人類的理解。
計算機視覺如何改變NBA？
(關注，私信‘資料’二字，免費獲取50G人工智能視頻教程！)
世界盃中國男籃已經止步, 無緣直通奧運資格，究竟是誰的鍋？ 周琦、李楠、易建聯還是姚明，咱們不去探討，本文來說說人工智能在NBA中的應用，看看在前沿技術方面CBA和NBA的差距。
概述
籃球一直是我生活中很重要的一部分，其中所需的堅持，專注和奉獻精神使我成為今天的我。從我還是個孩子以來，一直在觀看我認為公平的籃球比賽。作為觀眾，NBA為粉絲創造的內容呈指數級增長。十年前，我們永遠都無法衡量每一次傳球、球員投球以及勒布朗詹姆斯用來阻擋安德烈上籃得分的速度。計算機技術發展補充了球員，教練，評論員和分析師的工作，從而能夠更加深入瞭解籃球。由於硬件和軟件擴展了我們作為人類收集數據的能力，我們現在可以通過指尖輕鬆獲取大量信息。
那麼，我為什麼寫這個？總不能說，我真的很喜歡籃球吧。因為我也非常有興趣瞭解更多關於當今正在改變我們世界的技術。所以，當你把兩者放在一起時，你會得到"人工智能如何改變NBA"。
機器學習（ML）和人工智能（AI）領域有各種各樣的算法，但在本文中我們將專注於自然語言處理（NLP），計算機視覺（CV）和時間序列處理（TS）。感謝Sam DeBrule的這篇精彩文章[1]，我們可以從基本的角度理解ML和AI。我們將瞭解這些領域如何使用大數據改變籃球，以及我對他們如何進化籃球規則的一些想法。
NBA人工智能數據的驅動因素
數據是AI和ML的最大驅動因素之一，因為這些程序從以前的數據中學習。具體而言，這些數據集主要來自場上或球場上的球員。下圖展示的是，如果每個活躍運動員在常規賽期間每場比賽貢獻一個數據點，將共產生多少個數據。
*總最低數據點數=常規賽總數x參與的運動員數量
總的來說，MLB產生的數據點數最多，因為MLB在一個常規賽季中的比賽數量非常龐大。雖然棒球在理論上產生了最多的數據點，但要記住的一個關鍵因素是棒球主要是一對一的互動運動。該遊戲還具有預設區域，其中駐留特定運動員。該領域的球員依賴於投手，接球手和擊球手之間的互動。由於本文主要關注籃球和NBA，我們在這裡有點偏向於對數據點的質量與數量進行爭論。戈德伯格描述："籃球是一項團隊運動，其中有無數次的對決和情況可能發生在這項運動的任何時刻"。
自然語言處理（NLP）
什麼是NLP？將音頻或文本理解為單詞，然後將其分解為計算機可以理解的向量，以提供某種輸出或理解。NLP試圖複製人類處理單詞和產生意義的能力。
NLP如何改變NBANLP正在改變球迷與球隊和聯盟的互動方式。Steve Hellmuth（執行副總裁，媒體運營與技術）在SAP的HANA計劃中擔任NBA領導。該計劃的最初發展是通過團隊網站與粉絲建立互動關係。通過提供有見地的統計數據，新聞和其他相關信息，粉絲可以提高他們的經驗和與NBA的關係。這是利用人工智能在2012年末向粉絲推銷聯盟數據分析的第一步。
HANA計劃的最新進展包括為NBA團隊移動應用程序實施類似Siri的功能。這個新功能允許粉絲詢問有關球員或球隊的問題，並立即將信息傳回給球迷。在足球迷飽和的歐洲地區，推出這項功能以推動NBA的發展受到了極大的推動。所討論的Siri式特徵的一個例子是薩克拉門託國王的應用程序，稱為King's Artificial Intelligence（Kai）。該計劃專門回答與團隊和Golden 1中心（他們的體育場）相關的問題。
WilsonX是另一個有趣的NLP籃球應用程序。威爾遜創造了一個帶有傳感器的籃球，以配合跟蹤鏡頭並提供類似遊戲情境的應用程序。通過人群歡呼和評論員公告的音頻模擬，該計劃訓練運動員像他們一樣練習。作為一名自己的球員，我可以同意，無論是否有人群，這都是非常不同的。分心可能會讓你失去理智並改變你的遊戲。（回到人們帶來巨大的Delonte West頭試圖拋棄LeBron。）儘管如此，WilsonX是訓練球員在壓力下表現的好方法，並且習慣於在比賽期間通常聽到的可能引起分心的噪音。
為什麼會用NLP會改變NBANLP的一個有趣應用涉及打破球員，教練和招聘人員之間的語言障礙。
在過去十年中，國際籃球招聘活動穩步增長。Rukkus博客發表了一項調查結果顯示，2016年，美國大學籃球隊的外國出生前景增加了40％。2015年，國際球員佔NBA球隊的22.3％。語言障礙一直是大多數海外招聘案例的問題。代理人和翻譯人員被用作中間人來起草可能不符合運動員最佳利益的合同。為了彌補這一差距，可以為所有各方提供可穿戴的翻譯，其中包含針對籃球交易的綜合術語。由於運動員將直接參與對話，因此可以減輕利益衝突。
NLP的另一個應用可能涉及使教練能夠通過嚴格按照籃球術語的可穿戴翻譯來克服語言障礙。北美籃球隊有一系列與比賽有關的俚語，這可能會減緩海外球員整合的進程。例如，英語中的"pick"字面意思是選擇或抓取。在籃球中，它意味著設置一個屏幕。為了使教練更容易，並在團隊成員之間建立更牢固的關係，打破語言障礙是彌合這一差距的機會。
計算機視覺（CV）
什麼是計算機視覺？計算機獲得收集和分析圖像/視頻數據的能力，以複製人類的理解。
計算機視覺如何改變NBA？
利用計算機視覺技術的突破性發展早在2013年，當時NBA與SportVU合作，在每個NBA舞臺上實施了6個運動跟蹤攝像機。在整個遊戲中跟蹤運動員和籃球，每秒產生25個數據點。然後，數據用於通過統計和深入的數據可視化分析性能。生成的工具和分析有助於遊戲準備，運動員偵察和量化性能。SportVU的攝像機和編程可以輕鬆跟蹤球幕，防禦和球員表現的結果，創建以前太難或無法生成的數據。
2017年10月，Second Spectrum將與NBA簽訂合同。Second Spectrum利用從類似計算機視覺技術生成的數據到SportVU，以更深入地瞭解遊戲。跟蹤動作以瞭解運動員如何獲得好/壞傳球的統計數據以及運動員在自己獨特情況下所採取的投籃類型等數據都是可以生成數據的示例。Second Spectrum的算法聲稱在閱讀擋拆情況方面具有競爭優勢。瞭解最常用戲劇之一的防守方面（超過20％的戲劇涉及擋拆）對於今天NBA的成功至關重要。
這項技術對籃球的主要影響是它對各種教練角色的影響。在此之前，教練和專家將依靠判斷力和硬性統計數據來調用替換和對決策略。現在，教練組可以依靠AI生成的靈活數據來支持他們的決策過程。該程序可以根據他們的速度和性能分析來檢測運動員何時疲勞。Second Spectrum還可以生成戰略匹配的實時數據，為教練決策提供可量化的理由。這是一個整個聯盟的遊戲改變者，可以做出更明智的判斷，這可能會影響遊戲的結果。
CV會如何改變NBA計算機視覺技術可以改變NBA的人力資本需求。由於基於匹配的數據深入分析可能比專家的判斷更好，因此可以在某些時候消除這些角色。如果沒有消除，由於計算機完成了大部分工作，一些團隊可能會縮小規模。理解數據至關重要，因為來自同一數據集的不同迭代分析可能會產生新的決策，甚至可能產生新類型的攻擊或防禦集。生成的數據可能會創建新的策略來改變遊戲的播放方式。
時間序列（TS）
什麼是TS？按時間順序數據查找數據點之間的模式，統計數據，特徵和見解。然後，該分析用於預測或描述數據。
TS如何改變NBA時間序列並未對NBA的運營或籃球運動方式做出任何重大改變。該分析主要由粉絲和體育運動員用於遊戲結果的預測分析。利用歷史遊戲統計數據和結果，人們可以在某種程度上確定一支球隊在某場比賽中是贏還是輸。聯盟也可以利用這項技術來預測競技場員工的資源分配，但這個特定的人工智能領域並沒有太多的發展。
我如何看待TS將改變NBA隨著時間的推移分析運動員的表現以預測運動員在年齡方面的高峰和低谷是當前時間序列建模的應用。結果發現，運動員通常在26歲左右達到峰值，並在30歲時開始進入低谷（根據每48分鐘產生的勝利來衡量）。在Street Clothes已經邁出了第一步，量化了與NBA球員受傷相關的歷史損失。如果我們能夠根據受傷情況預測和量化球員和球隊的表現會受到多大影響，該怎麼辦？如果我們可以根據他們當前的狀況和他們的位置預測運動員可能擁有的所有未來傷害怎麼辦？機會無窮無盡。
AI賦能NBA存在的障礙
數據權"強大的力量帶來了巨大的責任。" - Ben Parker
要為這些人工智能程序提供動力，您需要將數據輸入系統。如果沒有球員同意發佈他們產生的數據，NBA就會陷入困境。最新的關於可穿戴技術數據收集的集體交易協議規定，所有參與者都有權使用自己的數據。目前，它尚未決定如何，在多大程度上以及採用何種比率將AI應用到專業水平的籃球比賽中。
參與者和代理商的主要關注點是可穿戴設備可能為團隊產生的生物物理數據。更好的數據意味著更深入地瞭解運動員 然後，團隊可以利用這些數據推動合同談判。顯然，這對運動員沒有吸引力; 這就是為什麼球員協會創造了Clause the Seventh。它清楚地表明，在任何團隊要求他們的運動員佩戴任何可穿戴設備（甚至是已批准的設備）之前，他們必須與運動員分享設備測量的內容，測量的含義以及佩戴設備對運動員有益的原因。此外，運動員可以隨時停止佩戴該設備。運動員還可以完全訪問通過這些設備收集的數據，數據可能僅用於改善運動員的遊戲玩法，而不是用於合同談判。任何違反本條款的行為都將被罰款250,000美元（就是這樣嗎？）。本條款有助於確定未來任何關於籃球以外數據挖掘和可穿戴技術的員工與僱主關係的基調。
結論
籃球不斷變化。NBA正在發生變化。多年前，誰會想到我們會讓球隊主要投三分？誰會想到擁有一個每個人都是巨人的團隊呢？不同的事情適用於不同的團隊。這與任何運動有關。數據改變遊戲和戰略的方式非同尋常。量化以前無法量化的。以我們以前從未理解過的方式理解遊戲。顯示所有這些分析的炫酷圖形和動畫也讓這對粉絲來說非常棒。
我知道的一件事是，人工智能很難接管團隊化學，激情和文化。你可以在某種程度上自動化指導和裁判，但在一天結束時，你不能教一臺機器來改造像波波維奇這樣的球員。你不能教一臺機器來結合一隊球員，創造一個真正的家庭氛圍。
你在玩遊戲時有很多想法。無論是因為運動員是好射手還是在屏幕上，選擇哪隻腳作為你下一步行動的支點，我認為人工智能幫助人類做出決定的機會全世界在球場外。