接球手的人工智能版本，如何将“身体经验”转换为“数据经验”？

大家好，我是唐一老师！

我想让你知道

其实在科技棒球的兴起之下，数据蒐集早已变成各球团球探的重要工作之一，捕手的配球往往也会针对打者的弱点进行重点攻击，球员所配戴的「笔记护腕」便是记录了许多对方球员不擅长的球路等资讯。

2020年3月15日，专门分析职业运动统计相关数据以帮助球队进行强化的日本公司Data Stadium（データスタジアム株式会社）正式发布成功开发出「AI捕手」系统，并预计在日本电视台转播的读卖巨人比赛中，并利用其中20场比赛实施这项技术，提供球迷在观战时也能一边享受预测球路的乐趣。

所谓「AI捕手」，是Data Stadium所开发出的即时球路预测系统。将日本职棒过去16年间共402万球的投球纪录让AI进行学习，并即时分析在目前比赛局面时，投手应该採用什么样的球种以及球路进行攻击，才能让「对投手有利的可能性」提升到最高的系统。而这样的分析将会考虑到每一个投手所拥有的球种之差异而有所调整，因此此一系统的数据分析是採取单球处理，也就是针对每一球的状况进行分析，其中包括垒上是否有人？哪些垒包上有人？目前球数几好几坏？打者与投手是谁？等球场上的不同情境，并在1.5秒之内完成预测结果。

其实在科技棒球的兴起之下，数据蒐集早已变成各球团球探的重要工作之一，捕手的配球往往也会针对打者的弱点进行重点攻击，球员所配戴的「笔记护腕」便是记录了许多对方球员不擅长的球路等资讯。事实上，目前在体育界，数据运用相当广泛，在今年的英格兰足总盃第五轮中，诺维奇对上热刺的比赛双方一路进行到了延长赛，一直到PK赛才分出胜负。而当时诺维奇的门将便将其预测写在水壶之上，成功扑出了两个关键点球，帮助球队挺进八强战。

从这些例子都不难看出目前职业运动已经走在数据分析的道路之上了，只要能够蒐集到足够数据，便掌握了更多胜利的可能性。同时，从「AI捕手」此一数据分析系统也可以发现，AI已经逐渐可以协助人类将过往珍贵的「身体经验」，转换为更容易分析且可持续学习的「数据经验」，因此AI技术的进一步发展可以说是非常重要且必须的。

事实上，日本内阁府从2016年起就持续推动所谓「社会5.0（Society 5.0）的相关政策，希望能够透过「以人为本」的AI科学技术来协助当代社会处理多层次的社会议题。所谓「社会5.0」是立基于以往社会阶段的一个全新社会样貌。社会1.0为狩猎社会，而当人类习得了生产食物的能力之后，便踏入了「社会2.0──农耕社会」。接着人类在技术日渐发展之后，生产能力与移动能力也大幅增加，迈向了「社会3.0──工业社会」。社会4.0则是指人类获得情报的方式持续发展，资讯取得的自由度也大幅提高，进而迈向了「资讯社会」。然而，在资讯社会中，许多社会问题也应运而生，而社会5.0的提出，便是希望能够透过AI以及物联网（IoT）等各式科学技术来解决新时代所面临的社会议题。

在「社会5.0」的架构之下，日本内阁府综合科技创新会议也提出了「跨部会策略性创新促进计划（又称SIP）」，其中一共包含了12项不同的技术领域，期望能藉由技术革新来带动日本整体的社会发展。而在SIP第二期计画中有一项是「实体空间中的数位数据处理基础（フィジカル空间のデジタルデータ処理基盘）」，其重点便在于将现实世界中的庞大资料透过资通讯技术来将之数据化，而一旦将现实数据带入虚拟世界之后，这些原先只能以身体累积的经验，便可以透过数据方式储存下来，并且可以进一步进行分析，本文在一开始提到的「AI捕手」可以说就是此一概念的初步系统。

此一概念在目前智慧化设备越来越普及的社会中也越来越普遍，例如目前农委会所推动的「智慧农业」也属于此一技术的应用范畴。以往农夫擅长观察天象及生活周遭，来判断接下来可能会是怎么样的天气状况，所谓「月晕而风，础润而雨」便是此类身体经验的展现。然而现在透过数据的收集，许多现实状况皆可透过数据化呈现来加以预测，例如通过空气湿度高低的分析，即时监测目前农场状况是否适合植物生长等。

这样的技术对于目前面临少子高龄化所导致的劳动力不足此一状况来说，事实上可以促进解决各领域人才不足的问题。特别是劳力密集型产业，过往必须依赖「职人经验」才能顺利完成工作，若能在科技辅助之下，将这些「职人经验」转换为可学习的数据资料，在接班人才的培育之上也能发挥相当的效果。

让我们回到本文一开始的主题──「AI捕手」。一直以来，在棒球运动当中风险最高而且最少人愿意从事的位置便是捕手。除了在比赛中不如投手一般容易引人注目以外，捕手由于必须蹲捕的关系，身体上的负担比起其他野手要来的大很多，受伤风险自然也高出许多。除此之外，作为「球场上的头脑」，捕手必须随时记住各种战术，准确下达给内外野阵，处理各种情境的赛况。在这样的情况下，投手能不能发挥全力解决对方打者，所需要的同样也是捕手的引导与配球，若捕手能够採取高明的配球策略，则投手表现也可能较为出色。

由此不难看出，一位职业棒球的捕手养成极为困难，不仅需要出色的身体素质，还需要累积足够的出赛经验，培养判断赛况以及引导配球的能力。即便培养出了一位优秀的捕手，好球员终究不一定是好教练，身经百战所锻鍊出来的身体经验，在面临培育下一代选手时，能不能顺利进行经验传承，则要打上一个很大的问号。但是，如果这些经验能够用数字、用画面来呈现呢？

「AI捕手」这项技术，目前虽然还处于转播试行阶段，但能预见的是，在未来几年内，这一类运动科学技术将会日渐成熟，届时在职业捕手，甚至是投手的培育之中，将会扮演着「教练团」的角色，协助教练帮球员找出自身的优势，分析不同场面下的投球策略。在数据时代，将「身体经验」转换为「数据经验」的技术已经越来越重要，除了在运动赛场之外，同时也在日常生活之中。在日剧《东京大饭店》当中，木村拓哉所饰演的主厨尾花夏树，经常藉由锅中食材所发出的声响来判断是否应该起锅，如果这样的「职人技」也能转化成数据，那么也许大家在家里就能轻轻松松做出米其林三星料理了喔。

我是唐一老师，非常希望能和各位读者互动沟通，请私信我！谢谢大家！