ここから本文です

スポーツ界はテクノロジーでどう変わる?

ITmedia ビジネスオンライン 1/3(火) 7:10配信

 日本スポーツアナリスト協会は12月17日、年次カンファレンス「スポーツアナリティクスジャパン2016」を開催。スポーツビジネスや競技にテクノロジーを活用した事例を紹介するとともに、今後の展望を示した。

【画像】柔道の分析で使用されている「GOJIRA」

 2015年に発足したスポーツ庁で長官を務める鈴木大地氏は基調講演で「海外では、スポーツ観戦にテクノロジーを取り入れたサービスが始まっている。中でも、スタジアムで競技を生観戦しながら、スマートフォンやタブレット上でリプレイを視聴できる『スタジアムアプリ』の注目度が高い。日本でも参考にしたいと考えている」と語った。

 一方、競技へのテクノロジーの導入は、既に一定の成果を上げている。16年8月に開催されたリオデジャネイロ五輪では、日本選手が、トレーニングや対戦相手の研究にデータ分析を導入。テクノロジーを導入したからといって好成績が保証されるわけではないが、結果的に史上最多となる41個のメダルを獲得した。鈴木氏は「テクノロジーの活用を含めた強化プランを確立し、東京五輪では金メダルの数をリオの2~3倍に増やしたい」と語り、今後も国家として注力していく方針を強調した。

 では、リオデジャネイロ五輪の前に、日本選手はテクノロジーをどのようにして取り入れたのだろうか。柔道と女子バレーボールの事例をご紹介する。

●柔道界の固定観念を覆した井上監督

 「柔道ニッポン復活への道標-データの活用と勝負の分かれ目-」と題するセッションでは、シドニー五輪の金メダリストで、現在は柔道全日本男子監督を務める井上康生氏が登壇。データ分析を活用した柔道選手の強化について説明した。

 井上氏の現役時代は、データの重要性があまり認識されておらず、ビデオで対戦相手の試合を見て、「この選手は内股が得意だ」などとコーチの主観的な助言を受ける程度だったという。現役引退後も「柔道家たるもの、データに頼らず自分だけの力で勝ち上がるべき」と、精神論的な考え方が柔道界では一般的だった。

 しかし、ロシアの伝統的な柔術であり、レスリングと似た円形のマット上で投げ技や抑え込みを競う「サンボ」など、自国の伝統的な格闘技を柔道に取り入れる傾向が世界各国で加速。日本選手は、国際大会で他国選手の変則的な動きに対応できず、成績を残せないことが増えたという。そして、12年のロンドン五輪では、日本人選手は金メダルを手にすることはできなかった。これは、オリンピック種目に柔道が加わってから、初めてのことである。

 「ロンドン五輪終了後に私が監督に就任した際は、データに関する先入観を壊すことから始めた。当時は、辛く、苦しい練習を積み重ねることが勝利につながると考えられていた。しかし、結果を出している海外のチームに目を向けると、計算された合理的な練習をしている。そこで、『対戦相手の研究や練習の改善をしなければ試合で勝てない』と周囲に説いた。現在は、データ分析に精通したスタッフが代表チームに参画し、世界各国の強豪選手をリストアップして特徴を細かく分析している」(井上氏)

 代表チームでデータ分析を担うのは、全日本柔道連盟 科学研究部の石井孝法氏を中心とするチームだ。同氏は、6台のカメラを駆使して海外の有力選手の試合を撮影し、スポーツ庁が行う「ハイパフォーマンスサポート事業」の一環として開発した「GOJIRA(Gold Judo Ippon Revolution Accordance)」と呼ぶシステムで海外の強豪選手を詳細に分析。試合の時間帯ごとの技の傾向や、技の組み合わせのパターンも把握したという。

 リオ五輪では、過去最多となる12個のメダルを獲得した。しかし、井上氏は「これで満足するのではなく、新たな体重の減量方法や、新たな戦術の考案にも力を入れていきたい。選手を世界一にするには、我々が世界一の戦術家・戦略家でなければならない」と語る。

 国際柔道連盟が12月9日にルール変更を発表し、判定基準のうち「有効」を廃止することが決定。戦略が大幅に変わることが予測されるが、井上氏は「本格導入される17年8月までにデータ分析を進め、新ルールにしっかりと対応したい」と決意を新たにした。今後もさまざまな方面から強化方法を探るという。

●女子バレーボールに見るAIの可能性

 「AIはスポーツをどう変える?」と題するセッションでは、スポーツ用AIの開発などを手掛けるLIGHTz代表取締役の乙部信吾氏、元女子バレーボール選手の杉山祥子氏、女子バレーボール日本代表チームのアナリストを担当する渡辺啓太氏が登壇。スポーツ界にAIを導入する際の課題点について持論を展開した。

 渡辺氏によると、女子バレーの日本人選手は、世界のトップチームの選手よりも平均身長が約10センチ低いという。そこで、代表チームでは比較的早い段階の2000年代前半からデータ分析を導入。体格差を補う戦術の考案につなげてきた。

 「04年から、試合会場にはアナリストが常駐し、選手がボールに触れるたびに、ボールを打った選手名、レシーブやスパイクなどプレーの種類、打球方向の3点をコード化してPCに入力している。ミスが増えるなどパフォーマンスが低下している選手を可視化できるため、監督は選手交代の判断材料や、不調な相手選手を狙うなどの作戦を立てる際の参考資料にできる」(渡辺氏)

 渡辺氏は今後、過去の相手選手のデータを機械学習し、プレーのシミュレーションなどに役立てるため、AIによる機械学習の導入を検討しているという。

AIは「目に見えないプレー」の大切さが分からない?

 一方の乙部氏は、「現在のAIには、『目に見えないプレーの重要性を理解しない』という課題があり、導入は難しいのではないか」と課題を指摘する。

 「効率よく試合で勝つことを最優先に考える現行のAIは、野球の送りバントのようなプレーを不要と判断する。走者を進めるために打者を犠牲にするのは統計的に非効率で、ヒットやホームランを狙ったほうが得点の確率が高いという計算によるものだ。しかし野球界では、送りバントは重要な戦術です。バントが成功することで、応援が盛り上がってスタジアムの空気が変わったり、投手にプレッシャーがかかったりと、数値では分からない要素が試合展開に大きく影響するからだ。こういったプレーの重要性は、今のところ人間にしか理解できない」(乙部氏)

 “目に見えない要素”の重要性が分からないというAIの弱点を克服するために、乙部氏は、トップ選手の戦略や思考をもとに教師データを取得し、AIに学習させることを提案。この意見を踏まえ、元代表選手の杉山氏は「味方がサーブを打つ動作に入った際、相手選手の重心移動を計測してくれると実戦で役立つ。相手の次の動きを読み、苦手なコースに配球できる」「サーブをクイック気味に打つなど、プレーのリズムを変えた際の相手の反応速度を知りたい。プロ選手は、効果的な“間の使い方”を探ることも重要」と元選手ならではの目線で、試合中の“目に見えない要素”を可視化するパラメータを提言した。

 乙部氏は「『AIによって人の職が奪われる』といわれているが、スポーツ界では人間がAIを効率よく活用することが良い結果につながるのではないだろうか」と述べ、セッションを締めくくった。

2017年は、スポーツで使用されるテクノロジーにも要注目

 17年は、柔道の「グランドスラム・パリ」、バレーボールの「FIVBワールドグランプリ2017」、野球の「ワールド・ベースボール・クラシック(WBC)」、サッカーの「ワールドカップ アジア最終予選」など、さまざまなスポーツの国際大会が行われる。競技を観戦する際は、使用されるテクノロジーに注目してもよさそうだ。

最終更新:1/3(火) 7:10

ITmedia ビジネスオンライン