Искусственный интеллект в спорте доклад
Обновлено: 04.07.2024
НАУЧНАЯ ЖИЗНЬ
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБЛАСТИ СПОРТА
Профессор, старший научный сотрудник ПНИЛ РГУФКа М.П. Шестаков
Российский государственный университет физической культуры, спорта и туризма, Москва
В январе 2003 г. РГУФК был включен в качестве члена от России в программу работы Комитета по медицине и здоровью организации EUNITE (the European Network on Intelligent Technologies for Smart Adaptive Systems), занимающейся поддержкой и развитием технологий искусственного интеллекта от лица Европейской комиссии по научным программам (the European Commission's Research Programmes). Ежегодно EUNITE проводит симпозиумы с целью ознакомления с работами специалистов в этой области и их обсуждения.
Четвертый симпозиум EUNITE-2004 (the European Symposium on Intelligent Technologies, Hybrid Systems and their implementation on Smart Adaptive Systems) прошел в г. Аахене (Германия) 10-12 июня 2004 года. Руководство EUNITE проявило интерес к теме использования smart adaptive system в области спорта, спортивной медицины и здорового образа жизни и предложила провести воркшоп по названной теме в рамках научной конференции Комитета по медицине и здоровью.
Проведение данного воркшопа было поручено специалистам РГУФКа, что само по себе - важное событие для научной перспективы дальнейшей работы по данному направлению. Поручение РГУФК явилось почетным и ответственным заданием, так как по его результатам будет принято решение EUNITE о проведении традиционной ежегодной международной конференции по прикладному использованию систем искусственного интеллекта в области спорта и физической культуры.
В ходе работы воркшопа было заслушано пять докладов, обобщающую основу которых составлял нейробионический подход в искусственном интеллекте.
Профессор М.П. Шестаков (РГУФК) представил развернутый доклад, в котором были перечислены требования к создаваемым моделям адаптивных интеллектуальных систем с точки зрения нейробионического подхода. В качестве примера были представлены результаты использования холонической многоагентной системы для контроля за ходом процесса технической подготовки высококвалифицированных спортсменов, а также для диагностики в медицинской практике нарушений в системе управления движениями.
О проблемах формализации ориентации в футболе доложил А. Гусев (Международный университет, г. Дубна). Он представил формальное описание пространственной ориентации агентов в многоагентной системе, используя в качестве примера реальную игру футболистов. Автор показал, что переведенные в цифровую форму данные взаимодействия футболистов в ходе игры могут легко использоваться для автоматического распознавания игровых ситуаций.
В материалах доклада профессора Фоминых (РосНИИ ИТ и АП) обсуждены подходы к обработке образной информации у человека и возможность их передачи на компьютерный уровень. На сегодняшний день не вызывает сомнений, что у эксперта - спортивного тренера - существенную роль при отображении, размышлении и принятии решения играет образ при формировании начальных гипотез оценки той или иной ситуации. Представления в виде образа помогают тренеру на начальном и последующих стадиях принятия решения, при добавлении системы рассуждения, основанной на здравом смысле. Моделирование компьютерного образа представлений квалифицированного тренера позволит создавать условия для более эффективного обучения начинающих тренеров и для их самообучения.
Представитель Бельгии профессор Л. ван Ландгенхоув (Университет г. Гента) доложила об использовании в медицине и спорте технологий нового направления в области интеллектуальных систем - smart textile. Данное направление связано с созданием распределенных сенсорных сетей, встроенных в обычную ткань. Огромное количество различных миниатюрных датчиков-сенсоров (давления, дыхания, температуры, влажности и т.п.) позволяет, не стесняя человека, контролировать в он-лайн режиме жизненно важные функции работы организма. Докладчик продемонстрировал возможности такого рода технологий для контроля за тяжелыми больными в реанимации, детьми грудного возраста, спортсменами-автогонщиками. В выступлениях были продемонстрированы наглядные примеры результатов уже используемых в спортивной практике интеллектуальных технологий.
В ходе дискуссии в конце работы воркшопа присутствующие специалисты подтвердили, что проведение подобных форумов в будущем принесет неоценимую пользу не только спортивным специалистам, но и ученым, работающим в области искусственного интеллекта. Это прекрасная возможность узнать, что называется из первых рук, и обсудить последние тенденции в области высоких информационных технологий, искусственного интеллекта, smart adaptive system, принять участие в дискуссиях с учеными, работающими на стыке биологии, кибернетики, математики, психологии.
При любом использовании данного материала ссылка на журнал обязательна!
Чат-бот для гостей спортивных состязаний, мгновенные хайлайты и борьба с пиратством при помощи искусственного интеллекта
Чат-бот Satisfi Labs помогает гостю ориентироваться
Как это работает: У гостей любого мероприятия обычно возникают одни и те же вопросы: с какой стороны лучше подъехать к зданию, где именно находится оплаченное место в зале, что из еды и по какой цене можно приобрести перед началом или в перерыве. Компания Satisfi Labs придумала, как одновременно и давать подсказки, и снимать основные вопросы для будущих посетителей спортивных событий.
Параллельно бот формирует статистику запросов. К примеру, точки питания арены получают данные о том, ценами на какие блюда чаще всего интересуются. В связи с этим они могут расширять ассортимент и оптимизировать рекламные объявления внутри стадиона. А руководство арены может узнать, как улучшить навигацию и какие еще не внедренные сервисы чаще всего запрашивают посетители, и таким образом модернизироваться на этой основе.
Помощники от Satisfi хороши еще и тем, что могут легко встраиваться в существующие у партнеров платформы: в приложения для смартфонов, в мессенджер Facebook или на отдельную страницу официального сайта.
Такой возможностью уже пользуются, например, отели Hilton. Для них эта разработка — возможность расширить границы гостеприимства и создать комфорт даже за пределами своего помещения: сервисом пользуются гости, которые приехали в незнакомый город. Им, как и посетителям спортивной арены, важно знать, где лучше пообедать или купить нужную вещь. Для Hilton такой бонус к привычным услугам — дополнительный шанс продемонстрировать заботу о госте и остаться в памяти как бренд, который создает комфорт не только для ночлега, но и для пребывания в городе в целом.
Масштабирование от охвата спортивной арены до целого города успешно продолжается. Промежуточная точка — крупнейшие торговые центры. Такие, как Mall of America с 500 магазинами. Параллельно компания Satisfi объединилась со специалистами по голограммам из VNTANA, чтобы создать помощника с визуальным обликом. Общение с ним будет обладать еще более сильным вау-эффектом, а в идеале голограмма сможет распознавать лица людей, которые обращаются за помощью. При повторном обращении искусственный интеллект сможет использовать опыт предыдущего разговора.
Технология Cognitive Highlights — результат сотрудничества IBM Research и IBM iX. Впервые ее использовали в 2017-м на Masters Golf Tournament, она давала возможность наблюдать за самыми интересными моментами с разных участков поля.
Благодаря машинному обучению, разработчики научили компьютер распознавать эмоции теннисистов после розыгрыша: сжатый кулак, резко поднятая вверх рука, улыбка, прыжок. К этому добавили анализ реакции аудитории: разочарованный и радостный вздохи, аплодисменты. Также компьютер понимает значимость момента и выделяет розыгрыши на брейк-поинтах, сетболах и матчболах, а еще принимает во внимание статистику — например, скорость подачи.
Очевидно, что к максимуму по скорости разработчики уже близко. Их дальнейшими шагами могут стать предложения для самих игроков: в командных видах спорта уже давно существуют программы ( без искусственного интеллекта, отметки ставятся вручную), позволяющие, например, хоккейному тренеру после матча быстро получить доступ только к фрагментам игры в большинстве. Нарезки из всех теннисных ударов справа/слева или подач тоже могут быть полезны для анализа игры.
Как это работает: Компания HEED, основанная в 2016 году, позиционирует себя как продукт, меняющий способ просмотра спортивных событий. В HEED считают, что современный болельщик не всегда имеет возможность и даже желание смотреть игру целиком, но ему по-прежнему важно оставаться в теме.
Главных партнеров у HEED сейчас три: баскетбольная Евролига, главная лига смешанных единоборств UFC и PBR ( Профессиональная езда на быках, родео). С сезона-2017/18 на каждой арене участника Евролиги установлены специальные датчики, разработанные по собственным технологиям, которые анализируют происходящее на арене: поведение зрителей, действия игроков и тренеров. Эта информация соединяется с накопленными данными и в виде ролика доставляется в приложение. Речь идет не просто о хайлайтах в режиме реального времени, а о поиске уникальных моментов и данных, которые могут зацепить болельщика.
Как это будет развиваться: Пример UFC можно считать даже более продвинутым: кроме уже упомянутых технологий отслеживания движений, эмоций и реакций зрителя, HEED добилась внедрения датчиков ( пока тестового) в перчатки спортсменов. Так получают множество данных: от силы удара до показателей физического и эмоционального состояния.
Серия по езде на быках PBR пошла по другому пути. Технологии HEED открывают новые возможности для анализа родео, очень быстрого вида спорта. Следить за движениями быка и наездника непросто, а данные HEED позволяют идентифицировать положение в пространстве и каждое действие. Искусственный интеллект фактически должен стать судьей, который будет оценивать каждый заезд объективно.
Правообладатели убивают пиратство: технология Irdeto
Как это работает: Пиратство спортивных трансляций отнимает большие деньги у организаторов мероприятий, но кроме того, это само по себе — огромный бизнес. Бой Мэйвезер — МакГрегор стал самым пиратским событием в истории спорта. Нелегальные трансляции можно было найти во всех социальных сетях, их отслеживанием и блокировкой занималась компания Irdeto. Ее представители рассказали, что одну из 239 трансляций в конкретный момент смотрели 472 тысячи человек. Разумеется, это финансовые потери для организаторов боя.
Irdeto постоянно работает над улучшением систем отслеживания пиратских трансляций. Одна из новейших разработок связана с использованием искусственного интеллекта. Компьютер в дополнение к имеющимся технологиям может анализировать составляющие части картинок: логотипы спонсоров того или иного события, лица, текст на графике.
Как это будет развиваться: Пираты учатся бороться со своими преградами, закрывая или размывая логотипы и вставляя плашки счета, стилизованные под другие телеканалы. Однако в этой гонке всегда лидируют нейронные сети: они позволяют обнаруживать неочевидные на первый взгляд атрибуты трансляции в комплексе.
Учитывая серьезный передел влияния на рынке трансляций и стремительный рост количества правообладателей в digital-среде, что только облегчает возможность нелегально стримить эфиры крупных спортивных событий, борьба с пиратством будет развиваться. В Irdeto уже сейчас думают о том, как ставить более сложные или даже неразрешимые задачи перед пиратами.
Автогонки станут дешевле и безопаснее: решение Microsoft для NASCAR
Как это работает: В гонках серии NASCAR, популярных в США заездах по овальной трассе на кузовных машинах, давно существовала проблема: существенное преимущество получали гонщики, нарушавшие правила при заезде на дозаправку или смену шин. На первый взгляд, пересечение ограничительной линий — незначительный проступок. Однако в гонке, где отрыв победителя может составлять менее 0,001 секунды, любая деталь очень существенна. А пересечение дает возможность, например, позже сбавить скорость или раньше разогнаться.
До внедрения искусственного интеллекта такие нарушения отслеживали сотрудники организаторов: их на каждой гонке было около 50 человек, каждый через монитор следил за своим участком, фиксировал нарушения, затем перепроверял их на повторе. Теперь организаторам хватает 16 человек, которые обрабатывают данные новой системы, разработанной при участии Microsoft на базе Windows 10.
Вместо 50 человек организаторы установили 46 камер Sony Ipela c объективами 8−80 мм от Fuji. При помощи тригонометрических формул получается точная модель трассы, данные с камер накладываются на нее, и в результате можно бесспорно определить нарушения. У команд и гонщиков не остается шансов на протест: все фиксируется и подтверждается документально.
Во время тестовых гонок, когда разработку уже применяли в бета-режиме, но команды об этом не оповещали, она фиксировала до 100 нарушений. Уже после официального внедрения в мае 2017-го провели первую гонку, в которой не было ни одного нарушения.
Нейронные сети используются для еще одного нововведения: Ford, вложивший около 1 млрд долларов в компанию Argo AI, применяет ее разработки для контроля за состоянием автомобиля. Раньше износ покрышек и внешние повреждения пытались контролировать на глаз. Однако на большой скорости и в ситуации, когда многие машины часто меняют цвет из-за краткосрочных спонсорских соглашений, это не очень эффективно.
Нейронная сеть справляется лучше: она фиксирует положение нужной машины на трассе во время гонки NASCAR, делает его снимок и моментально сопоставляет с изображением автомобиля в идеальном состоянии. Это делает гонки гораздо более безопасными: команда со стороны может точно отслеживать износ и звать пилота пит-стоп до того, как он столкнется со сложностями пилотирования.
Как это будет развиваться: Технология, в которую вложились единовременно, уже сэкономила для NASCAR несколько миллионов долларов. Организаторы не раскрывали, в какой момент планировали или планируют достигнуть точки безубыточности, но это неминуемо произойдет.
В первую очередь затраты упали, так как на каждом этапе требуется меньше сотрудников, легче происходит монтаж оборудования и рабочих мест. Теперь часть из них находятся внутри большого грузовика, наполненного техникой — он переезжает с одной трассы на другую и требует просто свободного места и подключения. В дополнение к разработке Microsoft нужны только 10 человек, которые стоят прямо на пит-лейне рядом с командами и контролируют другие виды нарушений.
Следующий шаг — обучение системы и передача других данных, собранных с помощью тех же камер, командам и участникам гонки. Планируется, что более глубокая аналитика поможет им в развитии. Кроме того, данные от Microsoft способны сделать более привлекательными трансляции заездов, работа в этом направлении тоже уже ведется.
Проект Ford с обучением нейронных сетей предполагает обширное сотрудничество, инвестиция автопроизводителя в первую очередь нужна для развития машин с автопилотом. Помощь в NASCAR — лишь небольшая составляющая проекта.
ИИ может получать данные из различных источников, например, статистику действий игрока, видеозапись матча или показатели физической активности, и анализировать их. Результаты подобного анализа могут использоваться тренерами, игроками и менеджерами для принятия эффективных решений, а в некоторых областях – для полной автоматизации процесса принятия решений. Областей применения ИИ в спорте становится все больше. Выделим основные направления:
- До игры: Подготовка спортсменов: - Питание - Физическая подготовка - Биомеханика (навыки / техника) - Психологическая подготовка • Профилактика травм • Выбор стратегии и тактики на игру • Формирование команды
- Во время игры: Аналитический разбор игры • Восстановление после травм • Профилактика травм • Виртуальные помощники судей • Аналитические сервисы для тренера
- После игры: Взаимодействие с болельщиками • Создание контента • Медиаправа • Киберспорт • Ставки
- Скаутинг: Поиск потенциальных кандидатов для перехода в команду • Оценка потенциала спортсменов
Канадский стартап с русскими корнями Iceberg использует алгоритмы Computer Vision (компьютерное зрение), чтобы помочь тренерам повысить эффективность игры своих команд. Сервис создает детальный разбор матчей, где собраны и классифицированы события игры. Это помогает выстроить оптимальную стратегию для будущих матчей, заметить слабые и сильные стороны игроков.
Iceberg автоматически разбивает запись игры по каждой собранной метрике, экономя время тренеров и позволяя им уделять больше внимания анализу взаимодействия в команде, пониманию общих трендов и производительности отдельных игроков.
Запись игры может вестись вживую – тогда на площадке устанавливается три камеры, каждая из которых снимает свою зону площадки. Также могут анализироваться данные об играх с телевизионных трансляций. После записи собирается большой массив координат игроков и делается анализ геопозиционирования — на этой основе можно анализировать скоростные показатели, перемещение по площадке, например, кто отрабатывал в обороне, а кто нет.
На турнирах и в процессе обучения шахматисты ведут запись своих партий. idChess – платформа для распознавания и аналитики шахматных партий – делает это за шахматистов. idChess распознает ходы во время игры и записывает их в виде шахматной нотации за игрока.
Для распознавания необходимы телефон с установленным приложением и штатив-держатель для надежного крепления телефона над шахматной доской.
Также с помощью idChess можно вести онлайн-трансляции турнирных игр в режиме реального времени. Допустим, дети-участники турнира находятся в одном зале, а в фойе их родители смотрят за ходом турнира и игрой своих детей.
При этом idChess не нужен доступ в интернет – все функции распознавания доступны в офлайн-режиме.
Приложение помогает игроку отслеживать свой прогресс в шахматах и улучшать качество обучения, анализировать партии. А для детей, которые не умеют писать, idChess уже стал незаменимым помощником.
Аркадий Дворкович, президент ФИДЕ, отмечает, что idChess может стать эффективным способом борьбы с нечестной игрой.
Пандемия коронавируса поместила всех в изоляцию. И хотя занятия спортом разрешили возобновить, присутствие зрителей на стадионах было ограничено. Чтобы спортсмены не играли матчи в тишине, канадский стартап HearMeCheer придумал решение, благодаря которому игроки могли услышать голоса фанатов.
Аплодисменты болельщиков, которые, при этом не находятся на стадионе, а сидят перед телевизорами у себя дома, слышат игроки на поле!
HearMeCheer автоматически собирает данные с микрофонов от фанатов дома, а затем отправляет эти данные на свои серверы, где звуки компилируются в единый аудиопоток, который можно воспроизводить в прямом эфире во время трансляции или на стадионе.
В будущем присутствовать на игре сможет больше людей, чем вмещает стадион.
На гонках NASCAR в США до внедрения ИИ механически отслеживали нарушения, собирая информацию из видеоповторов по частям с помощью множества мониторов. Для этого требовались десятки обученных сотрудников, а нарушения, зафиксированные ими, можно было оспорить. Потом внедрили ИИ – разработку Microsoft на базе Windows 10, установили 46 камер Sony Ipela на трассе. На одном экране удалось объединить шесть категорий данных – исторически собранные данные, хронометраж, подсчет очков, решение судьи, видео с трассы и позиции машин. Первое тестирование зафиксировало около 100 нарушений.
Вне зависимости от вида спорта, сервисы с ИИ обладают большим объемом информации о тренировках, что позволяет тренерам анализировать прогресс и ставить более четкие цели для каждого игрока. The Mirror – зеркало, которое с помощью камеры, распознает движения во время тренировки и анализирует состояние спортсмена. Стартап продаёт новый тип устройства — дисплей в рост человека с веб-камерами и колонками, стоимостью $1,395. Во время тренировки пользователь видит не только себя, но и запись тренера, а автоматика оценивает соответствие движений шаблону. Алгоритмы программы усложняют уровень тренировок и обеспечивает обратную связь с учетом целей и предпочтений пользователя для получения максимального результата. Mirror был запущен в сентябре 2018 года и привлек почти $75 млн инвестиций.
ИИ прокладывает путь к победе в спорте для всех – и спортсменов, и болельщиков, с игровой статистикой в реальном времени. Для игроков и тренеров с прогнозированием тактики игры позволяет выбрать правильную стратегию и даже предупредить игрока в случае потенциального снижения работоспособности или травм.
Что из себя представляет система и как она работает
Разработчики написали алгоритмы и формулы, которые используют видеосъемку игры для вычисления координат всех игроков — в какое время находился конкретный спортсмен и где, с какой скоростью он перемещался и на каком расстоянии от него находилась шайба. Три камеры снимают всю игру и, если в лиге 20 команд, достаточно будет снять 10 из 20, чтобы обладать всей информацией и иметь необходимые данные и статистику.
Мы обсчитываем за матч более миллиона различных координат и с помощью алгоритмов превращаем их в объективную аналитику. Есть похожие технологии: на игроков закрепляются RFID-датчики, которые фиксируют их координаты передвижения, после чего эта информация анализируется и создаётся статистика. Во-первых не всегда возможно повесить датчики на команду оппонента. Часто игроки и представители других команд чувствуют себя некомфортно, осознавая, что на них установлены посторонние предметы. Во-вторых, мы предоставляем не просто цифры, но и глубокий аналитический консалтинг – наши аналитики переводят цифры в понятные для тренерского штаба выводы.
Чтобы получить статистику, необходимо установить камеры, сделать видеосъемку игры, загрузить полученные данные в облачную платформу и интегрировать видео в статистику с помощью алгоритма. Алгоритм постоянно учится, и чем больше обрабатывается данных, тем меньше погрешность. Идентифицирует система игроков по номеру на спортивной форме. Как только игрок появляется на поле, камера распознаёт его и привязывает к нему определённую траекторию. Таким образом, каждый игрок представляет собой на поле точку, за движением и скоростью которого следит система. Также алгоритм видит, как ускорялась эта точка, на каком моменте игры потеряла скорость и по каким причинам.
Для чего нужна такая система
Собрав данные, можно не только анализировать готовую статистику по прошедшим матчам, но и прогнозировать дальнейшие игры и комбинации. Утверждать на 100%, что эта информация поможет определить победителя в лиге, нельзя, но если знать статистику оппонента — понимать, кого ставить против игроков другой команды, побеждать будет значительно проще. Можно не только выявлять сильнейшего игрока в команде противника, но и найти его слабые точки и слепые зоны, чтобы понять, как нужно играть, чтобы выиграть. Инструмент позволяет любой хоккейной команде изучить противников и на основе полученных данных полностью менять тактику своей игры.
Как система помогает экономить деньги
Скаутинг — это поиск молодого игрока в команду. Но, если он просит $1 млн в год, то можно узнать, стоит он таких денег или нет, просто открыв статистику: может, лучше взять двух молодых и выносливых игроков по $0,5 млн? Хотя рассчитать настоящую стоимость человека система ещё не позволяет, она может оценить спортсмена по разным критериям, начиная от аккуратности пасов и заканчивая выносливостью, сопоставляя его с другими спортсменами, предварительно изучив и их зарплатные ожидания.
Чем система отличается от остальных решений
Iceberg собирает огромное количество данных, производит их автоматически и оказывает аналитическую поддержку. Помимо высокого уровня безопасности от взлома у системы есть ещё одно преимущество — возможность брать её в любой уголок мира. Портативность сервиса позволяет взять его даже в самолёт, не сдавая в багажное отделение, так как весит такой чемоданчик искусственного интеллекта всего 9 кг.
Вот так выглядит Iceberg Sports Analytics в собранном виде.
Конкуренты либо вешают датчики на спортсменов, либо используют человеческие ресурсы — берут человека, который смотрит игру и записывает данные вручную. Конечно же, будет субъективность и как следствие погрешности в цифрах. Когда один из клиентов выбирал между нами и сервисом, где человек сидел и записывал, он выбрал нас, потому что его погрешность точности анализа данных составила свыше 20%, а наша - 3,8%
Система собирает более миллиона информационных точек с матча, больше половины которых даже не используется для аналитики впоследствии. Тренерам нужна не вся информация и вся статистика, а лишь определённые данные. Но если тренерский штаб захочет посчитать показатель, который система ещё не считала — эта информация пригодится, а сервис выявит нужные данные за 30 минут.
Как на этом ещё заработать
В глобальном понимании спорт и рынок спорттеха очень сильно изменятся. С точки зрения зрителя, если внедрять эту систему в режиме реального времени, можно делать очень качественный интерактив. Человек сможет смотреть матч, а в паузах между игрой видеть статистику — сколько километров и с какой скоростью проехал игрок, сколько забил шайб и сколько пропустил пасов. Заработать на этом смогут и букмекерские конторы, так как появится возможность собирать все данные по чемпионату и прогнозировать, кто выиграет — станет очень просто.
Нужны ли будут спортивные аналитики
У генеральных менеджеров клубов нет времени вникать в игру — они хотят, чтобы им просто приносили понятные данные. Информацию в этом случае может предоставлять либо аналитик внутри команды — человек, который обработал все данные и сделал отчёт, либо система. Однако человека полностью заменить не получится. Например, на фондовых рынках, несмотря на роботов, есть трейдеры, которые выполняют работу вручную. А вот сборщики данных действительно вряд ли понадобятся.
Что ждёт рынок в будущем
По словам идеолога проекта, задачи спортивного анализа в большинстве случаев решаются вручную. Это трудоёмко, медленно, ведёт к большому количеству ошибок и дополнительных расходов. Сейчас компания планирует расширяться и выходит на рынок Азии, где происходит хоккейный бум из-за программы по развитию китайского хоккея в рамках подготовки к Олимпиаде-2022. Если посмотреть в будущее и задаться вопросом, может ли алгоритм заменить тренера в спорте — ответа мы, к сожалению, пока не получим.
Тем не менее, мировой рынок цифровой спортивной аналитики только зарождается. По оценкам аналитического агентства Winter Green Research, в 2014 году рынок аналитики составил $125 млн, но уже к 2021 году составит $4,7 млрд. Уровень проникновения таких решений в хоккее пока ещё очень низкий и находится на уровне 20-25% от общего рынка спортивной аналитики. По оценкам Iceberg Sports Analytics, к 2021 году он составит около $1 млрд.
Читайте также: