Dari analisis lawan, wawasan taktis, pengaturan wasit dan peningkatan kinerja atlet, kecerdasan buatan dan pembelajaran mesin sudah diimplementasikan dalam olahraga. NBA menggunakan kecerdasan buatan generatif untuk konten pengguna yang dipersonalisasi. Pelari marathon Olimpiade dua kali, Des Linden, memiliki jantung digital tiruan untuk mensimulasikan detak jantungnya, aliran darah, dan tingkat oksigen, untuk menyempurnakan latihan dan meningkatkan kinerja. Stadion Mercedes-Benz, markas Atlanta Falcons, telah menerapkan tiket yang menggunakan pengenalan wajah.
Meskipun aplikasi-aplikasi impresif ini, laporan menunjukkan pengaruh yang cukup rendah dari industri olahraga terhadap pasar kecerdasan buatan global. Dari Juni 2020 hingga Juni 2023, 363 paten terkait kecerdasan buatan diberikan di sektor olahraga di seluruh dunia, dibandingkan dengan 4.155 di industri otomotif. Di sini kita menjelajahi beberapa aplikasi potensial kecerdasan buatan yang dapat mendukung keberlanjutan lingkungan dan mengatasi kebutuhan terkait perubahan iklim untuk sektor olahraga.
Pencegahan Cedera Atlet
Perubahan iklim semakin memperparah risiko kesehatan atlet. Melatih dan bersaing di suhu ekstrem, kualitas udara buruk akibat polusi atau asap kebakaran hutan, atau pada permukaan yang mengeras akibat kekeringan adalah beberapa cara di mana kita sudah melihatnya terjadi. Kondisi-kondisi ini dapat menyebabkan peningkatan risiko cedera melalui dehidrasi, penyakit paru-paru, tegangan atau regangan karena kelelahan, dan regangan berulang.
Kecerdasan buatan menawarkan pemantauan presisi biomekanika real-time dan analisis prediktif untuk form, postur, dan gerakan atlet. Jika indikator stres atau kelelahan terdeteksi, pelatih, manajer, dan pemain dapat membuat keputusan yang lebih terinformasi tentang intervensi, yang mungkin mengurangi risiko cedera dalam beberapa kasus. Perangkat wearable dilengkapi dengan sensor dan kecerdasan buatan untuk memberikan umpan balik secara instan.
Model Prediksi Cuaca
Kecerdaan buatan sekarang dilaporkan dapat melampaui ramalan cuaca konvensional, memprediksi cuaca ekstrem seperti panas ekstrem dan jalur siklon lebih cepat dan lebih akurat. Financial Times melaporkan bahwa ini bisa 1.000 kali lebih murah dalam hal konsumsi energi juga.
Ketika kejadian cuaca ekstrem atau kondisi yang tidak ramah meningkat karena adanya perubahan iklim, aplikasi ini dapat membantu penyelenggara olahraga, khususnya penyelenggara olahraga luar ruangan, olahraga tur atau kompetisi, untuk mendapat informasi yang lebih akurat jauh lebih awal. Hal ini dapat memungkinkan mereka untuk mengambil langkah-langkah yang diperlukan untuk beradaptasi atau menunda acara untuk memastikan keamanan atlet, staf, penonton, atau memberikan saran kesejahteraan lebih awal kepada peserta.
Model Prediksi Perilaku Penggemar
Setelah pandemi COVID-19 di mana para penggemar mulai kembali ke stadion, perusahaan teknologi menggunakan kecerdasan buatan untuk bekerja dengan tim tentang penetapan harga tiket, untuk lebih memperkirakan berapa banyak penggemar yang bersedia menghabiskan uang untuk sebuah acara. LaLiga telah menciptakan solusi pembelajaran mesin yang maksimalkan audiens TV dan kehadiran penonton saat menetapkan jadwal pertandingan. Organisasi olahraga sudah mulai menggunakan model prediksi untuk memberikan konten dan promosi yang ditargetkan juga.
Manfaat lingkungan potensial dari model prediksi perilaku penggemar di stadion adalah pengurangan sampah. Dengan pemahaman yang lebih baik tentang tren kehadiran, demografi penggemar, dan preferensi makanan, minuman, dan barang dagang, organisasi olahraga dapat mengurangi limbah yang tidak perlu dengan memanfaatkan data ini untuk menemukan efisiensi. Promosi dapat disesuaikan sesuai dengan preferensi dan kebiasaan penggemar, yang juga dapat mengurangi aliran limbah potensial.
Selain pengurangan limbah, beberapa organisasi menggunakan solusi berbasis kecerdasan buatan untuk mendorong dan memfasilitasi pemisahan limbah secara menyenangkan, memberi penghargaan kepada penggemar olahraga yang memilahnya dengan benar untuk mendukung proses daur ulang. Teknologi ini juga dapat memberikan data lebih banyak kepada venue tentang jenis limbah, tingkatnya, dan pemisahan untuk keperluan pelaporan.
Efisiensi Energi
Stadion dan tempat olahraga membutuhkan banyak energi saat digunakan untuk pertandingan dan acara, dan terkadang memiliki kantor staf dan ruang konferensi yang berarti bagian-bagian kecil dari venue digunakan lebih sering. Sistem pengelolaan gedung digunakan untuk mengontrol dan memantau berbagai sistem dan fungsi bangunan, dan menciptakan banyak data.
Menerapkan kecerdasan buatan dalam gedung pintar, yang dilengkapi dengan sensor dan teknologi Internet of Things, dapat memaksimalkan efisiensi energi. Algoritma kecerdasan buatan dapat menganalisis dan menafsirkan data sistem pengelolaan gedung untuk membuat penyesuaian real-time pada sistem pemanas, pendingin, dan pencahayaan. Hal ini dapat mengoptimalkan konsumsi energi dan mengurangi dampak lingkungan secara keseluruhan.
Prediksi Emisi dan Pengembangan Strategi
Studi terbaru menyajikan pendekatan baru dalam pengembangan strategi emisi karbon yang didukung kecerdasan buatan untuk manajemen acara olahraga. Secara singkat, model yang menganalisis pengaruh populasi, kekayaan, dan teknologi terhadap emisi karbon dalam acara olahraga digunakan, bersama dengan jaringan saraf yang memprediksi tren emisi masa depan. Hal ini kemudian ditingkatkan dengan pembelajaran transfer, menciptakan pendekatan komprehensif untuk analisis emisi karbon dalam manajemen acara olahraga.
Meskipun ada keterbatasan dalam studi ini, dijelaskan bahwa ‘signifikansi penelitian ini terletak pada potensinya untuk memberdayakan manajer acara olahraga dengan pendekatan berbasis data untuk manajemen emisi karbon.’ Para peneliti mengemukakan bahwa olahraga bisa beralih ke arah keberlanjutan yang lebih besar dengan memanfaatkan kecerdasan buatan untuk memprediksi emisi karbon dalam acara olahraga secara akurat dan mengembangkan strategi keberlanjutan karbon yang efektif.
Kecerdasan Buatan Generatif untuk Data Perjalanan Penggemar
Mengumpulkan data secara menyeluruh untuk perjalanan penggemar ke pertandingan sebagai laporan emisi gas rumah kaca sulit bagi penyelenggara olahraga. Seringkali hanya sampel data kecil yang dikumpulkan dan diekstrapolasi untuk memberikan indikasi tentang emisi perjalanan penggemar ke acara atau kompetisi olahraga.
Kecerdasan buatan generatif dapat menggunakan teknik pembelajaran mesin untuk membuat data sintetis yang menyerupai data nyata, mensimulasikan berbagai skenario, menghasilkan data set hipotetis, dan mengisi kesenjangan dalam data yang ada. Meskipun aplikasi ini berpotensi menarik, ada risiko terkait menciptakan data dengan cara ini. Sangat penting bahwa jenis extrapolasi kecerdasan buatan ini diuji, ditinjau, dan divalidasi oleh manusia.
Peluang
Beberapa aplikasi kecerdasan buatan untuk olahraga sudah ada, yang lain memerlukan eksplorasi dan regulasi yang jauh lebih banyak sebelum menjadi cukup kuat untuk dipertimbangkan. Kami juga tidak boleh melupakan dampak lingkungan dari kecerdasan buatan, di mana Badan Energi Internasional mengatakan ‘menggunakan lebih banyak energi daripada bentuk komputasi lainnya – pertimbangan penting ketika dunia berusaha membangun sistem energi yang lebih efisien. Melatih satu model menggunakan lebih banyak listrik daripada 100 rumah di AS gunakan dalam satu tahun.’
Industri olahraga global sedang mengalami perubahan karena aplikasi kecerdasan buatan dan teknologi baru lainnya yang telah membentuk Revolusi Industri Keempat. Namun kita sudah berdiri di ambang Revolusi Industri Kelima atau era kognitif, yang akan memprioritaskan tujuan, perlindungan lingkungan, dan keberlanjutan. Ketika organisasi olahraga menciptakan, mempengaruhi, atau mengadopsi aplikasi kecerdasan buatan dan pembelajaran mesin, sangat penting bagi mereka untuk memanfaatkan kesempatan untuk menekankan keberlanjutan, kesadaran lingkungan, dan inklusi setiap kesempatan yang dimungkinkan.