棒球有著魔球般的傳奇故事，像是資金短缺的奧克蘭運動家隊使用賽伯計量學（sabermetrics，一種棒球紀錄統計分析法）分析球員的動作，最終擊敗財力雄厚的球隊。
為了配合冰上曲棍球這般節奏明快流暢的賽事，來自多倫多的新創公司 ICEBERG 使用電腦視覺進行分析，並與人工智慧相互融合，以譜寫出這項運動的未來發展面貌。
在職業體育賽事裡，最微小的競爭優勢也能造成輸贏之間的落差，這也說明了運動隊伍（特別是棒球與足球）普遍使用強大分析工具的原因。
冰上曲棍球錯過了分析革命，主因在於這種運動的速度和複雜度，讓人幾乎不可能深入瞭解球員位置和動作背後的資料，ICEBERG 的執行長 Alex Martynov 卻從中見到了龐大市場商機。
「我總是覺得在各行各業裡，資料都是關鍵性的一環，棒球與足球如此著迷於數據資料，曲棍球和其它運動卻付之闕如，這讓我很驚訝。」Martynov 說。
2014年 Martynov 離開了在多倫多某間銀行的分析師工作，開始將他的分析和統計長才用在他深愛的運動項目上。
在父親的投資，加上瘋迷曲棍球的多位俄羅斯和加拿大的開發員友人的協助下，Martynov 結合電腦視覺與機器學習開始收集和分析曲棍球賽事的資料。
每場球賽有百萬個資料點
「ICEBERG」一名暗指在進球和射門等通常追蹤的統計數據外，還隱藏了如山高的成堆資料。
該公司最早的五人團隊開發出的演算法，使用三具攝影機所構成整場曲棍球賽事全景畫面影片，將60分鐘的賽事分割成百萬個資料點和海量情報，讓球隊能加分析以善用球員和規畫賽事策略。
這個過程始於使用電腦視覺來追蹤物體（例如球員、對手和冰球）、依球衣顏色和背號來辨識球員，還有偵測冰球的位置 – 這可不是件簡單的事，冰球的移動速度可以超過每小時100英哩。
機器學習演算法接著記錄射門、傳球、身體衝撞和單純持球等事件，再建立起資料庫，就能為客戶解析這些事件背後的意義。這些客戶來自全球多個曲棍球聯盟的20餘支隊伍，其中包括國家冰球聯盟的紐約島人隊。
雲端 GPU 的運算實力
客戶通過雲端入口網站來取得這些視覺化資料。運行在 Microsoft Azure 雲端平台上的 NVIDIA GPU 處理吃重的運算作業，並且訓練支撐 ICEBERG 演算法的神經網路。
「GPU 非常擅長處理這類工作。」Martynov 說。他提到 GPU 的延遲性遠低於 CPU，這可讓公司省下一大筆錢。GPU 還能用於推斷作業。ICEBERG 現於多倫多總公司和莫斯科研發單位共有25名員工。
六個月前該公司打算提高其機器學習模型的精密度，以及訓練其神經網路從成套球衣裡提高辨識事件的程度，而開始測試 cuDNN，Martynov 說這「並非微不足道的小事」。
各球隊使用該公司的服務，可以更深入瞭解賽事各項因素，像是進攻球員何時會揮出致命一擊、守門員最常讓冰球進門的時機，還有場上球員的體力何時開始變弱。
新興技術有著遠大計畫
在本週 Stanley Cup Finals 決賽新秀納什維爾掠奪者隊對上冠軍衛冕隊匹茲堡企鵝隊的賽事裡，雖未用上這項技術，Martynov 希望日後有機會將技術用於分析如此受到高度注目的賽事。
他也打算將 ICEBERG 的技術用於其它體育活動上，認為此舉能改善目前使用的分析工具。
Martynov 還希望很快廣播電視業者能使用 ICEBERG 的分析視覺工具，讓這些業者能更細膩地播報賽事，還能吸引尋常無力追蹤電視上快節奏動作的球迷。
他表示有著 NVIDIA 和微軟這些合作夥伴，ICEBERG 將有著無限遠大的成就。
「這項技術的進步速度如此飛快，讓我們在短時間內能做出這麼多大事。」Martynov 說。
以下影片介紹了 ICEBERG 的技術：