Ruchy graczy po zarejestrowaniu ich przez kamery laboratorium P3 są następnie ładowane do platformy Azure, gdzie algorytmy uczenia maszynowego ujawniają, w jaki sposób układ fizyczny danego zawodnika jest najbardziej powiązany z innymi graczami NBA, którzy byli podobnie oceniani. Algorytm następnie umieszcza takiego gracza w danym zbiorze ze względu na to, jakie są przewidywania dotyczące potencjału. Dane są pomocne również w przybliżaniu rzeczy niewidocznych na pierwszy rzut oka.
Zdarza się, że koszykarzom brakuje odpowiedniego wzrostu, zdolności wysokiego skakania czy też szybkości, a mimo to robią karierę, kompensując niedostatki fizyczne „intuicją”, „inteligencją” czy „zaangażowaniem”.
– W ten sposób ludzie określiliby np. Jamesa Hardena, czyli najbardziej wartościowego gracza NBA w sezonie 2017-18, jako kogoś, kto właśnie ma bardzo wysoki poziom IQ do gry w koszykówkę, mówi Elliott. – Być może, ale Harden ma też lepiej rozwiniętą umiejętność zwalniania i zatrzymywania się niż ktokolwiek inny, kogo kiedykolwiek ocenialiśmy w NBA.
„Tworzy to przewagę konkurencyjną” i dodaje, że „za tymi zaletami kryje się fizyka newtonowska”.
Wnioski wyciągane przez P3 pomagają sportowcom unikać urazów. Zmiana niekorzystnych wzorców ruchowych na podstawie analizowanych danych pozwala na zastosowanie nowych metod treningowych. Może to być również wdrożone wśród zawodników uprawiających sport amatorsko.
– Siła uczenia maszynowego i sztuczna inteligencja Microsoftu pomogą nam poznać tajniki w sposób, który do tej pory nie istniał. Już powoli to robimy, jednak to dopiero początek tego, co po wdrożeniu stanie się rewolucją na tym polu – przekonuje Elliott.
Oprogramowanie do przechwytywania ruchu firmy Simi zdejmuje ze sportowców potrzebę zakładania czujników podczas gry lub treningu. Od 2017 roku Simi współpracuje z siedmioma klubami baseballowymi MLS, wdrażając na ich stadionach systemy szybkich kamer, co pozwala im śledzić każdy ruch na boisku.
– Oprogramowanie Simi digitalizuje kąty ułożenia ramion przez miotaczy i związane z nimi ruchy ciała, przekraczające 42 różne wspólne punkty styczne, co ma związek z około 24 tys. oddawanymi przez zespół rzutami w sezonie. Daje to setki miliardów punktów danych, które są przesyłane i przetwarzane w Microsoft Azure, umożliwiając zespołom tworzenie dogłębnych analiz biomechanicznych dla graczy, mówi Pascal Russ, dyrektor generalny Simi.