<code-segment>的翻译规则，以及{argument name=...}的翻译。还有注意链接文本要翻译。
先通读原文，是个人分享使用AI分析篮球比赛视频的经历，语气轻松个人化。翻译应该保持口语化、自然。注意使用「你」而不是「您」。适当添加空格在中文与英文/数字之间。
逐段翻译。</think>最近，我一直把比賽影片餵給 AI 看。我把比賽影片丟進去，讓 AI 自動標記球員的顏色，並把他們標記到球場佈局上，哈哈。雖然我不是工程師，但我大概花了半天就自己設定好並讓它跑起來了，所以想跟大家分享！
這篇文章包含很多技術討論，如果你想挑戰看看，至少要讀到一半！有興趣的話，請看到最後！
在介紹之前，先跟大家說一件事！雖然我是現役籃球選手，但我也在經營 Fantrance，一個專注於運動的直播平台！運動員會在賽後談論自己的表現，所以充滿了只有在這裡才能聽到的故事！請大家去看看！
好了，這篇文章要談的是，我如何利用現有技術和 AI，即使不是工程師也能做出一個能用的東西！
這次我使用的是美國 AI 公司 Roboflow 發佈的影像辨識 AI 開發平台中的籃球分析工具。
你可能看過上面的影片，我把 ENEOS 太陽花的一場比賽丟進這個分析工具，AI 自動將紅色球衣和黃色（綠色）球衣的球員標記為「ENEOS 太陽花」，並持續追蹤每一位球員。
我不需要事先教它「紅色在這裡」或「黃色是 ENEOS」；AI 自己學會了那場比賽的球衣顏色。
因為輸入球員名單很麻煩，所以我直接設定成 0 到 99。裁判也被辨識出來了，不過反正之後可以修正，所以先放著。
目前只做到這裡，但既然它也能偵測到球和是否投籃成功，我的目標是能夠提取各種數據，例如某人跑了多少公尺、在球場上哪裡待最久、以及在哪裡出手投籃。
我也試著把球員的移動軌跡畫出來！
此外，我最近參加了一個創業家齊聚的 AI 讀書會，並以唯一一位運動員的身份發表了這個計畫。
在準確度以及能做些什麼方面，還有很長的路要走……但現在我想說的是，這真的超有趣的。哈哈。我很清楚大家正在討論的安全問題等等。
但近期的 AI 真的很好玩。
我想做的事情可能太多了，所以東試西試，但看到 AI 輸出的品質越來越高，就讓我更想把我一個接一個想到的「有趣點子」具體化。對我來說，AI 是最好的玩具。
順帶一提，我做這些事情的時候，我的工程師們最近都用緊張的眼神看著我。哈哈。
因為我 constantly 跑 AI 並創造各種專案，還一直講個不停，他們似乎覺得「Evelyn 可能會不小心做出影響生產環境的事情。」哈哈。
不管我解釋多少次我的電腦是完全分開的，他們都沒有放鬆戒心。哈哈。
[運動員該如何面對 AI]
我不是工程師，而且我覺得以真正開發者的角度來看，我做的事情非常笨拙。我知道有人會說「你只是在瀏覽器裡點來點去」或「這項技術早就存在了」。
但是，對不久前的我來說，要實現到這個程度是相當高的門檻，也需要時間。
即便如此，追趕上最先進的 AI 並每天接觸它，讓我認為「即使不太理解也去接觸技術」是有價值的。
當你每天跟 AI 討論什麼是可行的，你自己的比賽影片漸漸不再只是紀錄，而開始看起來像「數據」。你會開始想：「這個數據和這個 play 之間是不是有關聯？」即使那已經是既有的數據分析方法，你也能從新的角度看待你的運動。
而運動員擁有比任何人都多的身體數據，這是他們的特權。那些曾經只憑直覺的東西，有可能讓你更清楚地了解自己。
「運動員不是應該去接觸 AI 嗎？」這次我真的這麼想，所以在此提出我的建議！
我想展示「AI 時代運動員必備的 5 種態度」。
- 首先，能夠思考用 AI 來實驗某件事
- 當事情不順利時，思考如何解決
- 想像新科技如何與你熱愛的領域連結
- 你能增加多少你喜歡的、不相關的領域？
- 你能跳進你一無所知的領域的知識和網路嗎？
我認為這五點對於運動員保持獨特性並在這個時代生存非常重要！
「我沒想到 Evelyn 竟然把 AI 做到這個地步。」最近常有人這樣跟我說。我想以後會更常聽到。
運動員 x 創業家 x AI 實作。我不知道日本有多少人親手做到這一切。如果沒有的話，請讓我稱自己為「科技運動員」。哈哈。
對技術有興趣的人，我在下面會更詳細說明。如果沒興趣可以跳過。（以我非工程師的能力所能寫的範圍。）
還有！我幾乎每天這樣接觸 AI，所以我很樂意聊各種事情！有沒有也對科技感興趣的運動員或體育相關人士呢？
反過來說，如果大家有任何「能不能用科技 x 運動來做這個？」的想法，也歡迎來問我！🙋🏽♂️
還有，對於正在做這類影片 AI 分析的工程師，或熟悉動作分析的人！如果你們願意，請讓我知道你們的想法。
以上就是科技運動員 Evelyn Mawuli 的 AI 奮鬥報告！
--- 有興趣的人請見下方！---
我每天使用的一些 AI 工具：
- Claude Code（用於文字規劃和顧問）
- Codex（程式碼生成）
- ChatGPT（快速諮詢）
- OpenClaw（我最近做的 AI Agent。取名為 Shaq）
這次使用的是美國 AI 公司 Roboflow 發佈的影像辨識 AI 開發平台中的籃球分析工具。
此外：
- RF-DETR（高精度偵測球員的 AI）
- Meta 的 SAM2（追蹤每位球員直到比賽結束的 AI）
- Google 的 SigLIP（根據球衣顏色自動分隊的 AI）
我在 Google Colab Pro+ 上使用 NVIDIA L4 GPU 執行這些。
不過，老實說，一點也不順利。你可能會以為已經發佈的 AI Notebook 只要按個按鈕就能跑……
我被告知，大概過六個月之後，它們通常就壞掉了。哈哈。
我碰到的問題包括：
- 因為 Pillow（影像處理函式庫）版本衝突導致的無限迴圈 -> 影像處理工具之間的相容性不佳，錯誤一直循環。
- SAM2 建置錯誤 -> 執行 AI 模型的初始設定無法順利完成。
- 球衣號碼辨識模型的 API 變更導致錯誤 -> 外部工具的規格變更，讓程式碼突然無法運作。
最讓我困擾的是：
- Colab 中負責解釋錯誤並修正程式碼的 AI 助手（Gemini）錯得離譜。哈哈。
我把截圖丟給 Codex 或 Claude Code 時，它們說：「這個傢伙說錯了，在問他之前先來問我。」我一邊笑著修，一邊想這種職場大概真的存在。哈哈。
不過我實際做的事情沒有那麼難，只是重複執行 cell，遇到錯誤就問 AI。
最後，它從影片中偵測球衣號碼、剪出片段，並生成一個顏色標記的影片。工程師可能 30 分鐘就能搞定。
所以，非工程師的運動員或像我這樣的人，要利用 AI 達成某件事的訣竅就是一直問。不要不好意思問 AI。而且，如果持續下去，它會變成學習經驗，所以不要覺得浪費，就一直問到懂為止！
我幾乎每天這樣接觸 AI，如果有對科技感興趣的運動員或體育相關人士，我們來聊聊吧！
反過來說，如果你們有任何「能不能這樣做？」的諮詢，請告訴我！🙋🏽♂️
Back Dooor Inc. 的目標不僅是日本國內，未來也要拓展到海外。全世界都有優秀的運動員，也有最棒的球迷。因為運動是通用的內容，我認為市場很大，拓展也有意義。為此，我們將專注於招募工程師來打造產品、銷售職位，以及推動全球業務的人力資源。
將運動視為商業的實用性和市場規模，在日本也開始受到認可，所以現在正是競爭的最佳時機。
- 我想運用我在運動方面的經驗。
- 我想回饋運動產業。
- 我對運動商業有興趣。如果你也是這樣的人，請！如果你能聯絡 Back Dooor Inc.，我會很開心。
以上就是科技運動員 Evelyn Mawuli 的 AI 奮鬥報告！
