A gépi tanulást egyre több sportágban használják a teljesítmény növelésére.

A Mustard videók alapján elemzi baseball-játékosok formáját, a Zone7 az atléták által viselt szenzorokkal gyűjt adatokat egészségügyi állapotukról. A rendszer ismeri a kórlapjukat, így a szenzorikus infók és az előzmények alapján előrejelzi jövőbeli sérülések kockázatát.

A Sportlogiq jéghoki-, foci és amerikaifoci-meccsek közvetítéseit elemezve, tehetséges sportolók azonosításával segít csapatokat, ligákat. A SwingVision a teniszt figyeli: szervatípusokat, a labda sebességét, a játékos testtartását, elhelyezkedését nézi a videókon, lehetővé téve versenyzőknek, hogy teljesítményüket másokéval vessék össze.

A tehetségkutatás a sportokban régóta összekapcsolódik az adatokkal. Már a toll és a papír korában így volt, most pedig, a gépi tanulás térhódításával drasztikusan bővültek a lehetőségek.

Az új technológiák értelemszerűen elérték a sportok királyát, a labdarúgást is.

A beszédes nevű AiSCOUT (scout játékosmegfigyelőt jelent) gépi látást használva osztályoz amatőr focistákat, és ajánlja profi csapatoknak a legmagasabb pontszámot elérőket.

A játékos nyolc képességet (passzolás, lövés, kúpok közötti cselezés stb.) bemutató videót tölt fel magáról. A rendszer 0-tól 2-ig terjedő skálán értékel, összehasonlítva az illetőt a korábban már megméretett focistákkal. Aki eléri az 1,7-et, próbajátékra mehet profi csapatokhoz.

Mindezek mellett a képességeket egyenként is osztályozza tízes skálán: gyorsaság, cselező-készség, profiknál edzősködő fiatalokhoz hasonlított ügyesség stb.

Játékos-megfigyelők és edzők az adatokat egyrészt tehetségkutatásra, másrészt tehetségek fejlődésének nyomon követésére használhatják.

Néhány jónevű csapat máris érdeklődik az applikáció iránt. A Chelsea, a Nottingham Forest és a görög Olimpiakosz a legismertebbek.

Az appra viszont nem vet jó fényt, hogy a fejlesztésben a korábban az angol Premier League-ben játszó Burnley is részt vett – a csapat a legutóbbi idény végén ugyanis kiesett az első osztályból.