거실 TV 앞에 나란히 앉아 NBA중계를 지켜보던 어느 토요일 밤, 초등학교 4학년인 아들이 갑자기 묻더니 “아빠, 저 슛 들어갈까?” 하고 물었다. 화면 속 선수가 던진 공은 깔끔하게 림을 통과하지 못하고 둥근 테두리를 때렸다. 그러자 공이 금속 링을 맞고 빙글빙글 회전하며 예측할 수 없는 방향으로 튕겨 나갔다. 그 순간 아들의 질문은 더 구체적으로 변했다. “저 공이 어디로 튈 지 알 수 있으면 좋겠다”고 중얼거렸다. 나도 속으로 같은 생각을 하고 있었다. 아들이 들은 질문과 내 내면의 답을 연결해주는 계기는 바로 데이터였다. 평소 자주 보던 해외축구중계나 epl중계 공은 대부분 땅을 굴러 좀 더 규칙적으로 움직인다. 반면 농구공은 림을 스치거나 맞고 나올 때마다 회전 축과 속도가 크게 달라진다. 이 날카로운 차이가 밤새 나를 붙잡았다.
실제로 스포츠과학 분야에서 공의 회전 운동, 특히 슛 회전 데이터가 리바운드 예측에 미치는 영향을 연구한 사례는 의외로 드물다. 개중에는 연구팀이 하키 퍽이나 야구공의 궤적에 집중한 논문이 많았다. 하지만 없던 것은 딱 하나 있다. 농구중계 화면에서 매일 쏟아지는 경기 내용과 카메라가 잡아내는 공 클로즈업을 실시간 데이터로 변환하는 기술이다. 무료스포츠중계 사이트에서 쉽게 본 한 경기 영상 속에 불과 몇 밀리초 동안 림과 접촉하는 공의 표면 마찰이 모두 녹아 있었다. 나는 복잡한 프레임 분석 툴 없이도 해당 영상들을 확보해 작은 AI 모델에 훈련 데이터로 집어넣었다. 불규칙한 회전으로부터 리바운드 착지점을 빠르게 예측하라는 명령이었다.
처음 시도에서 만난 화면은 정말 충격적이었다. 거실을 떠들썩하게 만들 골대 소리가 나자 AI가 공의 스핀 율과 각도를 읽어내며 환영 인공 신경망 내 예측 결과를 실시간으로 TV 위쪽 모서리에 보여줬다. 가족 모두가 숨을 죽이며 빨간 플롯 포인트를 쳐다봤다. 공이 링을 두 번 맞추곤 바로 옆 가상 공간에 떨어질 지점 표시가 져야 한다고 계산 몇 초 전에 정확히 입력됐다. 그것은 단순한 이론이었다. 그러나 NBA중계 시청 경험을 완전히 달리 하는 순간이었다. 딸이 간식을 쥔 손도 멈추고 “와, 공이 쓰러질 지점을 못 박은 생생 수치예요”라며 스마트폰을 찍었다. 이 축축하고 딱딱한 초연쇄 자료가 아들 입말이었다.