至顶网CIO与CTO频道 12月09日 评论分析(文/王聪彬):体育赛事中使用人工智能一直都有着很高的关注度,越来越多的赛事或者运动队伍都开始花费大量精力用于收集、整理以及分析数据,希望从数据中发现趋势、规律,以发现更好的人才,更科学地训练运动员,更多机会赢得比赛。
从左至右:F1专家技术顾问Rob Smedley、职业足球焦点联合创始人兼首席执行官、NBC体育频道周日橄榄球之夜播音员Cris Collinsworth、新西兰橄榄球首席创新官Jason Healy
“过去在赛事上,更多的关注点都在赛场的球上,现在使用人工智能可以看到赛场上所有的一切情况。” 职业足球焦点联合创始人兼首席执行官、NBC体育频道周日橄榄球之夜播音员Cris Collinsworth说道。
每一项体育赛事都是复杂的,新西兰橄榄球首席创新官Jason Healy表示,新西兰橄榄球的机器学习还在早期使用阶段,其可以帮助更好的了解英式橄榄球这项运动。
人工智能为赛队出主意
F1一级方程式赛车是一个非常敏捷比赛,是非常依靠工程力量获胜的比赛项目。F1专家技术顾问Rob Smedley指出,我们会在2个半小时的比赛中从车上300多个传感器上采集GPS数据、车手数据等等,同时车上还有20多个信号转发。
像利用数据可以为进站、超车等环节提供策略。当赛车进入到维修站进行短期维修时,所有维修人员都必须就位,F1通过开发算法作出最佳的方案,机器学习会显示车什么时候需要进站维修。
Cris Collinsworth提到人工智能带来的变化,原来球队周日比赛收集数据到周三才能得到分析结果,到现在只要几小时就行可以得到结果。
通过这些比赛数据,可以去思考某一些球员的动作可能要怎样调整,为教练提供指导意见。在几十年的执教过程中,其实教练早已形成了自己的工作方式,而且很多老牌的橄榄球队教练,也会请大学教授来为他们出主意。
“但是过去几百年橄榄球教练在做决策时很多都是错的,现在数据科学家告诉那些常胜将军你做的是错的,这是非常颠覆的。”Cris Collinsworth说道,超级碗的比赛投入了大量的经费进行分析,用数据分析为什么会失利等等。
当然战略战术的决定涉及到很多的决策,人工智能并不能保证你最终是赢还是输。
人工智能改变受众体验
同时运动赛事的受众也可以因为人工智能受益,使用人工智能可以让转播商进一步提高观赛体验,当然可使用的技术不仅仅只有一个。
Rob Smedley表示,技术人员和非技术人员在看比赛的角度是不一样的,技术人员给到老板的意见是经过挑选的洞见,而且这是一个多米诺不是静止不动的,当然我们也不主张将过多的数据呈现在观众面前,太过炫技可能会喧宾夺主,让注意力分散。
大家喜欢体育赛事主要是因为比赛的关键还是运动精神,所以要跟上比赛的速度,观众希望时时的了解,当然其中还蕴含了一些体育文化上的因素。
“在F1比赛的转播已经有50年之久,需要让车迷持续不断的保持收看是不容易的。”Rob Smedley说道,想要吸引观众看赛车一圈一圈的在赛道上跑,需要更加有代入感,要将更多有趣的洞见给到观众。
Jason Healy看到多屏同步已经成为一个趋势,而且是需要思考的问题。因为观众在看电视的同时也在使用手机或其他电子设备,很可能错过一个精彩的进球,所以你要做的就是把数据收集起来,聪明的喂给观众。
当然对于比赛而言,培育新的观众也是当务之急,需要找到很棒的技术伙伴,把比赛的体验尽可能好的提供给中间年龄段的观众。Rob Smedley提到,现在观众的观看习惯都在改变,需要把比赛数据自上而下推到金字塔的底端。
好文章,需要你的鼓励
AI实验室不再与企业签署昂贵的数据合同,而是通过Mercor平台招募前员工获取行业知识。Mercor为投资银行、咨询公司和律所的前员工与OpenAI、Anthropic等AI实验室搭建桥梁,向行业专家支付高达每小时200美元来训练AI模型。该公司年化经常性收入达5亿美元,估值100亿美元,每天向承包商支付超150万美元。
ServiceNow等机构联合研究团队提出了RULER和I-MROPE两项创新技术,解决GUI自动化中AI难以准确定位界面元素的核心问题。RULER技术为AI提供明确空间参考系统,I-MROPE技术平衡位置编码的频率分配。实验显示在高分辨率界面上定位准确率从31.1%提升至37.2%,为GUI自动化的实际应用铺平道路。
作为AI热潮的最大受益者,英伟达成为首家市值突破5万亿美元里程碑的上市公司。受特朗普总统表示将与习近平主席讨论该公司Blackwell芯片消息推动,公司股价周三上涨超过5.6%。英伟达CEO黄仁勋预计AI芯片销售额将达5000亿美元,并为美国建设七台新超级计算机。该公司还投资10亿美元于诺基亚,用于AI原生5G和6G网络开发。这一里程碑距离突破4万亿美元仅三个月。
上海交大团队开发SurveyBench评估体系,系统检验AI学术综述写作能力。研究发现,虽然AI在语言流畅度等表面指标上接近人类水平,但在内容深度、技术细节和抽象总结方面仍有显著差距,平均比人类综述低21%。研究揭示AI写综述面临深度理解不足、缺乏关联思维、抽象能力有限三大挑战,建议未来采用人机协作模式。