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
Meta平台公司收购新加坡AI初创公司Manus,该公司以开发能够在无人监督下使用网络浏览器执行任务的AI智能体而闻名。Manus今年3月一经推出便引起轰动,能够执行创建简历、编写软件应用和设计网站等复杂任务。公司在8个月内实现1亿美元年度经常性收入,成为首家达成此里程碑的初创企业。Meta将继续独立运营Manus服务,同时将其技术整合到Meta AI平台中。
新加坡国立大学联合Lovart AI开发的OmniPSD系统,首次实现了AI驱动的双向PSD文件处理能力。该系统能够将扁平图像自动分解为可编辑的图层结构,同时支持从文字描述直接生成分层设计文件。基于扩散变换器架构和创新的RGBA-VAE技术,OmniPSD在20万真实设计样本上训练,实现了专业级的透明度处理和图层分解效果,为设计行业的数字化转型提供了强大工具。
软银集团宣布以40.4亿美元全现金收购私募股权公司DigitalBridge。该公司管理着约1080亿美元资产,投资组合包括数据中心建设商Vantage等科技企业。Vantage正在为OpenAI建设价值150亿美元的威斯康星数据中心园区,并在德州建设投资超250亿美元的Frontier园区。此次收购将加强软银在AI数据中心领域的布局。
ByteDance Seed团队提出UniUGP统一框架,首次将自动驾驶的理解、生成、规划三大能力完美融合。通过混合专家架构和四阶段训练策略,该系统在场景理解、轨迹规划和视频生成等任务上均超越现有先进模型,为自动驾驶技术发展开辟了新路径,预示着更智能可靠的无人驾驶未来。