至顶网CIO与CTO频道 06月24日 北京消息:亚马逊云服务(AWS)与Formula One Group (F1) 在美国西雅图共同宣布,将在F1 2020赛季新增六项实时赛车数据。其中,“车辆性能得分”这一项将于7月3-5日在奥地利斯皮尔伯格赛道进行的首场大奖赛上率先亮相。“车辆性能得分”单独列示每辆赛车的性能,方便车迷进行不同车辆之间的性能对比。基于AWS包括机器学习在内的一系列服务,本赛季即将发布的六项数据可以方便车迷比较自己喜爱的车手和赛车,更好地预测比赛结果。
每辆F1赛车上有300个传感器,每秒产生超过110万个数据点并传送至维修区,因此,F1是一项真正的数据驱动型运动,比赛的刺激感很大程度上取决于提炼统计数据中令人兴奋的细节。依靠AWS广泛而深入的服务,F1实现了大量数据的实时流式传输、处理和分析,并以观众可以理解的方式呈现给全球的F1电视观众。“车辆性能得分”以图形的形式显示在屏幕上,通过低速过弯、高速过弯、直线行驶、车辆操控四个核心指标,为车迷提供赛车总体性能的完整细分。以图形的形式解读不同车辆指标的对比,将帮助车迷衡量车辆不同方面的相对性能,并查看每个车队和车手的领先优势或导致落败的关键因素。
之前,F1和AWS曾宣布了六项“F1 Insights(F1洞见)”,包括驶出速度、预计进站维修策略、进站窗口、对决结果预测、进站策略对决和轮胎性能。此次双方将进一步推出以下六个“由AWS驱动的F1 Insights”统计数据,在本赛季7月到12月之间以图形形式显示在屏幕上,让车迷对赛道上的瞬间决策和行动以及维修区车队策略师的决策有更深入的理解:
车辆性能得分:单独列示每辆车的性能,方便车迷进行不同车辆的性能对比(将于7月3-5日在2020赛季F1奥地利大奖赛上首次亮相)。
终极车手速度比较:基于这项数据,车迷可以将自己喜欢的车手与1983年至今的任何车手进行比较,从而确定F1史上最快车手(将于8月7-9日在阿联酋F1 70周年大奖赛上首次亮相)。
高速/低速过弯性能:这项数据对圈速至关重要,车迷能够比较不同车手以超过175 千米/小时(109 英里/小时)的速度驶过最快弯道的表现,以及以低于125 千米/小时(78 英里/小时)的速度低速过弯的表现(将于8月28-30日在F1劳力士比利时大奖赛首次亮相)。
车手技能评分:根据影响整体表现的最重要因素,对车手技能进行细分和评分,确定赛道上的最佳“全能车手”。对排位赛表现、起跑、比赛节奏、轮胎管理和超车/防守风格等不同子集进行计算,得出车手的整体评分(将于下半赛季首次亮相)。
车辆/车队发展与赛季整体表现:基于车队本赛季各场比赛的累积表现,发掘每支车队的发展情况(将于下半赛季首次亮相)。
排位和比赛节奏预测:从练习赛和排位赛圈数中收集数据,在每场比赛前预测最有可能获胜的车队,这一数据将为周六排位赛和周日正赛增添吸引力和刺激感(将于下半赛季首次亮相)。
为了获取上述的全新统计数据,F1将在Amazon Simple Storage Service(Amazon S3)中储存的近70年间的历史比赛数据与通过车上和赛道传感器收集的实时比赛数据进行综合分析。首先,这些实时数据通过AWS的实时数据收集、处理和分析服务Amazon Kinesis从传感器传输到云上。然后,F1工程师和科学家将通过AWS用于构建、训练和部署机器学习模型的服务Amazon SageMaker把这些数据应用于机器学习(ML)模型。其次,F1通过在AWS Lambda上部署机器学习模型,对比赛表现指标进行实时分析。AWS Lambda是一项无需预置或管理服务器即可运行代码的计算服务。所有从数据中获取的洞察结果都将集成到F1赛事国际广播的推送中,包括其数字平台F1.tv,帮助车迷理解车手或车队策略师做出的影响比赛结果的重要瞬间决策和竞赛策略。
F1首席工程师Rob Smedley表示:“在过去两年中,F1充分利用AWS的服务进行密集的动态数据分析。我们双方共同为车迷提供了‘F1 Insights’,使车迷前所未有的接近赛道,并为他们揭开了维修区里曾经不为人知的故事与见解。我们很期待能够继续扩大与AWS的这种成功协作,不断推出更多元化的数据解读,带领车迷更深入地了解车手和车队协力取得成功的多种途径。”
AWS全球商业销售副总裁Mike Clayville表示:“F1比赛融合物理性能和人类表现,由此产生了强大且复杂的数据。AWS一直在帮助F1利用这些数据。目前,双方合作产出的统计数据已经将车迷带入了比赛的装备区,我们对赛车空气动力学的研究也正在影响2022赛季的车辆设计。今年,我们很高兴能在云端扩展F1的数据力量,解锁新的数据解读,帮助粉丝进一步理解F1意蕴丰富的复杂因素。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。