通過與體育分析和科技公司STATS合作,開創(chuàng)性地使用人工智能來加強(qiáng)他們的球探和分析部門。
《福布斯》隨后發(fā)布了一些統(tǒng)計數(shù)據(jù),以便更深入地了解魔術(shù)隊所開創(chuàng)的具體技術(shù),以及在不久的將來,它將如何被更多的職業(yè)球隊和大學(xué)級別的球隊所使用。
據(jù)先前報道,奧蘭多魔術(shù)隊與STATS的合作將包括AutoStats軟件,該軟件“通過專利的人工智能和計算機(jī)視覺技術(shù),直接從視頻中提供全面的球員跟蹤數(shù)據(jù)”。由于高校比賽現(xiàn)場的場內(nèi)跟蹤系統(tǒng)非常有限,這項新技術(shù)使得魔術(shù)隊能夠獲得以往無法實現(xiàn)的高校級賽事跟蹤數(shù)據(jù)。
通俗地講,這意味著STATS將能夠僅通過一個實時或之前錄制的游戲視頻源,就可以向魔術(shù)隊提供球員的跟蹤數(shù)據(jù)和分析功能。在過去,STATS公司依賴于SportVu硬件通過場內(nèi)攝像機(jī)來捕捉球員的跟蹤數(shù)據(jù),但這將數(shù)據(jù)范圍僅限于NBA正規(guī)賽和一小部分大學(xué),且無法用于解析已經(jīng)錄制好的以往比賽。
現(xiàn)在,這一切已成為過去。
STATAS公司計算機(jī)視覺負(fù)責(zé)人兼AutoSTAT and POSE軟件首席開發(fā)者Sujoy Ganguly表示,“我們開發(fā)出了一臺「時光機(jī)」。”
“我們做到的最酷的事情之一,就是回到過去,把數(shù)據(jù)與視頻處理能力回溯至喬丹時代。我們能夠用我們的姿勢軟件(POSE)進(jìn)行分析,直接比較喬丹與勒布朗的賽場表現(xiàn)。”
“通過這種方式,關(guān)于誰更強(qiáng)的爭論終將告一段落。”
所謂的POSE技術(shù)是一款專有軟件,可以跟蹤、測量并分析人體運(yùn)動,例如揮動球棒、投籃、甩肩或者運(yùn)動員進(jìn)行的任何其它與運(yùn)動相關(guān)的活動。
Ganguly反復(fù)強(qiáng)調(diào),他們的計劃是為各個運(yùn)動隊伍——特別是之前提到的奧蘭多魔術(shù)隊——提供軟件,讓他們?nèi)珯?quán)決定自己想學(xué)什么,并從比賽資料中總結(jié)經(jīng)驗并吸取教訓(xùn)。
Ganguly解釋稱,“我們并非向使用POSE的隊伍直接提供數(shù)據(jù)。我們希望構(gòu)建起個性化的運(yùn)動模型,而非強(qiáng)制為團(tuán)隊指定具體使用方式。”
通過雙方的獨(dú)家合作,STATS希望從魔術(shù)隊學(xué)習(xí)經(jīng)驗,而魔術(shù)隊也可以借此摸索如何使用這種新型軟件工具。
“我們希望確保我們提供的信息是有用的和必要的,讓奧蘭多魔術(shù)隊能夠借此回答他們正需要解決的問題。到目前為止,我們已經(jīng)將該技術(shù)應(yīng)用于棒球試驗當(dāng)中,用以追蹤運(yùn)動與疲勞之間的關(guān)系。”
▲ 圖為奧蘭多魔術(shù)隊主教授Steve Clifford史無前例地利用新的AI球探軟件培養(yǎng)有價值球員。
可以假設(shè),利用新的AI解決方案,NBA將能夠立足身體能力(例如跑步與跳躍能力)、投籃準(zhǔn)確率等基本信息,對球員的能力進(jìn)行全面評估。到目前為止,對于籃球技術(shù)的研究一直缺少真正科學(xué)的方法,人們只能通過肉眼觀察與統(tǒng)計數(shù)據(jù)進(jìn)行結(jié)合衡量。從理論上講,球員應(yīng)該能夠為投籃及其它運(yùn)動動作設(shè)定基準(zhǔn),并將各位球員的實際表現(xiàn)與預(yù)期模型進(jìn)行比較。
Ganguly解釋稱,“我們已經(jīng)能夠通過輸入視頻獲取姿勢信息,包括3D圖像。”
這意味著POSE軟件也可用于分析大學(xué)中的潛在優(yōu)秀球員,或者觀察一個特定的球員從大學(xué)到職業(yè)生涯中的任何一個特定階段的能力發(fā)展情況。
STATS方面表示,只要視頻的清晰度達(dá)到480 P或者更高,該軟件就能給出公平的分析結(jié)論。
目前,我們還無法斷言,魔術(shù)隊究竟如何使用這款軟件,以及其在球探工作當(dāng)中發(fā)揮的具體作用。但可以肯定的是,隨著NBA選秀以及6月自由球員交易期的到來,他們肯定會充分利用這項技術(shù),以識別任何可能代表球員競爭優(yōu)勢的指標(biāo)。
對于體育領(lǐng)域的其它運(yùn)動項目而言,我們也期待看到AI技術(shù)的更多表現(xiàn),包括其將如何逐步得到明確定義與發(fā)展。Ganguly和他的STATS團(tuán)隊對于自己的成果很有信心,并認(rèn)為這項技術(shù)翻開了體育競技的新篇章。
Ganguly表示,“目前,如果單從視頻角度出發(fā),我們已經(jīng)能夠回溯至上世紀(jì)九十年代中期。我們也在嘗試處理較為粗糙的低分辨率影片。我們使用低延遲范式,每次處理的負(fù)載量較少,因此目前的處理周期還比較長。”
著眼于未來,除了NBA之外,STATS公司還希望能夠?qū)⒆约旱能浖糜诖髮W(xué)校隊的比賽規(guī)劃與運(yùn)動員培養(yǎng)。
STATS方面指出,“目前我們正在與奧蘭多魔術(shù)隊開展短期合作,并計劃開發(fā)成功之后逐步擴(kuò)展相關(guān)成果。”
“大學(xué)高校是我們接下來的關(guān)注重點(diǎn)。我們希望了解AI技術(shù)能夠給大學(xué)運(yùn)動隊伍帶來怎樣的助益,這個問題目前還沒有明確的答案。我希望利用它來比較比賽風(fēng)格、找出其它風(fēng)格相似的隊伍,同時借此進(jìn)行運(yùn)動員培養(yǎng)——包括投籃技巧以及運(yùn)球方法等。”
時間將證明這項技術(shù)在球探與球員培養(yǎng)方面的可行性與實用性。如果奧蘭多魔術(shù)隊能夠從STATS的AI成果當(dāng)中獲得符合預(yù)期的收益,那么這也許真的會是一場激動人心的“魔術(shù)”。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。