作為全球技術水平最高的運動賽事,一級方程式賽車不僅直接采用來自商業(yè)市場的領先技術方案,同時也在持續(xù)創(chuàng)造與開拓創(chuàng)新,為其他行業(yè)貢獻著豐富的技術成果。
甚至早在大數(shù)據(jù)概念正式普及之前,F(xiàn)1各車隊就已經(jīng)在采用類似的方法,將數(shù)據(jù)驅動決策貫徹到實踐創(chuàng)造中的各個層面。這一切,自然也給整個汽車工業(yè)帶來巨大的啟發(fā)與貢獻。
不過,盡管一路奮進,最近一段時間,F(xiàn)1賽事在數(shù)字化領域仍然陷于落后。首先,F(xiàn)1賽車在現(xiàn)代通信技術與云平臺的采用方面行動遲緩,這使得它在賽事播放層面的傳播、移動與社交互動更是全面落后于時代。
推動數(shù)字化進程
目前,這一情況正在改變。在Liberty Media于2017年接掌F1賽事管理權后,立即任命法拉利公司前技術總監(jiān)兼梅賽德斯車隊負責人Ross Brawn擔任支持總經(jīng)理。他明確表示,F(xiàn)1賽車將把數(shù)字化作為新時代下的頭等大事。
他在2017年曾提出,“我們有很多工作要做,目前正努力推動基礎設施的部署。”
自那以來,F(xiàn)1賽事完成了品牌改革、社交平臺升級等多項工作,并建立起了表現(xiàn)上佳的電子競技部門。通過由其組織的F1虛擬大獎賽(Virtual Grand Prix),車手、專業(yè)游戲選手以及社會各界名流得以相互競爭,并共同將F1賽事的人氣推向新的高度。
與此同時,F(xiàn)1主辦方還在部分市場推出了自己的流媒體服務F1 TV。
要想維持并拓展自己的粉絲群體,這種數(shù)字化進程將至關重要。千禧一代的口味相當挑剔,各類賽事都在努力爭奪他們的休閑時間,而能否通過Facebook、Instagram以及Snapchat等新興渠道與體育組織進行互動,就成了拉攏人氣的關鍵。
但與其他體育運動不同,F(xiàn)1賽事的直播節(jié)目只能覆蓋到比賽過程中的一小部分。比如,在網(wǎng)球比賽上,一個機位即可俯瞰全場;足球比賽雖然難度高一點,但多角度跟拍也足以體現(xiàn)細節(jié)。但在F1比賽上,20輛賽車將在幾英里長的賽道上競逐,這就給內(nèi)容傳遞帶來了巨大的挑戰(zhàn)。
線性視頻源只能在同一時間講述一個故事,為此導演組需要在2個小時的轉播中在不同故事之間往來切換。這不僅令觀眾難以了解賽場上發(fā)生的一切,也讓F1比賽的入門門檻變得過高,不容易吸引到新的粉絲。具體來講,如果不在社交媒體發(fā)布的短片中添加講解字幕,人們可能根本搞不清視頻里表現(xiàn)的是什么內(nèi)容。
面對這個難題,F(xiàn)1堅信其歷史數(shù)據(jù)庫以及每場比賽中產(chǎn)生的大量數(shù)據(jù),將成為適應需求變化與滿足觀眾口味的核心因素。過去近70年間,F(xiàn)1組織收集到了大量信息——通過每輛賽車上安裝的300個傳感器,能夠在每場比賽中產(chǎn)生超過110萬個數(shù)據(jù)點。
快速分析這些信息的能力,已經(jīng)成為決定F1車隊比賽成績的關鍵;但換個角度,我們又該怎樣將這些數(shù)據(jù)與觀眾的觀看體驗關聯(lián)起來?為此,F(xiàn)1于2018年決定與Amazon Web Services(AWS)開展合作,將原有系統(tǒng)逐步遷移至云端。目前,F(xiàn)1正在研究AWS存儲、處理與機器學習功能,希望充分利用起這套龐大的數(shù)據(jù)存儲庫。
一級方程式世界錦標賽——中國大獎賽上海站——準備日
數(shù)據(jù)的重要性
為了確定哪些洞見真正具有意義,Brawn還誠邀前法拉利威廉姆斯車隊工程師Rob Smedley加盟新項目。很多朋友對他可能并不熟悉,但過去十年以來,他曾經(jīng)無數(shù)次在F1比賽中通過車隊電臺向車手發(fā)布指示。
Smedley擁有長達25年的賽車運動從業(yè)生涯,并在2018賽季末正式宣布退休。不過出色的才華不會被埋沒,去年夏季多家車隊向他伸出橄欖枝,而他最終決定幫助Brawn為數(shù)據(jù)洞見篩查貢獻力量。
最初,Smedley以顧問的身份加入,但他現(xiàn)在已經(jīng)晉升為首席工程師,開始為F1的數(shù)據(jù)發(fā)掘之旅帶來深遠影響。
他表示,“我能做的最重要的工作,就是將自己的經(jīng)歷作為審視F1的起點。我會從分析的角度觀看比賽,但在電視上,我發(fā)現(xiàn)這種線性的觀看體驗讓人根本理解不了賽場上發(fā)生了什么!我希望能把自己的經(jīng)驗與分析方法分享給F1的粉絲們。”
“在電視上看到的內(nèi)容經(jīng)常沒頭沒尾,而我們可以通過多種方式利用數(shù)據(jù)改善這種情況??偠灾?,我們需要與人們互動,并向對方展示那些不太直觀的信息。”
“要想跟年輕的粉絲們交流,我們必須學會使用他們能夠理解的語言。周末硬拉著自己的孩子在電視機前坐兩個小時,只會讓他們討厭這場看起來毫無意義的賽車競逐。相反,我們需要用數(shù)據(jù)把整個競技過程拆分成一個個小片段,保證觀看者能夠快速理解其中的妙處。例如,我們可以將比賽內(nèi)容轉換為30秒長的剪輯片段,或者獨立制作成一段情節(jié)完整的視頻。”
Smedley非常認可F1前負責人Bernie Eclestone做出的貢獻,后者將F1賽事從“山寨產(chǎn)業(yè)”轉變成了全球重量級賽事。他也相信,Liberty Media與Brawn做出的努力將推動F1運動的進一步發(fā)展,并在全球范圍內(nèi)吸引到更為多樣的粉絲群體。
AWS Insights
作為此番努力的最新成果,F(xiàn)1 Insights利用AWS機器學習功能收集到一系列前所未有的實時統(tǒng)計信息。Smedley表示,他們還以一種容易被粉絲理解的方式,將數(shù)據(jù)打包成具體見解。
去年,F(xiàn)1轉播節(jié)目新增六項統(tǒng)計數(shù)據(jù)——出站速度、預計進站整備策略、進站時間窗口、超車預測、實際進站整備策略以及輪胎性能。而在新的賽季當中,他們還將新增加六項分析見解,汽車性能得分正是其中之一。
從奧地利大獎賽開始,觀眾將能夠看到轉播畫面中出現(xiàn)基于低速彎、高速彎、直道以及操控等標準的車輛得分圖形。這樣做不僅能讓車迷更客觀地評估每輛車的機械表現(xiàn),同時也可輕松確定哪些因素會讓每位駕駛員處于有利或不利地位。
比利時大獎賽則將發(fā)布彎道性能統(tǒng)計數(shù)據(jù),將當前車手的行駛成績與1983年以來的眾多F1車手進行直接比較。F1還將使用機器學習來預測排位賽與決賽階段的結果,提供基準以衡量駕駛員在每一場對接中的表現(xiàn)。
其中最有趣的兩項統(tǒng)計數(shù)據(jù)是,當前賽季車手與車隊表現(xiàn)的評分。車手評分將由排位賽、起跑狀態(tài)、比賽節(jié)奏、輪胎管理以及其他條件共同決定,觀眾們還可以隨時查看車隊與賽車隨時間推移的發(fā)展過程。而車隊表現(xiàn)評分則能幫助大家理解,為什么有些車隊在賽季末總能奮起直追,拿出遠超賽季初的賽場表現(xiàn)。新的零件能夠顯著提高車輛性能,先抑后揚的車隊們往往持續(xù)跟進車輛調整與研發(fā)工作,但其他車隊則可能選擇優(yōu)先開發(fā)下個賽季的車輛,借此獲得提前研發(fā)的優(yōu)勢。
梅賽德斯車隊車手Lewis Hamilton慶祝自己在英國大獎賽中勝出
可持續(xù)發(fā)展
從統(tǒng)計數(shù)據(jù)來看,某些車隊在觀眾中的人氣似乎比較有限。面對這種問題,我們又該如何處理?萬一在賽車中泄露了車廠的某些最新技術,又要怎么辦?
Smedley認為,車隊非常理解促進并發(fā)展F1賽事的重要意義,因此絕對不會因為人氣波動而輕易選擇退賽。
他解釋道,“F1、各車隊以及國際汽聯(lián)之間保持著非常密切的關系,我們正努力讓更多的企業(yè)加入這項運動。如果我們認為某些車輛的表現(xiàn)會泄露關鍵知識產(chǎn)權,或者給某支車隊帶來無可比擬的技術優(yōu)勢,我們會及時叫停相關行為。而且車隊其實一直很清楚這些問題,他們也樂于看到一級方程式賽車在塑造汽車文化、維持車迷熱情以及吸引新粉絲群體方面發(fā)揮的重要作用。”
Smedley指出,他的血液中永遠流動著比賽的熱情,也不排除將來重新回歸F1車隊的可能性。但是現(xiàn)在,他對新的賽事參與方式感到非常滿意——既不必滿世界跑來跑去,又能為自己真心熱愛的運動做出貢獻。
Smedley告訴我們,“F1給了我很多,我當然希望盡自己所能回饋這項運動。”
“也許未來我還會重新回歸F1車隊……但在此之前,我得先把F1管理層交給我的任務做好。目標必須明確、團隊必須上進、結構必須完備。我對現(xiàn)在的一切都很滿意,不過未來總是充滿變數(shù)。”
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質量與分類性能的強相關性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網(wǎng)絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構,在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現(xiàn)了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。