英超足球俱樂部在吸收年輕人才方面一直表現(xiàn)得很糟糕——錢沒少花,卻成效不顯。
現(xiàn)代球探機制已經非常復雜,需要建立起全球人才發(fā)現(xiàn)網絡,分析師團隊,并整理大量數(shù)據與視頻。
隨著這項運動的專業(yè)化程度越來越高、全球化程度不斷提升、相關技術愈發(fā)先進,整個球探體系的運作也更加復雜。全球人才發(fā)現(xiàn)網絡加上敬業(yè)的內部分析人員,需要不斷研究大量數(shù)據與視頻片段,才能找到有望帶領俱樂部走向新高峰的才俊。
如今,足球俱樂部需要監(jiān)控各個年齡段的青年球員,分析誰有望順利晉級。但也有不少球員被球探網絡所遺漏,特別是在疫情影響下,業(yè)余球員越來越難以在低級別賽事中被及時發(fā)現(xiàn)。
低級聯(lián)賽俱樂部顯然拿不出頂級球隊那樣充裕的球探資源,世界上也還有很多地區(qū)完全游離于關注范圍之外。某些意外落選的年輕人可能身負才能,也有一部分球員雖然得到了關注、卻因為無意中的偏見而慘遭淘汰。
好消息是,以人工智能(AI)代表的前沿科技正推動足球運動中各項元素(特別是教練與比賽分析)的大眾化。新的應用,有望徹底改變球探制度的運作模式。
AiSCOUT允許全球各地的任意用戶拍攝自己的訓練視頻,使用視頻識別技術衡量他們的運動表現(xiàn)。以此為基礎,專業(yè)球探們將了解球員的技術、運動能力、認知水平與心理強度。更重要的是,AiSCOUT還能夠與目前各專業(yè)俱樂部所使用的多種分析工具緊密集成。
AiSCOUT創(chuàng)始人兼CEO Darren Peries告訴我們,“一切的關鍵在于抓住機遇。有些球員可能永遠無法被發(fā)現(xiàn),而我們正在使用技術幫助他們嶄露頭角。”
他以本·格林伍德為例,提到他以往沒有被任何俱樂部相中。格林伍德曾經接受過切爾西的篩選,但表現(xiàn)不佳。后來憑借著在業(yè)余比賽中的出色成績,他已經成為伯恩茅斯足球俱樂部的簽約球員。
AiSCOUT項目誕生于三年之前,旨在為切爾西在發(fā)掘新人方面提供寶貴的專業(yè)指導。如今,英超聯(lián)賽球隊伯恩利成為首支使用該平臺進行公開選拔的俱樂部,任何年滿14周歲的愛好者均可報名參加。
需要強調的是,AiSCOUT與伯恩利隊背后都有著ALK Capital這家投資機構的支持,二者也借此機緣建立起合作伙伴關系。伯恩利方面也強調稱,這次合作不只是要借用英超聯(lián)賽的全球影響力提高人們對于AiSCOUT的了解,同時也要用真實結果證明這套平臺的客觀表現(xiàn)。
伯恩利俱樂部主席兼ALK Capital管理合伙人Alan Pace指出,“這是我們第一次嘗試向足球俱樂部引入以數(shù)據為主導的新興技術成果。通過為全球各地有志成為職業(yè)球員的年輕人們提供機會,伯恩利隊也將由此開拓出新的足球疆域。”
“目前,新冠疫情導致蘭開夏郡乃至整個英國的青少年足球賽事被迫停擺。此次試驗將給足球運動員們一個開放而包容的機會,讓足球運動員在自己的環(huán)境中完成一系列訓練,最終接受英超俱樂部球探們的考察。”
除了伯恩利隊之外,這套平臺也將面向其他俱樂部開放。各頂尖俱樂部有望借此發(fā)現(xiàn)天縱之才,普通球隊也可以借此擴大自己的人才儲備,國家足球大聯(lián)盟更能夠為自己的國家隊補充新鮮血液。
這不僅能夠帶來顯著的商業(yè)收益,同時也將提供更多數(shù)據以增強AiSCOUT算法的實際功能。
Pace還提到,“我們正與其他多支重量級球隊開展合作。任何英超聯(lián)賽俱樂部都可以在這套平臺上進行自己的試驗性應用。”
數(shù)據對足球的影響越來越大,幾乎滲透到這項運動中的各個角落。人工智能的應用將成為合乎邏輯的未來發(fā)展方向,但Peries本人堅信球探工作的主體將永遠是人、而非AI。
他總結道,“我們并不是要取代現(xiàn)有方式,也不是要消滅傳統(tǒng)球探。AiSCOUT只是要為球探們提供支持,包括提供數(shù)據以篩選值得進一步關注的新球員。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升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模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(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量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。