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」。”
“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、測量并分析人體運動,例如揮動球棒、投籃、甩肩或者運動員進行的任何其它與運動相關(guān)的活動。
Ganguly反復(fù)強調(diào),他們的計劃是為各個運動隊伍——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)建起個性化的運動模型,而非強制為團隊指定具體使用方式。”
通過雙方的獨家合作,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)成功之后逐步擴展相關(guān)成果。”
“大學(xué)高校是我們接下來的關(guān)注重點。我們希望了解AI技術(shù)能夠給大學(xué)運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,同時借此進行運動員培養(yǎng)——包括投籃技巧以及運球方法等。”
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
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。