▲ IBM公司正使用Watson AI生成一份權(quán)威的《守望先鋒》聯(lián)賽選手實(shí)力排行榜
我們?nèi)祟愃坪跆焐蛯?duì)排行榜這東西情有獨(dú)鐘,喜歡把各類選手或團(tuán)隊(duì)按照一定指標(biāo)羅列成清晰的榜單。但排名總會(huì)引發(fā)爭(zhēng)議,任何一份結(jié)果都或多或少要被關(guān)注者們指摘質(zhì)疑,比較極端的體育粉絲甚至?xí)榱伺琶蟠虺鍪帧?/p>
2021年《守望先鋒》聯(lián)賽(OWL)新賽季將于本周五正式拉帷幕。包括OWL播客與Plat Chat播客的分析師在內(nèi),《守望先鋒》社區(qū)中的參與者們正忙碌地計(jì)算著20支OWL參賽隊(duì)伍的實(shí)力高下。
但是,如果可以使用戰(zhàn)績(jī)數(shù)據(jù)客觀確定哪支隊(duì)伍實(shí)力最強(qiáng)、哪支隊(duì)伍更擅長哪張對(duì)戰(zhàn)地圖,是不是更好呢?或者說,也許有一種方法,能夠單純根據(jù)統(tǒng)計(jì)數(shù)據(jù)在特定時(shí)段之內(nèi)確定最強(qiáng)大的參賽選手——而不受所選英雄、角色類型或者地圖的影響。
為此,《守望先鋒》聯(lián)賽與IBM合作,使用藍(lán)色巨人打造的Watson處理大量數(shù)據(jù)以確定誰是真正的佼佼者。
這項(xiàng)合作基于去年暴雪與IBM達(dá)成的協(xié)議,協(xié)議要求使用IBM的云與人工智能技術(shù)增強(qiáng)OWL分析與交互內(nèi)容。這也是IBM公司拿下的第一筆電子競(jìng)技類交易。
《守望先鋒》聯(lián)賽副總裁Jon Spector在上周接受采訪時(shí)表示:“聯(lián)賽中的每一位選手都將獲得總評(píng)估分。而在即將開幕的第四賽季,我們將首次向全球粉絲、播客及廣大觀眾發(fā)布評(píng)分結(jié)果。參考這項(xiàng)分?jǐn)?shù),每個(gè)對(duì)〈守望先鋒〉感興趣的朋友都能看到當(dāng)季最強(qiáng)選手是誰。”
IBM公司《守望先鋒》聯(lián)賽項(xiàng)目負(fù)責(zé)人兼數(shù)字化戰(zhàn)略師Corey Shelton提到:“每個(gè)團(tuán)隊(duì)有三類角色定位,大家可以從包含32名英雄的英雄池中隨意選擇。從數(shù)字角度來看,我們實(shí)際上是要在給定的匹配項(xiàng)中跟蹤近200萬個(gè)數(shù)據(jù)點(diǎn),以統(tǒng)計(jì)學(xué)方式對(duì)這些數(shù)據(jù)點(diǎn)進(jìn)行處理。這是一項(xiàng)非常有趣的挑戰(zhàn),我們IBM也對(duì)此次〈守望先鋒〉聯(lián)賽項(xiàng)目充滿期待。”
“這是一次展示當(dāng)前數(shù)據(jù)與AI強(qiáng)大力量的寶貴展示機(jī)會(huì)。我們已經(jīng)在銀行、航空、零售及其他多個(gè)行業(yè)中使用這些技術(shù)。但這一次,我們將有機(jī)會(huì)向〈守望先鋒〉的粉絲們展示這些技術(shù)能達(dá)成哪些效果。”
為了及時(shí)在2021年第四賽季開始之前完成AI模型構(gòu)建,IBM決定采用其Area 631計(jì)劃。這是一個(gè)孵化器式的計(jì)劃,包括數(shù)據(jù)科學(xué)家、AI專家與軟件開發(fā)者在內(nèi)的六位專家集合起來,共同在3個(gè)月之內(nèi)提出一套解決方案。IBM與OWL的分析師團(tuán)隊(duì)共同合作,在短短兩個(gè)月之內(nèi)就配合IBM Watson開發(fā)出了Power Ratings戰(zhàn)力排行榜。
AI模型從OWL匹配中分析了360多種不同的統(tǒng)計(jì)信息,其中包括選手命中率、治療速度乃至贏下比賽的速度等。
Area 631團(tuán)隊(duì)首先使用IBM Cloud Pak for Data對(duì)供分析使用的大量數(shù)據(jù)進(jìn)行聚合、分類與準(zhǔn)備。使用高級(jí)分析發(fā)現(xiàn)各項(xiàng)指標(biāo)與比賽結(jié)果之間的相關(guān)性之后,團(tuán)隊(duì)就能弄清楚各項(xiàng)統(tǒng)計(jì)數(shù)據(jù)具體給隊(duì)伍的比賽結(jié)果帶來了怎樣的影響。
接下來,IBM Watson Studio的機(jī)器學(xué)習(xí)與Auto AI功能負(fù)責(zé)為每項(xiàng)指標(biāo)分配權(quán)重。盡管所有統(tǒng)計(jì)數(shù)據(jù)都會(huì)影響到戰(zhàn)力排行榜,但其中約30項(xiàng)的權(quán)重更高,因此在隊(duì)伍評(píng)分中的作用更大。Shelton表示,AutoAI“簡(jiǎn)化了構(gòu)建AI模型的過程”。
關(guān)于Power Rankings,Spector強(qiáng)調(diào)這是兩個(gè)團(tuán)隊(duì)投入數(shù)月努力的心血結(jié)晶,并將在之后每周比賽結(jié)束后更新。IBM將直接從OWL數(shù)據(jù)中心處接收關(guān)于《守望先鋒》聯(lián)賽的信息,并將其輸入至Watson當(dāng)中。
Watson每周只需要約一個(gè)小時(shí)就能處理這批海量數(shù)據(jù)。
Spector指出,OWL團(tuán)隊(duì)非常重視縮短周轉(zhuǎn)時(shí)間。如果觀眾們發(fā)現(xiàn)某位選手在單場(chǎng)比賽中表現(xiàn)出色,自然希望相關(guān)結(jié)果能夠馬上體現(xiàn)在選手排行榜當(dāng)中。Spector表示,“我認(rèn)為至少要每周更新一次排名,保證不斷發(fā)布最有趣的賽事信息與細(xì)節(jié),讓粉絲們始終擁有良好的討論熱度。因此,我們決定在每個(gè)周末比賽結(jié)束后進(jìn)行數(shù)據(jù)更新,并盡快發(fā)布新的戰(zhàn)力排行榜。”
這套Power Rankings系統(tǒng)的另一個(gè)有趣之處,在于無論具體選擇哪類角色、哪名英雄,所有選手都可以在同一份排行榜中正面比較自身實(shí)力。
比較不同選手之間的DPS(即每秒傷害輸出)相對(duì)簡(jiǎn)單,我們可以直接關(guān)注每10分鐘時(shí)段之內(nèi)的最后一擊或持續(xù)傷害等統(tǒng)計(jì)數(shù)據(jù),借此了解同類玩家的戰(zhàn)場(chǎng)表現(xiàn)。但要對(duì)不同角色定位的選手進(jìn)行比較,情況就變得相當(dāng)復(fù)雜。換言之,靈活機(jī)動(dòng)的輔助型選手與幫助隊(duì)友擋下大部分傷害的主坦角色誰更重要、誰對(duì)戰(zhàn)斗結(jié)果的貢獻(xiàn)更大?
AI將根據(jù)每位選手在周末比賽中的實(shí)際影響為其計(jì)算出總體得分。誰的得分更高,誰在排行榜上的名次就更好。觀眾們則可以瀏覽這份清單,觀看每位選手的得分以及按角色類型進(jìn)一步劃分的選手排名。
我們當(dāng)然可以查看關(guān)于選手們的更多詳盡統(tǒng)計(jì)信息,但I(xiàn)BM Watson決定將Power Rankings的關(guān)注重點(diǎn)放在總得分上。你可以把它理解成一種綜合實(shí)力的“世界500強(qiáng)”式排名,只是單純面向《守望先鋒》職業(yè)選手。這套模型甚至能夠解釋《守望先鋒》聯(lián)賽選手在不同角色定位之間的切換理由與戰(zhàn)績(jī)表現(xiàn)。
Spector感嘆道:“我本人也是個(gè)〈守望先鋒〉聯(lián)賽迷,這真的太有趣了。在完成了算法的開發(fā)、構(gòu)建與完善之后,現(xiàn)在我也可以像普通觀眾一樣輕松愉快地跟進(jìn)到底誰是2020年全球最強(qiáng)〈守望先鋒〉選手。過去幾個(gè)月來,這套AI模型帶來了非常有趣的體驗(yàn),我迫不及待想把成果呈現(xiàn)到全球粉絲面前。”
▲ IBM Watson的加持下,粉絲們將看到哪些《守望先鋒》聯(lián)賽選手能夠在新一輪對(duì)抗中脫穎而出。
為了測(cè)試這套模型,團(tuán)隊(duì)使用了2020年的OWL賽季數(shù)據(jù)。而且與大多數(shù)人的直觀認(rèn)知不同,DPS并不是《守望先鋒》比賽中最重要的角色類型——至少上個(gè)賽季的數(shù)據(jù)不是這么說的。舊金山Shock隊(duì)頭號(hào)輔助Minki “Viol2t”Park被評(píng)為2020年排行榜中的冠軍。
Shelton提到,“我認(rèn)為其中最大的驚喜或者說反直覺意義,在于這套模型會(huì)顛覆大多數(shù)人的基本假設(shè)??v觀前十位選手,其實(shí)選擇DPS類角色的比例很低。這款游戲的角色主要分成三類,戰(zhàn)隊(duì)要想拿下比賽,這三種角色都非常重要。而在排名當(dāng)中,輔助類角色與坦克類角色的價(jià)值其實(shí)相當(dāng)高。”
Spector也補(bǔ)充道,“我們還評(píng)出了上屆聯(lián)賽中的MVP,即上海Dragons隊(duì)的DPS巨星Byung-sun「Fleta」Kim,在整個(gè)排行榜中位列第十。很多粉絲可能懷疑DPS角色的競(jìng)賽貢獻(xiàn)為什么會(huì)這么低,畢竟這些玩家在比賽中帶來的視覺沖擊力更強(qiáng)——我們都會(huì)被精彩絕倫的爆頭與連殺所震撼,不自覺給這類玩家「過高」的評(píng)價(jià)。但他們并沒有那么重要,數(shù)據(jù)說的。”
“與之相比,全球最強(qiáng)的坦克與輔助角色有著更重要的任務(wù),例如在正確的時(shí)間介入以抵擋傷害或挽救隊(duì)友,同時(shí)需要以更精妙的方式管理技能冷卻或其他即時(shí)判斷。但在正常觀看〈守望先鋒〉時(shí),包括我在內(nèi)的絕大多數(shù)粉絲甚至意識(shí)不到這些。IBM Watson能夠更好地把這些細(xì)節(jié)加以量化,告訴大家種種不起眼的小操作能夠如何左右戰(zhàn)局。”
▲ IBM公司正使用Watson AI生成客觀公正的《守望先鋒》聯(lián)賽戰(zhàn)力排名。
我們很高興看到Power Rankings的每周更新結(jié)果,特別是在比賽期間對(duì)全新平衡補(bǔ)丁的快速適應(yīng)。而在每個(gè)《守望先鋒》聯(lián)賽賽季當(dāng)中,元轉(zhuǎn)換都普遍存在且影響重大——一支在前幾輪比賽中占據(jù)統(tǒng)治地位的隊(duì)伍,很可能隨季后賽的來臨而遭遇排名下降;與之對(duì)應(yīng),前期艱難苦戰(zhàn)的隊(duì)伍也有可能強(qiáng)勢(shì)反殺。
未來Watson可能會(huì)給出更多OWL洞見,但就目前而言,Power Rankings仍然是絕對(duì)的中心。在賽季開始后的每個(gè)周一,你都可以在《守望先鋒》聯(lián)賽與IBM網(wǎng)站上查看最新結(jié)果,并在OWL播客中收聽消息?,F(xiàn)在,各位已經(jīng)可以在這里查看Watson整理出的上賽季排名。
戰(zhàn)力排行榜還有另外一面——戰(zhàn)隊(duì)老板、經(jīng)理與教練也可以借此了解選手們?cè)诒荣愔械谋憩F(xiàn)??雌饋?,OWL播客團(tuán)隊(duì)也會(huì)很快把Power Rankings引入自己的現(xiàn)場(chǎng)解說與播報(bào)節(jié)目。
Spector提到,“IBM員工為我們的各位播主組織了一場(chǎng)會(huì)議,向他們解釋了Power Rankings的工作原理。大家給出了積極的反饋,對(duì)這套戰(zhàn)力排行榜充滿期待,也期待使用它降低工作強(qiáng)度并為粉絲們提供更好的解說服務(wù)。”
數(shù)據(jù)不會(huì)說謊,但由此得出的戰(zhàn)隊(duì)與選手排名真就毫無爭(zhēng)辯的余地嗎?這倒未必。
畢竟這里是電子競(jìng)技賽場(chǎng),每個(gè)人都可以有自己的觀點(diǎn)。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。