▲ 勝出概率 (圖:甲骨文/英超聯(lián)賽)
日前,英超聯(lián)賽宣布與科技巨頭甲骨文合作創(chuàng)建足球分析平臺,平臺將為旗下全球電視轉(zhuǎn)播以及社交和數(shù)字媒體渠道提供實況“賽事洞察力(Match Insights)”。
據(jù)悉,從2021-2022賽季開始,“Match Insights – Powered by Oracle Cloud”服務(wù)將在全球直播和英超聯(lián)賽的社交渠道,提供關(guān)于球員表現(xiàn)的深度數(shù)據(jù)和統(tǒng)計數(shù)據(jù)。項目團隊將基于每位球員表現(xiàn)和以往數(shù)千場比賽的信息,開發(fā)各種機器學習模型,基于實時數(shù)據(jù)流、實時跟蹤數(shù)據(jù),生成即時結(jié)果。
足球以外的其他體育項目長期以來都十分重視數(shù)據(jù)功能,將其用于改善球場表現(xiàn)及推動球迷在場外參與,而足球世界(除了少數(shù)例外)最近也開始重視數(shù)據(jù)分析。
在最近的數(shù)據(jù)驅(qū)動革命大潮流下,一些職業(yè)俱樂部紛紛建立了專門的分析部門,以幫助招聘、戰(zhàn)術(shù)和球員發(fā)展,統(tǒng)計學家也開發(fā)了全新的指標,如“預(yù)期進球(xG)”。
對此,媒體在報道足球運動時也越來越多地用到諸如此類的分析,而其他聯(lián)賽(如德國德甲)則已經(jīng)將實時數(shù)據(jù)整合為國際轉(zhuǎn)播的一個組成部分。
英超聯(lián)賽認為,要保持自己在全球收視率最高的國內(nèi)足球聯(lián)賽的地位就必須提高這些洞察力,特別是對于那些年輕的、以數(shù)字原生球迷而言,數(shù)據(jù)就是他們體驗的一個組成部分。而對于那些通過智能手機(可以是補充或替代電視)關(guān)注比賽的國際支持者來說,這一點也尤其重要。
在這方面,甲骨文公司的云基礎(chǔ)架構(gòu)可以儲存大量的歷史比賽數(shù)據(jù)以及由聯(lián)賽官方數(shù)據(jù)合作伙伴提供的實時信息,例如通過計算機視覺技術(shù)收集的球員跟蹤數(shù)據(jù)等等。這些信息進入云端后,甲骨文的機器學習模型即可創(chuàng)造出可以通過各種渠道傳播的洞察力。
這樣做的目的,是希望觀眾可以更深入地了解球場上發(fā)生的事情,進而令每場英超聯(lián)賽更加精彩以及增加觀眾和社交媒體粉絲的數(shù)量。
據(jù)了解,該平臺目前已知的比賽洞察力有三個。第一個是“攻守平衡陣型”,該模型用于跟蹤所有球員在球隊控球和失球時的位置,目的是幫助球迷看到球隊在進攻和防守時的表現(xiàn)并看到比賽中策略的變化,從而理解不同比賽風格所采取的戰(zhàn)術(shù)。
▲ 平均位置統(tǒng)計(圖:甲骨文/英超聯(lián)賽)
第二個是“即時勝出概率”。這一項統(tǒng)計數(shù)據(jù)將實時數(shù)據(jù)和四年的比賽統(tǒng)計數(shù)據(jù)結(jié)合在一起,并對該場比賽的剩余時間進行10萬次的模擬及計算出兩隊獲勝、平局或失利的可能性。該模型基于4年的比賽數(shù)據(jù),并將球隊是主場或客場、目前比分、點球、場上球員、紅牌、比賽剩余時間等條件納入考慮。
最后一項洞察力是 “態(tài)勢追蹤”。勢頭追蹤預(yù)測未來10秒鐘內(nèi)控球球隊進球的可能性,用到英超聯(lián)賽的歷史數(shù)據(jù)庫和過去的5個事件,如傳球、運球和攻門以及當前球的位置等。
英超聯(lián)賽首席執(zhí)行官Richard Masters表示:“我們一直在尋找新方法,力求令英超聯(lián)賽更加生動及加強對比賽的分析。甲骨文是個全球品牌,甲骨文在推動創(chuàng)新方面一直都有很好的成績,我們期待兩家的合作可以將世界各地球迷的參與提升至新的水平。”他表示,“英超聯(lián)賽力求為全球球迷帶來全新的體驗,我們的選擇是顯然的。
據(jù)悉,在計劃于8月14日開幕的2021-2022賽季中,英超聯(lián)賽將提供更多Match Insights分析功能。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領(lǐng)域帶來了效率和精度的雙重突破。