正文

请到「今天看啥」查看全文

最后，除了传球没能彻底完成，猎鹰队的行动完全符合预测。做出这个预测的Splunk，之前已经把至少一整年的比赛数据输入了电脑。

此前，北卡莱罗纳州立大学的William Burton和Michael Dickey，建立了一个模型来预测一支NFL球队会如何传球和跑位，这对于防守首席教练来说非常有用。在一场达拉斯牛仔对阵杰克逊维尔美洲虎的比赛中，这个模型识别出了91.6%的战术类型。

已故明星球员Junior Seau曾经说，“橄榄球就是下棋”。

当然橄榄球比赛不仅仅是传球和跑位这么简单，球场上下一秒可能会出现的情况，远比棋盘上下一步的可能性复杂得多。国际象棋的棋子都站在一个方格里，沿着直线或者斜线以固定的方式行动。任何一个球员的行动都不可能如此简单。

每次战术呼叫，必须在进攻前仅有的40秒窗口期内完成，这进一步提高了计算的挑战。“现在还不算真正的实时”，大数据分析公司Datameer的创始人Stefan Groschupf说，“机器可以基于历史数据进行计算，然后给出建议”，但还是不够快。

人工智能还不能快到跟随比赛动态即时做出决定。然而有两个关键因素正推动着AI在橄榄球运动中继续发展：一是巨大的数据量，二是巨额的资金支持。

机器学习和博弈论

与橄榄球最相关的两个AI研究领域，是机器学习和博弈论。斯坦福大学计算机科学荣誉教授Yoav Shoham说，机器学习也能做到“点球成金”。无论是IBM的沃森，还是早在2012年就可以从视频中识别出猫咪的Google人工大脑，背后都是机器学习。

从一个巨大的数据集当中，一台聪明的计算机可以找出数据之间的关系也就是模式，并且从过去的动作和结果中学习。这之后，计算机可以对未来进行推测。

这种方法的效果，有赖于数据集的大小。可用的信息越多，计算机就越聪明。“未来甚至可以模拟每个球员的生理情况”，Shoham说“还能模拟他们的精神状态”。但是数据往往都是孤岛般的存在着，每个团队都保守着自己的数据秘而不宣。

多数情况下，训练都是不公开的，因为害怕对手获得敏感信息。

请到「今天看啥」查看全文