西雅图海鹰橄榄球队正在寻求亚马逊网络服务公司的帮助,以期在NFL(美国职业橄榄球大联盟)中打造自己的竞争优势。
该球队周一表示,他们打算使用亚马逊无所不在的云计算服务来获得比赛策略,并取得更积极的成果。海鹰队成了AWS最新获得的大客户,该球队表示将把其大部分的计算基础架构转移至西雅图邻居的云平台上。
该球队计划使用多种AWS服务——包括数据库、分析和机器学习工具,来分析比赛画面并制定更有效的比赛计划。
该球队的主要想法之一是将每周的NFL Next Gen Stats球员跟踪数据和自己内部生成的数据结合起来,开发自定义分析和自己专有的统计数据。这将涉及在亚马逊的Simple Storage Service(简单存储服务)上建立一个数据池,该数据池中将包含球员健康状况数据及球探的信息,以便更好的了解每个球员的能力。然后海鹰队将对这些信息进行分析,以“获取见解,从而更好地评估人才并制定比赛计划。”
该球队还将与Amazon ML解决方案实验室合作,开发能够分析其对手球队视频片段的新工具。他们的想法是创建一个“基于云的视频分析平台”,该平台利用Amazon Rekognition来识别和跟踪对方球员,并使该队的教练更好地了解对方的策略。
该平台还将利用AWS SageMaker服务来构建、训练和部署机器学习模型,从而可以预测特定球员的表现。然后,该系统将向海鹰队的教练人员提供建议,帮助他们在比赛中做出更明智的决定。
AWS全球商业销售副总裁Mike Clayville在一份声明中表示,海鹰承认数据正在成为体育领域的竞争优势。
海鹰副总裁Chip Suttles补充表示:“ AWS服务的广度和深度将帮助我们从收集到的海量数据中提取信息并获得所有可能的优势,提供我们需要的、切实可行的见解,从而对我们的决策产生积极的影响。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。