在近日的美国网球公开赛中,IBM作为技术合作伙伴,在本届赛事中首次大规模应用人工智能技术。
IBM加大了AI在网球领域的参与力度,还推出AI抽签分析和基于赛事精彩片段的生成式AI评论,给2023年美国网球公开赛增加了更多人工智能的元素。
IBM体育和娱乐合作伙伴关系技术项目总监Tyler Sidell表示,赛事之前和比赛期间持续采集的270多万个数据点,正不断为该公司提供抽签分析更新、展示球员未来几轮晋级比赛中的相对路径和对抗难度。
IBM的Match Insights Likelihood to Win胜率分析服务截屏。
IBM借鉴了纽约比利·简·金国家网球中心(以及阿瑟·阿什体育场等17大公开赛球场)的现有视频技术,从每场比赛中提取56个不同赛事物理数据点。IBM正在跟进从正手击球速度、到发球百分比在内的各项指标,将现场数据与球员的生物信息相结合,希望在美网公开赛中打造以球迷观感为中心的智能元素。
AI抽签分析与IBM对每场比赛的胜率预测相结合。Sidell指出,利用大量数据支持预测的基本思路,也帮助美国网球协会开拓出“与球迷互动并激发讨论”的全新方式。
通过持续监控赛事信息,IBM能够使用当前数据点不断跟进球员的实时状态。Sidell指出,在温布尔登网球公开赛期间,Watson平台在在卡洛斯·阿尔卡拉斯的全部7场晋级赛中6次成功预测了比赛结果,一路见证其杀入决赛。最终,阿尔卡拉斯凭借奋力一搏,以55%的胜率击败诺瓦克·德约科维奇拿下冠军。
IBM Power Index。
随着比赛的进行,抽签分析结果也随着新见解的出现而有所变化,能够帮助球迷实时了解选手会以哪些路径迈向最终决赛。
在2023年美网公开赛的正赛之前,IBM Power Index已经将美国选手可可·高芙列为女子夺冠大热门,但当时她的真实国际排名仅为全球第六。此外,国际排名第五的翁斯·贾贝乌尔也被IBM Power Index列为二号种子选手。
在男子比赛方面,诺瓦克·德约科维奇的Power Index排名领先于卡洛斯·阿尔卡拉斯。世界排名第六的詹尼克·辛纳则成为三号种子。
至于抽签分析,比赛启动之初IBM就预测德约科维奇获得了通往决赛的最佳路径。至于女子比赛方面,杰西卡·佩古拉应该会相对轻松地进入半决赛。
汤米·保罗在IBM Power Index中的美网公开赛排名预测
IBM与美网公开赛合作已经超过30年,此次还推出针对比赛精彩片段的生成式AI解说,目前已在USTA平台上线。借由WatsonX平台,机器学习技术将从场馆内的摄像机处提取视频源,学习网球运动并尝试讲解精彩片段。
Sidell指出,“我们的目标是丰富社区体验,利用AI将比赛元数据转化为口语表达。”
使用AI系统,IBM能够在比赛结束后的几分钟内将精彩片段拼接起来、为操作赋予可扩展性,确保全部17处比赛场地发来的精彩片段和AI评论均能持续更新。
展望未来,IBM还打算为赛场AI添加多语种支持。
该服务在温布尔登首次亮相,并很快让AI解说成为球迷观看比赛时的默认选项。IBM体育和娱乐合作伙伴副总裁Noah Syken指出,“合作伙伴对新技术的积极接纳令人倍感鼓舞。”
对于2023年美网公开赛,Watson还提前做出关键预测,希望激发球迷们的讨论热情。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。