在2024赛季即将到来之际,美国国家橄榄球联盟和亚马逊云科技(Amazon Web Services Inc.)继续推动人工智能和机器学习在橄榄球领域的应用。通过2017年开始的合作,美国橄榄球联盟已利用 AWS技术提高了球员表现分析、比赛策略和球迷体验。
即将到来的NFL比赛将展示一种新的人工智能工具Tackle Probability(擒抱概率),该工具可实时分析和预测后卫进行擒抱的可能性。该工具能识别最可靠的后卫和最难抓的持球人。它还能提供关键表现指标的数据,如失误的擒抱和成功的擒抱,为球队的进攻和防守策略提供有价值的见解。
更具体地说,Tackle Probability每1/10秒就会检查20个不同的因子,包括每个后卫的位置和速度。利用这些数据点,一个根据过去五年比赛数据训练的人工智能模型会计算出在比赛中任何特定时刻发生擒抱的可能性。根据这些数据,该模型会创建新的统计数据,如后卫尝试擒抱而不失误的频率,或跑锋迫使擒抱失误的频率。这有助于教练了解哪些球员在擒抱或躲避擒抱方面最可靠。
Tackle Probability是NFL球员和球追踪平台Next Gen Stats的一项功能,该平台主要依靠 AWS处理从比赛中收集的大量数据。该平台每个赛季收集超过5亿个数据点,为NFL提供先进的统计数据,改善观看体验并帮助做出比赛决策。这包括规则的改变,如新的动态开球,通过调整球员的位置和移动,最大限度地减少开球过程中的高速碰撞和伤害。
Digital Athlete(数字运动员)是利用AWS开发的另一款工具,旨在提高球员的安全性。该工具模拟比赛和训练场景,帮助教练和医务人员评估受伤风险,这样他们就可以为每位球员制定预防和恢复计划。我们可以把这想象成建立一个球员的数字孪生体,然后让他们经历各种场景,从而更好地了解受伤发生的时间和方式。球队可以利用这些数据来避免这些情况,让球员在场上的时间更长。
除了提高球员的安全性,AWS还与NFL Media合作实施Amazon Q Business,这是一款人工智能助手,可以回答业务和生产相关的问题。它就像一个自动服务台,可以回答常见的技术或操作问题。NFL Media还推出了一款由亚马逊云科技Bedrock支持的研究工具,允许制作团队使用简单的语言提示从NFL的Next Gen Stats数据库里的特定比赛中收集见解和片段。
NFL相信,通过自动化日常任务和加快研究速度,这些开发将提高工作效率。团队不必再把时间花在重复性的活动上,而是可以集中精力在NFL Media的各个频道上创建高质量的内容,如NFL Network、NFL Films、NFL.com、NFL+、NFL应用程序和社交媒体渠道。
包括Tackle Probability在内的许多创新的灵感来自于AWS Big Data Bowl(大数据杯)的参赛创意,该项目创建于五年前,旨在为NFL的Next Gen Stats开发新的使用方法。该计划为工程师、数据科学家、学生和其他没有体育经验的人创建了一个开放的平台,让他们参与到橄榄球分析中来。
该竞赛自2019年启动以来已增长了四倍,去年有400名参赛者提交了230多份作品,而在竞赛创办以来的5个年头里,参赛者超过了75个国家。通过实现数据访问的民主化,NFL和AWS可以加速创造和创新。自Big Data Bowl举办以来,已有50多名参与者在专业体育分析领域找到了工作,其中30多人被 NFL球队或球员跟踪供应商聘用。
体育联盟拥有丰富的数据,其中许多数据几十年来一直未被开发利用。找到了解数据和相关体育运动的专家以获取价值是一项挑战。生成式人工智能使任何人,无论是否具有数据科学或体育背景,都能找到利用这些数据的新方法,从而实现运营价值并创造新的球迷体验。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。