球探最糟糕的噩梦莫过于花了半天时间驾车去观看别人推荐的足员,却发现球员水平远低于所需的标准,但人工智能很快将可以让球探们无需再舟车劳顿。
从本赛季开始,包括切尔西(Chelsea)、诺丁汉森林(Nottingham Forest)和奥林匹亚科斯在内的几家足球俱乐部将开始使用一款名为AiSCOUT的移动应用程序帮助他们寻找新球员。
AiSCOUT可为球探们提供足球运动员的运动能力、认知能力和技术能力的数据,球探们因此能够更精准地搜索。球员自己上传根据俱乐部设定的练习动作视频。这些练习动作是俱乐部现役球员要做的,所以可作为基准判断被甄选球员的水平。
AiSCOUT的首席运营官和体育科学主管Richard Felton表示,在过去,切尔西经常收到比赛录像,但如果不知道球员所面对的对手的水平,这些录像基本上没有用。而对比切尔西现役球员进行基准测试,俱乐部就可以知道应用程序上的球员是否值得更仔细地看看。
Felton表示,职业球员数百万英镑的签约价格基于许多的数据,但这些数据却只有在球员已经成了职业球员时才被收集。AiSCOUT应用程序将有助于为球探们提供业余球员的数据,如此球探们就可以找到目前系统遗漏的任何人。
AiSCOUT应用程序上的练习动作范围包括运球速度、注意力的测量、反应时间的认知测试等等。球员只需要一部智能手机、一个足球、一些可以用作标记的东西以及一个可以进行练习的场地就可以完成这些练习动作。Felton表示,AiSCOUT已经在各种手机上进行过测试,可以针对不同的场地表面进行调整,例如在光滑的人工草皮或沙地上运球。
使用AiSCOUT应用程序的俱乐部可以准确地敲定他们要找的特质,例如,切尔西在甄选过程的早期阶段专注于力量和速度。缺乏这些特质的球员永远不会成为切尔西的球员,但也许他们的其他特质使得他们很适合其他俱乐部。
AiSCOUT除了作为一个预筛工具外还可以帮助球探找到他们可能错过的任何球员。
AiSCOUT在早期的测试中曾发掘过一个名为Ben Greenwood的球员,切尔西后来邀请他进行了一天的试用。最后他在切尔西呆了十周。他目前在Bournemouth跟一号队一起踢球,曾代表青年爱尔兰队上过场。
Greenwood的家离切尔西的训练场只有几英里远,但在使用AiSCOUT之前,他从未被切尔西或任何其他职业俱乐部关注过。
切尔西有那么多有才华的年轻人,俱乐部可能不需要太多的帮助就可以找到新球员。人工智能真正有用的地方是帮助那些没有相同球探资源的球队找新球员。
例如一些小型国际球队,加勒比岛国球队参加过CONCACAF比赛,该球队在世界各地有很多人有资格为他们效力,但却没有球探资源去找到这些球员。甚至智利Blackburn Rovers的前锋Ben Brereton Diaz据说也是在球迷通过《足球经理》电脑游戏发现了他的智利血统后才找到的。
这一类的国家队就可以利用AiSCOUT这个应用程序寻找潜在的新球员并邀请他们参加训练营。在世界各地有数以百万计的有天赋的年轻人,他们没有参加过足球比赛,但可能拥有在比赛中取得成功的所有特质。如果人工智能可以到这些球探自己永远不会看的地方去挖掘,谁知道可以找到什么样的人才呢。
在许多足球电影中都可以看到用烂了的桥段,一名球员匆匆离开某个重要场合赶往比赛现场,就为了让曼联球探看到自己。假若诸如AiSCOUT一类的人工智能得到广泛使用,那么该球员早就已经在俱乐部的雷达上了,还可能已经被邀请过来进行试用过了。
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。