▲ 胜出概率 (图:甲骨文/英超联赛)
日前,英超联赛宣布与科技巨头甲骨文合作创建足球分析平台,平台将为旗下全球电视转播以及社交和数字媒体渠道提供实况“赛事洞察力(Match Insights)”。
据悉,从2021-2022赛季开始,“Match Insights – Powered by Oracle Cloud”服务将在全球直播和英超联赛的社交渠道,提供关于球员表现的深度数据和统计数据。项目团队将基于每位球员表现和以往数千场比赛的信息,开发各种机器学习模型,基于实时数据流、实时跟踪数据,生成即时结果。
足球以外的其他体育项目长期以来都十分重视数据功能,将其用于改善球场表现及推动球迷在场外参与,而足球世界(除了少数例外)最近也开始重视数据分析。
在最近的数据驱动革命大潮流下,一些职业俱乐部纷纷建立了专门的分析部门,以帮助招聘、战术和球员发展,统计学家也开发了全新的指标,如“预期进球(xG)”。
对此,媒体在报道足球运动时也越来越多地用到诸如此类的分析,而其他联赛(如德国德甲)则已经将实时数据整合为国际转播的一个组成部分。
英超联赛认为,要保持自己在全球收视率最高的国内足球联赛的地位就必须提高这些洞察力,特别是对于那些年轻的、以数字原生球迷而言,数据就是他们体验的一个组成部分。而对于那些通过智能手机(可以是补充或替代电视)关注比赛的国际支持者来说,这一点也尤其重要。
在这方面,甲骨文公司的云基础架构可以储存大量的历史比赛数据以及由联赛官方数据合作伙伴提供的实时信息,例如通过计算机视觉技术收集的球员跟踪数据等等。这些信息进入云端后,甲骨文的机器学习模型即可创造出可以通过各种渠道传播的洞察力。
这样做的目的,是希望观众可以更深入地了解球场上发生的事情,进而令每场英超联赛更加精彩以及增加观众和社交媒体粉丝的数量。
据了解,该平台目前已知的比赛洞察力有三个。第一个是“攻守平衡阵型”,该模型用于跟踪所有球员在球队控球和失球时的位置,目的是帮助球迷看到球队在进攻和防守时的表现并看到比赛中策略的变化,从而理解不同比赛风格所采取的战术。
▲ 平均位置统计(图:甲骨文/英超联赛)
第二个是“即时胜出概率”。这一项统计数据将实时数据和四年的比赛统计数据结合在一起,并对该场比赛的剩余时间进行10万次的模拟及计算出两队获胜、平局或失利的可能性。该模型基于4年的比赛数据,并将球队是主场或客场、目前比分、点球、场上球员、红牌、比赛剩余时间等条件纳入考虑。
最后一项洞察力是 “态势追踪”。势头追踪预测未来10秒钟内控球球队进球的可能性,用到英超联赛的历史数据库和过去的5个事件,如传球、运球和攻门以及当前球的位置等。
英超联赛首席执行官Richard Masters表示:“我们一直在寻找新方法,力求令英超联赛更加生动及加强对比赛的分析。甲骨文是个全球品牌,甲骨文在推动创新方面一直都有很好的成绩,我们期待两家的合作可以将世界各地球迷的参与提升至新的水平。”他表示,“英超联赛力求为全球球迷带来全新的体验,我们的选择是显然的。
据悉,在计划于8月14日开幕的2021-2022赛季中,英超联赛将提供更多Match Insights分析功能。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。