
▲ 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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。