首页 > 推荐点评 > “超级碗”里的云科技!新型的 AI 赛事统计数据系统出炉,球迷速入!
“超级碗”里的云科技!新型的 AI 赛事统计数据系统出炉,球迷速入!
亚马逊云科技  2021-02-10 09:56:59  共84人围观

在本周日超级碗比赛之前,Amazon Web Services(亚马逊云科技)分享了与美国国家橄榄球联盟(NFL)携手合作以增强该联盟 Next Gen Stats 赛事分析系统的细节。


Next Gen Stats 系统让 NFL 可以在直播期间显示比赛统计数据,从而增强球迷的观看体验。该系统可以显示诸如球员接球后带球奔跑的码数等信息。Next Gen Stats 系统的后端基础设施托管在亚马逊云科技上。


想知道“超级碗”里的云科技是怎样的吗?那就准备好进入今天的文章内容吧~


亚马逊云科技助力 NFL

打造新型 AI 赛事统计数据系统


image.png


NFL 目前正在开发一系列增强功能,使该系统能够针对球员表现提供新的、更为复杂的预测。例如,观众未来会收到比赛预估,即如果四分卫将球传给不同的队员是否会改写比赛结果。为了实现这一目的,NFL 和亚马逊云科技携手开发了一个具备名为“Defender Ghosting”功能的人工智能模型该项目是 NFL 工程师和亚马逊云科技的亚马逊机器学习解决方案实验室的科学家们共同努力的结果,该模型的目的是预测四分卫传球后,防守后卫可能选择的轨迹。而知道防守后卫可能使用的战术,对于生成更深入的战术效果预测来说至关重要。


为了构建这一模型,亚马逊云科技和 NFL 必须克服多个技术障碍。其中最大的问题之一是数据质量。Next Gen Stats 系统是通过收集嵌入在球员肩部、足球内部以及整个体育场内的传感器的数据来获得对比赛的分析预期,而这些传感器有时会产生不准确的测量结果。


问题是,NFL 之前曾经把其中一些不准确的结果用于该模型的训练数据集中,影响了模型的可靠性。而亚马逊机器学习解决方案实验室帮助 NFL 工程师发现问题并开发了解决方案。为了消除训练数据集存在的错误,亚马逊云科技的专家们创建了一系列规则来过滤不准确的测量数据。


亚马逊云科技表示:“通过与 NFL 的沟通,研究团队排除了所有违反一些基本规则的球员追踪数据,例如,球员的运动轨迹永远不可能超出球场之外,球员的速度绝对不可能超过 12.5 码/秒(NFL 球员最高速度记录为 11 码/秒左右)。”


在解决数据质量问题之后,亚马逊云科技还优化了“Defender Ghosting”模型的功能。一些因素(例如球员奔跑速度)作为机器学习环境下的功能,也被模型用来生成结果。理想情况下,人工智能是基于对潜在结果影响最大的因素来进行计算的。


为了帮助 NFL 优化该模型的功能,亚马逊云科技用另一种 AI 设计方法(称为梯度提升(Gradient Boosting))创建了第二个模型,这种方法的准确性相对低一些。梯度提升方法在精确度上有局限性,但是在开发过程中,可以让工程师更轻松地发现对结果可靠性影响最大的功能。亚马逊云科技的科学家利用该模型不那么精确的梯度提升所产生的结果,来增强主版本的精确度。


在这个项目的推动下,目前亚马逊云科技正在与 NFL 合作,寻找其他利用 AI 技术来增强 Next Gen Stats 系统的方法。Defender Ghosting 只是亚马逊云科技科学家为开发 Next Gen Stats 系统做出的贡献之一。除此之外,还在研究与计算机视觉是否可以帮助球队达成首攻(first down)相关的数据。



以上内容翻译自:siliconANGLE

作者:MARIA DEUTSCHER



NFL 如何通过机器学习

和分析技术实现转型


image.png


机器学习让我们能够发挥更多潜能,让我们可以自信及时地完成很多之前无法处理的事情。


——Matt Swensson
新兴产品和技术部门副总裁


在 2018 年,最受欢迎的电视节目,不是广受好评的电视剧或新的热门真人秀,而是橄榄球。


在 2018 年收视率最高的 50 次电视转播里,美国职业橄榄球大联盟 (NFL) 比赛占了 46 次,平均有 1580 万观众观看了本赛季比赛。对于球迷来说,这项运动犹如国际象棋一般融合了战略、预备和本能,散发着源源不断的吸引力。从球队阵容的变化到球场环境(如室内和室外、白天和晚上,更不用说刮风和下雨天气)等,任何因素都有可能影响比赛结果,因而不容忽视。


虽然 NFL 自成立几十年来,就一直在大范围地统计各种数据,但这些指标相当基本,只是在做简单地计数统计,无法全方位展示赛况。但随着时间的推移,NFL 意识到自己需要一个更先进的系统来收集和解析数据。这种系统可以为球迷和球员剖析瞬息万变的赛况与洞察,例如,特定球员阵容的结果或影响球员表现的因素等。终极目标:为 NFL 培养客户忠诚度,并帮助铁杆球迷更好地看懂比赛。


现今,NFL 的 Next Gen Stats (NGS) 程序采用复杂的跟踪技术通过每个球员肩垫中的 RFID 设备和嵌在每个体育场中的设备收集数据。这些设备会捕获多种数据,包括特定时间内上场球员名单、精准到英尺的球员位置、球员移动速度和方向等。这一数据宝库为联盟的 32 支球队、多家媒体合作伙伴以及全球约 1.8 亿球迷提供了巨大的资源。


NFL 与亚马逊云科技合作,通过复杂的分析和机器学习充分发掘数据的力量。“机器学习让我们能够发挥更多潜能,让我们可以自信及时地完成很多之前无法处理的事情,”NFL 新兴产品和技术部门副总裁 Matt Swensson 说,“我们有很多统计数据,并希望找到利用这些数据的最佳方式。我们现在通过跟踪系统获取了大量数据,我们可以使用机器学习,来了解哪些元素相关,哪些元素不相关。”


借助机器学习工具 Amazon SageMaker,NGS 平台允许 NFL 快速轻松地创建和部署能够解读比赛的机器学习模型。其中一个例子是 NGS 的完成率指标,该指标集成了 十余项赛中测量值,包括特定传球的时长和速度、接球手和最近的防守球员之间的距离,以及四分卫和最近的突击手之间的距离。


使用 Amazon SageMaker 来轻松构建、训练和运行这些预测模型,有助于将获得结果的时间从 12 小时缩短到 30 分钟。正如 Swensson 所指出的那样,借助 Amazon SageMaker,NFL 不需要聘请数据科学家团队,因为其工程师就可以快速启动和运行。“我们每次想要做某件事时,都不再需要浪费时间研发别人已经研发好了的技术。”Swensson 说。


这些结果有助于球迷了解为什么某些传球比其他传球更困难,并针对比赛本身提供更具价值的解析。NFL 及其媒体合作伙伴可以迅速利用这些见解来改进广播和在线内容,甚至还可以教育和激励体育场内的球迷们。“我从球迷那里得到了很多积极的反馈,比如‘哇,他们是怎么完成那个传球的?’ 我们已经能够对传球进行量化并跟其他传球进行比较,这对球迷来说是真正的附加价值,因为可以更好地了解赛事环境,”Swensson 说。


当然,数据只有在能够快速方便地访问时才有用。借助商业智能工具 Amazon QuickSight,NFL 能够在内部获得更深入的见解,同时还为球迷提供了与数据互动的机会。“这让我们可以极快地进行查询提问,并在控制面板上显示答案,”Swensson 说,“我们为俱乐部、广播公司、NFL.com 网站编辑人员以及梦幻橄榄球游戏作家提供控制面板。”


这些控制面板过去需要数小时或数天的时间才能构建完成,但现在只需几分钟即可创建,还可以包含任意数量的相关筛选器。“这样我们就不必在每次想要显示信息时,都编写大量代码,”Swensson 说,“这样效率更高。”


此外,NFL 还可以将这些见解应用到组织的不同部分,从而帮助教练制定更好的比赛计划,甚至找到提高球员安全性的方法。“您拥有的信息越多,就能越好地识别比赛中的模式,”Swensson 指出。通过机器学习发现的这些模式,为更好了解球员在哪些情况下容易受伤,提供了关键信息,并且有助于设计规则,从而降低受伤风险。


最终结果是为球迷、球员和球队带来更好的体验,所有体验都是实时的。由新一代的分析系统和机器学习提供支持,这绝对就是新一代的 NFL 橄榄球。



公司名称:亚马逊AWS

亚马逊云服务(AWS)为您提供了一系列安全可靠的、可扩展的以及价格低廉的云计算平台, 可进行数据的备份与存储、网站托管及游戏开发等服务,仅按使用量付费。

查看全部点评

推荐阅读  >>

关于SohoBlink


SohoBlink科技公司数据库,是一个专业的点评类信息分享网站,同时也是一个行业图谱和公司名录,用户可在网站上通过分类栏目或者关键词搜索,找到需要的供应商名录,用户对公司的产品、服务等可以点评,公司也可主动申请成为会员加入名录,展现自己的企业品牌,获得更多合作机会。
联系方式:13817964035(微信同号)合作邮箱:171920374@qq.com
地址:中国上海市青浦区徐泾东盈港东路1529弄18号

微信公众号

扫码关注
©2016 思南领氪网络工作室 苏ICP备16027939号-1
关闭