體育賽事中使用人工智慧一直都有著很高的關注度，越來越多的賽事或者運動隊伍都開始花費大量精力用於收集、整理以及分析資料，希望從資料中發現趨勢、規律，以發現更好的人才，更科學地訓練運動員，更多機會贏得比賽。

“過去在賽事上，更多的關注點都在賽場的球上，現在使用人工智慧可以看到賽場上所有的一切情況。” 職業足球焦點聯合創始人兼執行長、NBC體育頻道週日橄欖球之夜播音員Cris Collinsworth說道。

運動賽事的受眾也正在因人工智慧受益，使用人工智慧可以讓轉播商進一步提高觀賽體驗，當然可使用的技術不僅僅只有一個。

F1專家技術顧問Rob Smedley表示，技術人員和非技術人員在看比賽的角度是不一樣的，技術人員給到老闆的意見是經過挑選的洞見，而且這是一個多米諾不是靜止不動的，當然我們也不主張將過多的資料呈現在觀眾面前，太過炫技可能會喧賓奪主，讓注意力分散。

大家喜歡體育賽事主要是因為比賽的關鍵還是運動精神，所以要跟上比賽的速度，觀眾希望時時的瞭解，當然其中還蘊含了一些體育文化上的因素。

“在F1比賽的轉播已經有50年之久，需要讓車迷持續不斷的保持收看是不容易的。”Rob Smedley說道，想要吸引觀眾看賽車一圈一圈的在賽道上跑，需要更加有代入感，要將更多有趣的洞見給到觀眾。

紐西蘭橄欖球首席創新官Jason Healy看到多屏同步已經成為一個趨勢，而且是需要思考的問題。因為觀眾在看電視的同時也在使用手機或其他電子裝置，很可能錯過一個精彩的進球，所以你要做的就是把資料收集起來，聰明的餵給觀眾。

當然對於比賽而言，培育新的觀眾也是當務之急，需要找到很棒的技術夥伴，把比賽的體驗儘可能好的提供給中間年齡段的觀眾。Rob Smedley提到，現在觀眾的觀看習慣都在改變，需要把比賽資料自上而下推到金字塔的底端。

人工智慧在田徑游泳足球等這類比賽中發揮作用不大。但是在智力性，技巧性體育賽事中則會產生較大影響，目前研發的羽毛球，乒乓球陪練機器人，已經非常靈活，能替代陪練員參與日常訓練。再就是象棋、圍棋、橋牌等賽事，人工智慧已經完全佔優，人已經不是機器人的對手！希望採納[靈光一閃]

機器學習是各行各業都不能錯過的科技

在 AWS re:Invent 年會上，AWS 釋出了大幅降低 AI 使用門檻的服務「SageMaker Studio」。這次專訪到 AI Product Marketing Head Joel Minnick，來談談機器學習對各行各業的可能性。以下為訪談紀錄：

我覺得數字化轉型最重要的就是如何讓客戶積極擁抱機器學習，讓機器學習可以被更廣泛使用，這也是 AWS 過去三年所努力的方向，我們一直在想如何降低機器學習的入手門檻。因此在 AI 表層方面，AWS 現在已經有很多功能讓大家使用，不管顧客完全不懂機器學習還是隻懂一點點，現在都可以用更快速的速度，透過機器學習的模型讓自己的事業更有效率。

SageMaker Studio，它是一站式的 IDE 機器學習服務，讓客戶用機器學習時更加簡便。過去兩年 AWS 在發展 AI 時比較關注基礎架構的部分，而現在則更關注顧客在執行 AI 的整體體驗。

機器學習是誰都不能錯過，各行各業都應該使用的科技。像金融產業現在已經相當成熟了，但現在像農業、運動與製造業，也都有很顯著或很有趣的應用發生。

▲ Joel 認為機器學習是誰都不能錯過，各行各業都應該使用的科技

我舉些例子，我們現在已經跟醫療科技公司合作鑽研早期預測、治療的領域，像現在已經做出可以提前 15 個月預測出心臟病的模型，這對預防治療有非常好的效果。

第二個例子是F1賽車。F1 可說是產生資料點最多的運動之一，包括每個車裡的零件、賽度角度、外在環境，每秒甚至可以產生 20 億個資料點。這麼龐大的資料量就是機器學習派得用場的時候了，我們透過機器學習讓大家瞭解兩件事，第一是賽車的進站策略，F1 每次進站保養維修是攸關勝負的關鍵，什麼時候進站？該換胎嗎？這些都可以用機器學習分析的資料佐證。第二則是在播報比賽的時候，機器學習可以依照每位車手的資料，預估哪臺賽車在什麼時間可以超過另一輛，然後解說的時候，主播也能把資料跳出來，跟觀眾詳細解釋為什麼車手可以超車。

▲ F1 現在跟 AWS 合作用機器學習來播報賽況

再來分享幾個例子，NASA 現在規劃登陸水星登陸計劃，在設計新的登陸艇時就是跟 AWS 的 AI 合作。過去沒有機器學習的時代，科學家們得一遍又一遍地進行模擬水星環境進行模擬測試，這相當費時費力，而且最後設計出的機型在功能間常常有所取捨。但現在有了 AI 支援，很快就能找出功能兼具的最適化登陸器，節省大量時間與成本，大大提升效率。

另一個好例子就是挪威的乳業公司，這間公司跟眾多農場合作，產量高達幾十萬奶牛。這麼大的公司，還有沒有讓奶牛獲得最好照顧，得到更好品質牛奶的空間呢？我們也用機器學習分析幾百個資料點，對不同農場各自分析出讓奶牛最舒適的生長方案。這個案例我自己非常喜歡，它證明了沒有任何一個產業是機器學習無法幫上忙的。

話說回來，AWS 想讓所有產業都能用 AI 這件事，最大體現的地方就是推出的 SageMaker Autopilot。過去客戶在進行機器學習的時候，要自行整理資料、訓練模型，當然這可以找專業的 AI 團隊來幫忙。但如果你不懂 AI，那這個過程某種程度上是一個「黑箱」。

客戶或資料科學家這時也擔心，也不能確定是不是日後重新訓練可以跑出一樣的結果，但 Autopliot 提取客戶資料後，可以跑出幾個不同模型，讓客戶自己選擇再才部署。比如說第一個模型的準確率超過 90%，但它需要 3 秒鐘才能判別，另一個模型準確只有 85% 卻只要 4 分之一秒就能識別。有的時候客戶的需求是時間反而比準確率重要，這都可以按照他們的需求選擇。

生成模型的過程是完全透明的。顧客在 Autopilot 訓練出的任何模型都會在SageMaker Notebook 自動生成詳細的過程紀錄，顧客、科學家可以深入瞭解其建立方式的細節，根據需要對其進行最佳化，將來也都可以隨時把模型訓練出來。

競技體育一直以來都是人力參加的，但是就在幾年以前，人力和機器進行了一場競技體育比賽，這就是大家非常熟悉的人機大戰比賽的內容，就是圍棋，而比賽的雙方對手，一個是非常出名的人工智慧阿爾法，這個智慧機器人，可以說是一經入市之後就引起了大家的關注，而對陣的另一方是中國的圍棋天才少年柯潔，雙方可謂是旗鼓相當，本來人們認為這兩方如果對戰的話，可能會是旗鼓相當的一個局面，但是沒有想到最終柯潔卻以0:3大比分落敗。

很多人在看到這個結果之後，對於人類的競技體育可能過於擔心，因為本身大家都知道人，作為這個地球上的統治者，在所有的方面方面可以說是任何物種都比不了，但是現在被研發出來的這個人工智慧在競技體育方面可以說是完全的打敗了人類最高的競技水平。

其實隨著科學技術不斷快速的發展，越來越多的科技裝備被運用到競技體育上面，比如說在很早之前在田徑比賽的時候根本沒有計時器，而現在隨著科學技術不斷快速的發展，各種各樣的科學儀器被運用到競技體育的方方面面，甚至有的時候這些科學儀器對於體育的發展起到了全面的促進作用，但是如果真正的能夠發展這種人工智慧，對於競技體育到底會產生哪些影響呢？

其實這是仁者見仁智者見智的一件事情，從人機大戰的這個競技體育事件就可以看得出來，人工智慧在某些方面可能已經超越了人，這從一定程度上可能影響到人們對於競技體育的熱情，比如說當人工智慧真正的掌握到下圍棋這種精髓之後，還會有人去練習圍棋這種運動嗎？但是從另一方面來看，正是因為有了人工智慧的促進作用，我們的競技體育才會不斷快速的發展，當某一天人工智慧達到了會自己獨立思考的程度，那麼這個時候在與人對弈的過程當中可以說是一個很好的對手，從這個方面來講可以促進我們在競技體育某些方面快速的發展。

競技體育是指在全面發展身體，最大限度地挖掘和發揮人（個人或群體）在體力、心理、智力等方面的潛力的基礎上，以攀登運動技術高峰和創造優異運動成績為主要目的的一種運動活動過程。競技體育是一種制度化、體系化的競爭...

體育賽事原本是指人類個體或集體之間的體力或智力競技，當然的主角是人類自己，但是隨著科技進步，情況發生了改變，就是標題所說的人工智慧喧賓奪主。

這個情況最早出現就是棋類競技上，簡單的棋類早已經是機器的天下，比如五子棋、跳棋等，比較複雜的國際象棋在二十年前已經被深藍拿下，中國象棋情況類似，只是圍棋是前三年被阿爾法狗奪去了“主人地位”。

縱觀人工智慧在棋類領域的節節突破，它在這個領域的喧賓奪主已經成為事實。而體育競技的其他領域，諸如體力或速度方面的競技，人類不可能和機器較勁，因此沒有喧賓奪主的狀況存在。

簡單的棋類被電腦程式奪主，人們並沒有特別的理會，當深藍戰勝人類頂尖高手時，人類開始難以接受，十分震驚。當時“人類尊嚴不再”、“人類智慧堡壘被攻破”……全世界轟動一時。特別是阿爾法狗的出現，更是讓世人驚歎不已，對圍棋人有不小打擊。如今最先進的阿爾法零已經不用人類的任何經驗，只靠規則可以自己學習圍棋，並輕鬆戰勝之前的任何頂級程式，人類徹底成為手下敗將。機器成為了正真的主人。

如阿爾法零這樣的人工智慧，理論上講可以學會如圍棋、象棋、國際象棋、日本將棋等類似的所有棋種，輕鬆超越人類，全面徹底的碾壓人類棋手。

這些棋類只是一個競技平臺，由於習慣，人們在頭腦中固化了這些棋和這個平臺。假如提問：未來這些棋會總是這樣定型不變嗎？五年、十年、一百年、一千年………，或許很多人只有問到百年、千年的時候才會有感觸———或許會變吧。

目前，最先進的人工智慧不超過兩歲寶寶的智力，（圖靈獎得主，業內專家言），人類輸給機器本是有悖常理的。其實人的大腦是從“不完全資訊”環境中進化而來的，用的不是“大量標記的資料”，而是在概念確定，在直覺、知覺、感知、邏輯判斷和推理中不斷成長的。像棋這種“完全資訊博弈”，單純依靠記憶就能徹底應對的競技，人腦的大部分能力根本派不上用場。

有一種新棋———奇襲象棋，望大家關注。它看上去就是象棋，一盤棋一方有2到3次的翻子權利（下棋形式上與象棋的唯一區別；有時還可能不翻），100種暗面佈局，超過象棋5300萬倍的變化。目前的技術無法寫出自動的電腦對弈程式，所以電腦不會下，而幾歲孩童能一兩分鐘學會。

棋類，人類的玩具，它既然未來可以變，為什麼我們現在不能變？？？相信，在這個星球上，任何的事情人類永遠是主人！