超級碗另一面：大逆轉背后，你沒看到的人工智能大PK

　　NRG球場的氣溫有點低，但身在現場只能感受到火熱。

　　常規(guī)時間結束，亞特蘭大獵鷹打了三節(jié)好球，新英格蘭愛國者打了一節(jié)好球，雙方比分定格在28-28。超級碗，這場美式橄欖球的頂級對決，第一次被拖入加時賽。

　　身著白衣的新英格蘭愛國者，最終以34-28，逆轉戰(zhàn)勝身著紅衣的亞特蘭大獵鷹，獲得第51屆超級碗的冠軍。獵鷹隊97號防守截鋒Grady Jarrett沒能一戰(zhàn)封神，愛國者12號明星四分衛(wèi)Tom Brady臉上的神情從落寞轉為狂喜。

　　如此跌宕的比賽結果，美國的虛擬助手們預測成功了……

　　此前，微軟Bing的機器學習平臺預測：愛國者獲勝的概率是52.3%。要知道，Bing曾預測希拉里擊敗特朗普的概率是90%。蘋果Siri預測愛國者會以3分擊敗獵鷹。

　　亞馬遜和Google沒有參與預測，但他們都在超級碗上給自家的虛擬助手產品打了廣告。

　　除了這些外圍的預測，剛剛結束的超級碗盛宴中，至少還有一個環(huán)節(jié)與人工智能相關：無人機。在中場表演環(huán)節(jié)，Lady Gaga出場時背后背后出現了光點組成的美國國旗，組成這一幕的正是Intel Shooting Star無人機群。

　　然而你真以為看到的一切只是美國春晚?人工智能只是插曲一般的點綴?拿衣服。這次帶你看看橄欖球運動的另一面。

　　AI滲透橄欖球

　　去年11月8日，一場如火如荼的橄欖球比賽已經進行到第三節(jié)，5：21落后的亞特蘭大獵鷹隊正推進到本方46碼線。此時此刻，大數據公司Splunk做出了一個預測：獵鷹隊下一步將祭出“霰彈槍陣式”，隨后四分衛(wèi)Matt Ryan將送出一記左側的短傳。

　　最后，除了傳球沒能徹底完成，獵鷹隊的行動完全符合預測。做出這個預測的Splunk，之前已經把至少一整年的比賽數據輸入了電腦。

　　此前，北卡萊羅納州立大學的William Burton和Michael Dickey，建立了一個模型來預測一支NFL球隊會如何傳球和跑位，這對于防守首席教練來說非常有用。在一場達拉斯牛仔對陣杰克遜維爾美洲虎的比賽中，這個模型識別出了91.6%的戰(zhàn)術類型。

　　已故明星球員Junior Seau曾經說，“橄欖球就是下棋”。

　　當然橄欖球比賽不僅僅是傳球和跑位這么簡單，球場上下一秒可能會出現的情況，遠比棋盤上下一步的可能性復雜得多。國際象棋的棋子都站在一個方格里，沿著直線或者斜線以固定的方式行動。任何一個球員的行動都不可能如此簡單。

　　每次戰(zhàn)術呼叫，必須在進攻前僅有的40秒窗口期內完成，這進一步提高了計算的挑戰(zhàn)。“現在還不算真正的實時”，大數據分析公司Datameer的創(chuàng)始人Stefan Groschupf說，“機器可以基于歷史數據進行計算，然后給出建議”，但還是不夠快。

　　人工智能還不能快到跟隨比賽動態(tài)即時做出決定。然而有兩個關鍵因素正推動著AI在橄欖球運動中繼續(xù)發(fā)展：一是巨大的數據量，二是巨額的資金支持。

　　機器學習和博弈論

　　與橄欖球最相關的兩個AI研究領域，是機器學習和博弈論。斯坦福大學計算機科學榮譽教授Yoav Shoham說，機器學習也能做到“點球成金”。無論是IBM的沃森，還是早在2012年就可以從視頻中識別出貓咪的Google人工大腦，背后都是機器學習。

　　從一個巨大的數據集當中，一臺聰明的計算機可以找出數據之間的關系也就是模式，并且從過去的動作和結果中學習。這之后，計算機可以對未來進行推測。

　　這種方法的效果，有賴于數據集的大小。可用的信息越多，計算機就越聰明。“未來甚至可以模擬每個球員的生理情況”，Shoham說“還能模擬他們的精神狀態(tài)”。但是數據往往都是孤島般的存在著，每個團隊都保守著自己的數據秘而不宣。

　　多數情況下，訓練都是不公開的，因為害怕對手獲得敏感信息。

　　想要獲得數據，就得采取點間諜手段。2007年，新英格蘭愛國者隊被發(fā)現違規(guī)拍攝紐約噴氣機隊的防守暗號，愛國者隊的明星教練Bill Belichick被處以50萬美元罰款。然而時至今天，技術進步已經讓這種嘗試看起來又笨拙又過時。

　　麻省理工研究人員開發(fā)的歐拉視頻放大系統(EVM)，可以放大任何視頻中的顏色變化和移動。EVM這套系統，近可以通過皮膚色調變化，遠可以通過呼吸模式變化，來測量心率;甚至可以從聲音在附近物體中引起的震動，再現某人的聲音。