Google использовала игру всех звезд MLB, чтобы показать возможности ИИ делать то, что у него получается лучше всего.

от

Привет Технодруг! Погрузитесь в Tech Chatter — ваш еженедельный гид по исследованию всех тонкостей и особенностей наших любимых технических штучек. Мы стараемся разложить сложности на простые для понимания идеи, чтобы вы могли уловить, как то удобное устройство в вашем кармане творит свои чудеса.

"Просто покупай индекс", говорили они. "Это надежно". Здесь мы обсуждаем, почему это не всегда так, и как жить с вечно красным портфелем.

Поверить в рынок

Иногда тема может быть довольно сложной из-за технологических особенностей, но не волнуйтесь, мы упростим ее вместе, чтобы все понимали!

Вполне нормально не беспокоиться о деталях работы техники; в конце концов, это ваш личный вопрос, и он должен приносить удовольствие. Хотя иногда по пути можно узнать интересный факт…

ИИ совершает прорыв

Несмотря на то что игра всех звёзд MLB закончилась вничью, с победой Национальной лиги по умолчанию, это была революционная технологическая инновация, которая действительно украла шоу. Удивительный инструмент, созданный искусственным интеллектом и основан на десятилетиях статистических данных, привлек внимание технологических энтузиастов.

Команда Google и Statcast от MLB сотрудничали для создания инновационной системы искусственного интеллекта, способной оценить точное местоположение сиденья, куда мог бы приземлиться гипотетический хоум-ран. В этом заключается одна из сильных сторон ИИ, демонстрирующая фундаментальные принципы его работы.

Как ИИ от Google помогает МЛБ

Эта запутанная система состоит из множества компонентов, но она любима фанатами бейсбола за анализ статистики и прогнозы. Создаваемые системой визуально привлекательные графики также весьма захватывают.

Анализируя динамику бейсбола с помощью радиолокационных технологий, быстрых дронов, искусственного интеллекта и обширного архива прошлых данных, открывается захватывающий взгляд на то, что ценят энтузиасты бейсбола: любимые ‘сладкие пятна’ бэттеров, влияние погоды на траекторию мяча, места приземления мячей в различных стадионах и куда бы попал хоум-ран в Атланте, когда мощные игроки делают удар по мячу.

Весь процесс основан исключительно на необработанных данных. Часть из них собирается мгновенно с помощью дронов и радаров, но значительная доля также является архивной. Каждый аспект бейсбола находится под наблюдением; некоторые энтузиасты могут вспомнить больше деталей, чем вам может быть интересно. Чтобы разобраться в этом огромном количестве информации, необходима быстрая, точная и ресурсоемкая методика её анализа. Здесь искусственный интеллект оказывается полезным.

Представьте колоссальную базу данных, содержащую детальную информацию о каждом броске за последние пятьдесят лет игр. В ней указывается, был ли это бал или страйк, скорость броска и отклонился ли мяч поперек пластины, с указанием его точного местоположения в этом случае.

Представьте сопоставимую таблицу данных с точки зрения бьющего. Был ли мяч в зоне страйка, находясь над пластиной? Если да, то где именно? С какой скоростью он двигался? Какова была траектория подачи? Критически важно: ударил ли бьющий по мячу, и если да, то куда мяч покинул биту, как далеко он полетел и в каком направлении?

Такое огромное количество данных непостижимо. Даже несмотря на то, что идеально сыгранная партия состоит всего из 81 подачи, вы никогда не встретите только одну. С учетом множества подач в течение многочисленных игр каждый год объем информации становится ошеломляющим, делая анализ в реальном времени одним человеком нереалистичным.

ИИ преуспевает в этом: с подходящей информацией он может предложить глубокое понимание множества тем. Если вы предоставите ему детальные статистические данные по каждому броску, сделанному во всех играх Главной лиги бейсбола, у него есть возможность прогнозировать результаты на основе актуальных данных текущего броска.

В данном сценарии Джо приближается к зоне удара на второй свой выход в биту. После нескольких предыдущих иннингов он чувствует себя готовым, в то время как Боб (питчер) также эффективно разогрелся без излишней усталости. Чтобы начать иннинг, Боб выдает захватывающий кривой мяч.

Мяч летит над пластиной, проходя чуть выше коленей Бейсбольного Джо со скоростью 87 миль в час. Готовый к броску, Джо делает низкий удар и отправляет мяч вдаль! Все детали о том, что происходит, когда Боб бросает с такой скоростью на этом месте, доступны для анализа искусственным интеллектом.

ИИ использует прошлую информацию о том, что происходит когда Джо ударяет по мячу в определенном месте с определенной скоростью, позволяя ему построить предполагаемую траекторию. Сравнение этого прогноза с данными в реальном времени от дронов и сенсоров (учитывая факторы вроде влажности) помогает ИИ сделать точную догадку о том, куда упадет мяч. Это обеспечивает мгновенную обратную связь во время события, что нас очень захватывает.

Проще говоря, эти основы можно расширять на различные аспекты и они работают по схожему принципу. Например, вы можете сохранять исторические данные в своем телефоне или профиле аккаунта онлайн, а данные в реальном времени собираются вашим телефоном или смарт-часами. Искусственный интеллект объединяет эти два типа данных для генерации ответа почти на любой актуальный вопрос.

Этот инструмент может предсказывать различные события, например, делать прогноз о том, будет ли красивый закат сегодня на пляже, объединять вашу недавнюю фотографию с старым снимком того же места для создания очаровательного коллажа, прогнозировать трафик и даже предугадывать необходимость технического обслуживания оборудования на сборочной линии. Занятно, что он использует похожий механизм распознавания паттернов при предсказании хоумрана во время игры всех звезд.

ИИ должен быстро предоставлять больше практической пользы, так как знать, куда упал бейсбольный мяч, не столь полезно, чем предсказать, где он приземлится в будущем. Для эффективного выполнения задач используется специализированное ИИ оборудование, такое как акселераторы и сопроцессоры, именно тогда, когда они требуются.

ИИ обладает возможностями не только в обработке данных или предсказании на их основе, но эти задачи иногда непредсказуемы. Тем не менее, определение того, что последний удар Кайла Шварбера приведет к голевому удару для победы в игре, может показаться компьютеру алгоритмом проще и точнее, поскольку это задача, для которой изначально разрабатывался ИИ.

Это действительно хорошо в этом!

Смотрите также

2025-07-17 01:23