嗯，这些其实是昨天收集资料时候发现的，然后人工智能是小磕近期最爱的主题，于是也跟大家科普一下，人工智能技术现在已经到了什么程度。
橄榄球大家可能不太熟，我们拿篮球辅助举例好了，这个大家都熟吧？
虽然主角是一群年轻人们，但大家应该还记得，湘北的背后，还有一位神一样的教练
这位平时主要负责呆萌的老爹，却有着深入的观察和精准的判断，每每在湘北陷入危机关头，为他们做出有效的战术指示，引导他们走向一次次胜利。
可是这种运筹帷幄、决胜千里，也许以后就不怎么常见了。
去年11月8日，一场如火如荼的橄榄球比赛已进行到第三节，5:21落后的亚特兰大猎鹰队正推进到本方46码线。此时Splunk公司的AI做出了一个预测：猎鹰队下一步将祭出“霰弹枪阵式”，随后四分卫Matt Ryan将送出一记左侧的短传。
最后，除了传球没能彻底完成，猎鹰队的行动完全符合预测。
此前，北卡莱罗纳州立大学的William Burton和Michael Dickey，建立了一个模型来预测一支NFL球队会如何传球和跑位，这对于防守首席教练来说非常有用。在一场达拉斯牛仔对阵杰克逊维尔美洲虎的比赛中，这个模型识别出了91.6%的战术类型。
对方的战术行动人工智能基本都能预测出来，然后给出对应的反制策略，已经不需要安西老爹这样的神奇了。甚至，安西教练那些出乎意料的计策，也一样会被AI识破。
这里要澄清一个误会，人工智能和大数据是不同的，虽然广义来说大数据也属于人工智能。大数据主要用于分析以往的数据，寻找其中的相关性，而最近以机器学习为代表的人工智能则复杂得多。
举例来说，大家很可能都看过Google DeepMind做的国际象棋和围棋的差别的图：
下围棋出现的可能行远比下象棋高很多数量级——据说超过宇宙中原子的个数——所以AI下国际象棋可以用暴力穷举，算出所有可能性，然后挑最好的，而下围棋则不可能，除非算到地老天荒。也因此曾经围棋被视为人类最后一个堡垒。
那个AlphaGo怎么突破这个堡垒的呢？我们举一个机器学习的例子。
Melanie Mitchell讲述过这样一个实验（考虑篇幅，以下为简化版）。在虚拟空间里设计一个10*10的棋盘，上面随机散落了很多罐子。然后一个视野只能看到周围一格的机器人从一个点出发，去把所有罐子捡起来。根据所花的步数，给机器人的行为打分。怎样得分最高呢？
研究者把100个随机生成的算法扔进去，让他们自由生长。可以想见，得分都惨不忍睹。接下来，把得分最差的那些算法淘汰，把得分较好的算法两两结合，生成新的算法——就像生物的有性繁殖一样，在竞争中活下来的生物两两交配，用父方的一半基因和母方的一半基因结合，生成下一代的基因。新的算法生成后，重复上面的过程，评分，淘汰，继续生成更新的算法。
研究者事先找编程高手写了一个能想到的最好的算法，得分大约是四百多分。而随机算法组们，经历了很多代的低分后，得分上升的速度开始迅速加快，大约三百多代后（听起来很多，但在电脑速度下实际时间极短）得分超过人类算法，此后便绝尘而去，再不是人类智力能及。
这种练习–挑选–组合–下一代–再挑选的策略，和大自然中的生物进化法则如出一辙，也因此被称为遗传算法或者进化算法。它不是穷举所有的策略然后挑选，而是在有限的策略中通过无数次测试迭代不断进化，使策略越来越优秀。AlphaGo正是在可能数以百万计的棋谱案例训练之后，超越了所有人类棋手。对了，李世石和今年落败的各位棋手，都是他的人肉陪练，或者是进步的台阶……
机器学习确实是数据越多就能做越多练习，也就越强悍，但是跟大数据技术相比，它显然是更高维度的存在。
（顺便，资产投资策略也是一样的。AI能用海量的历史数据在极短时间内完成上万次模拟，挑选出最优策略，秒杀人类投资经理。所以未来做投资的各位前景堪忧。当然目前市场上还没出现好的产品，小磕的摩羯智投自产品上线投钱以来从来都是亏损状态，这也让小磕对招行的技术和投资水平表示严重……）
回到篮球或者橄榄球比赛，历史上那么多次比赛都是AI演练的竞技场，而且数据还在继续增加中。安西教练们下岗的日子，恐怕不会太远了。
当然大数据也是有用武之地的。拿这次超级碗的新英格兰爱国者队和亚特兰大猎鹰队来说，两个球队的四分卫，Tom Brady和Matt Ryan，前者更喜欢往中部传球，后者更喜欢往两边传球。而两个球队位于端区前20码以内的“红区”时，爱国者更喜欢稳妥的抱球往前冲，而猎鹰喜欢冒险的长传。
以后再也不用反复看对手的比赛录像和现场来琢磨他们的能力和习惯了，电脑全都帮你做好了，而且只花了一瞬间。
而这还没完。
MIT研究人员开发了一个叫做欧拉的视频放大系统(EVM)，可以放大任何视频中的颜色变化和移动。EVM这套系统，近可以通过皮肤色调变化，远可以通过呼吸模式变化，来测量心率；甚至可以从声音在附近物体中引起的震动，再现某人的声音。所以在极限情况下，EVM可以仅凭电视转播信 ，自动推测对手球队中哪些球员越来越疲劳，还能通过读唇了解对手教练的战术布置，用战术板挡住嘴也没用（对了，读唇也是个机器学习的应用，Google的DeepMind，对还是它，最近研究的读唇软件对电视短片的识别准确率高达46.8%，对比人类的12.4%）。
大家也许记得湘北的弱点是整体体力欠缺
而有了EVM之后，早在他们体力刚刚开始告急，就会被识别出来，然后……
而即使是眼神交流也会马上被捕捉到
感觉未来的比赛会蜕变为科技和资金而不是人的比拼啊。
赛场之外，AI还以另一种方式跟比赛联系在一起。
今年的超级碗，开始猎鹰队火力全开，上半场结束时，猎鹰以21:3遥遥领先。下半场，猎鹰队继续扩大优势，将比分改写为28:3。但爱国者始终没有放弃，一点一点追回比分。
常规时间结束时，猎鹰打了三节好球，爱国者打了一节好球，双方比分定格在28:28。这场美式橄榄球的顶级对决，第一次被拖入加时赛。
最后，爱国者的怀特顽强倒地完成touch down，将比分定格为34:28，爱国者队上演了超级碗历史上最伟大的逆转。
这么跌宕起伏的剧情，AI们一开始就知道结果了……微软Bing的机器学习平台预测爱国者获胜的概率是52.3%。苹果Siri预测爱国者会以3分击败猎鹰。
大家可能对以前类似的AI神预测还有印象。比如说，2014年世界杯，微软预测引擎的正确率达到了60%，而淘汰赛的预测结果则是100%全中。
这世界是我们的，也是你们的，但归根到底……还真不一定。
或者版权印（
http://101612200004148.bqy.pub ）
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！