每年四月份在美国佐治亚州奥古斯塔举办的大师赛,是高尔夫界最负盛名的锦标赛之一。
大师赛之所以一直拥有如此强大的吸引力,是因为其一直将传统放在高于商业利益的地位之上。正如全英俱乐部赛一直将温布尔顿作为主赛场一样,郁郁葱葱的果岭与令人赏心悦目的球道,都在奥古斯塔的精心维护下成为一道靓丽的风景线。
本届2019年大师赛将原本的全白制服与奶油草莓的组合,换成了浅绿色短袖衫加甜椒奶酪三明治,而关注赛事的粉丝们则被称为“顾客”。
不过人们已经意识到,这一经典赛事必须进行现代化转型以迎合现有及新的潜在观众。正如其它体育赛事一样,大师赛正在利用各类技术提升自身的组织效率,并为观众们提供新的数字化观看体验。
图:西班牙的Sergio Garcia在2019年4月11日于佐治亚州奥古斯塔举行的奥古斯塔国家高尔夫俱乐部大师赛首轮比赛期间,挥杆将球打离第二洞中的沙坑区。
大师赛在基础设施方面的现代化程度可能超过了人们的想象,其已经广泛采用混合云战略。由于在一年的绝大部分时段内,其技术需求相对平缓,但在比赛周期间大师赛的官方应用程序与网站又需要迎接全球数百万粉丝的巨大访问需求。
赛事组织方已经与IBM拥有超过20年的合作经历,如今他们利用公有云、私有云以及内部部署基础设施共同为观众带来一场竞技盛宴。从赛场上收集到的视频数据将首先存储在现场系统当中,而后再持续发送至私有云端进行分析;IBM Cloud则负责托管相关应用程序与网站。
由于奥古斯塔国家俱乐部只需要为其实际使用的IBM Cloud资源量付费,因此选择云服务在成本效益上要远远优于采购一大批每年有51周都处于闲置状态的物理服务器。此外,组织方也能够借此更好地应对任何意外出现的访问需求峰值。
广播公司的覆盖范围存在限制,而且赛事本身的门票也可谓一票难求。因此,组织方的首要任务之一,就是确保在家中观看比赛的粉丝们能够获得身临其境般的感受。
除了移动应用程序、实时评分服务以及视频流等服务项目之外,组织方还需要扩展新的观看体验。而混合云基础设施与IBM认知计算功能的结合,使得AI技术的介入成为可能。
2019年推出的新项目为“三分钟回放”——这是一项完全由AI自动生成的赛事精彩镜头回放服务。IBM沃森负责对5000个球洞传来的约2万个镜头进行分析,并为每一位观众生成一段长度为3分钟的精彩片段集锦。
图:2019年4月11日在佐治亚州奥古斯塔举行的奥古斯塔国家高尔夫俱乐部大师赛首轮第四场比赛中,英格兰队的Danny Willett正在完成他的第四洞击球。
沃森系统利用光学字符识别(简称OCR)从屏幕图像当中提取选手姓名与当前球洞等元数据,而后配合人群声音、手势、情感与语音等信息,共同识别出最令人兴奋的剪辑片段并将其组合在一起。
很明显,如果要以手动方式完成这样的任务,往往需要投入无数人工小时进行内容筛选并将结果剪辑成可用的视频。然而,体育内容对于时间非常敏感,因此手动过程不仅浪费资源,而且漫长的处理周期会使得结果毫无时效性可言。
对于官方移动应用程序与网站,当然也得雨露均沾。每个球洞的每个镜头都提供追踪功能,用户可以通过3D图像与视频查看球的准确位置。
Spotlight是大师赛历史最佳瞬间集锦,选手时刻则让粉丝们能够直接搜索他们最喜爱选手的出色表现集合。
为了照顾到刚刚接触大师赛的新观众,这些精彩时刻 会在屏幕上方以圆形图标表示——类似于Instagram故事。最终,用户可以使用“实时”功能同时观看四段不同视频。
大师赛的开放心态,造就了前瞻性思维与经典传统的有机融合。在体育赛事完全由电视台报道的时代,大师赛只能通过限制实况转播长度的方式向电视台妥协。但如今,新技术的不断介入使得赛事主办方的能动性得到充分发挥,亦给观众带来了前所未有的观看体验。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。