Баскетбол заинтересовался искусственным интеллектом
У Гарта Кейса есть то, что игроки НБА (Национальной баскетбольной ассоциации Северной Америки) называют «видением площадки». В пылу игры он видит голевые ситуации раньше, чем они начинают развиваться. Точно так же он видит инновационные возможности, которые открываются на пересечении терабайтных потоков спортивных данных.
Кейс, вице-президент НБА по информационным технологиям, помог разработать новую систему на основе ИИ, автоматически сортирующую и организующую огромный поток фотографий с игр тридцати команд, каждая из которых проводит 82 матча в регулярном сезоне, не считая игр плей-офф.
Система NBA Photo Sorter, которую Кейс продемонстрировал на прошедшей недавно в Сиэтле конференции Microsoft Build, пришла на смену утомительной ручной сортировке, в процессе которой фотографам приходилось рассматривать каждое изображение и добавлять теги с названиями команд, именами игроков, знаменитостей и т.д.
Эта система, построенная на основе Cognitive Search — новой платформы Microsoft для работы с контентом, использующей средства ИИ — экономит сотрудникам НБА сотни часов работы, повышая точность сортировки изображений и открывая новые бизнес-возможности. Однако Кейс говорит, что это только первый шаг, который раскрывает лишь малую долю невероятного потенциала информационных технологий. После конференции Build мы задали Кейсу несколько вопросов о возможностях новых технологий.
Сколько времени NBA Photo Sorter экономит вашим фотографам?
Допустим, сегодня прошла игра. Фотографы отдают нам все свои фотографии, после чего другая группа сотрудников просматривает все эти фото, чтобы определить, кто на них запечатлен, и рассортировать всё по папкам. На это требуется много времени.
Разбор фотографий с одного матча может длиться до четырех недель. Но теперь мы можем сократить эти четыре недели до одного дня. Когда система будет должным образом обучена, вся работа будет занимать несколько часов.
И за всем этим стоит нечто большее. Мы хотим объединить весь наш контент — видео, фотографии, тысячи публикуемых статей. Каждая игра ведет к созданию большого объема информации.
Какие еще преимущества эта платформа может предоставить для НБА?
По-настоящему ценной эта технология будет тогда, когда мы сможем извлекать из фотографии больше данных — не только кто снят, но и что он делает? Это репортажный снимок или портрет? Есть ли на фото логотип? Какую обувь носит игрок? Такая информация делает запечатленный на фотографии момент еще более ценным.
Похоже, эта платформа может предоставить баскетбольной лиге новый способ монетизации цифрового контента.
Мы к этому стремимся. Я знаю, что на эту информацию будет спрос.
Что еще вы видите в данных, полученных во время игры, и что еще службы Cognitive Services могут делать с этой информацией?
Мы получаем огромное количество контента, но фокусируемся только на том, что нам нужно использовать. Мы не обращаем внимания на все остальные детали, нам нужно только то, что может иметь реальную ценность. Именно в этом я вижу пользу ИИ и больших данных: собрать всю доступную информацию, понять, что она собой представляет, и определить ее ценность.
Что касается фотографий, люди, чаще всего просто по привычке, обращают внимание только на то, кто изображен на фотографии. Но, возможно, нам удастся найти закономерности в фотографиях. Быть может, есть даже закономерности, связанные не только с фотографиями, но и с данными, которые имеют отношение к этим фотографиям. Если картинка красноречивее тысячи слов, представьте, какую ценность имеет ее глубокое понимание.
Вы можете привести пример ценных данных, которые когда-нибудь найдет ИИ, годами обрабатывающий фото, видео и другие данные об играх?
Мы смотрим на наших игроков на площадке и видим, сколько раз они пробегают из одного конца в другой. Мы сохраняем много подобной информации, но она не поступает в единую систему, позволяющую составить общую картину. Например, один игрок пробежал от одного края площадки до другого миллион раз. А когда побежал в миллион первый раз, порвал ахиллово сухожилие.
Возможно, обработка всех этих данных позволит нам увидеть, что есть еще сто игроков, которые делают то же самое и подвергаются тому же риску. Если мы сможем найти закономерность, мы скорректируем действия, чтобы повысить безопасность во время игры, сохранить здоровье игроков и продлить их карьеру.
Это и есть мощь технологий. Это то, что меня вдохновляет. Надеюсь, анализ больших объемов информации позволит нам находить закономерности и вносить изменения, помогающие улучшить игру.
Верхнее изображение: Гарт Кейс в W Seattle. Фото: Дэн Делонг
