Η άνοδος της τεχνητής νοημοσύνης (AI) έχει επηρεάσει κάθε κλάδο, αλλά η χρήση δεδομένων στο Major League Baseball (MLB) αλλάζει το παιχνίδι.
«Νέες πηγές δεδομένων έρχονται συνεχώς στο διαδίκτυο», είπε ο Oliver Dykstra, μηχανικός δεδομένων για την MLB Texas Rangers, ο οποίος είπε στο ZDNET ότι η δουλειά του είναι να μετατρέπει τις πληροφορίες που συλλέγει ένας οργανισμός σε ανταγωνιστικό πλεονέκτημα.
Επίσης: Ο μετασχηματισμός της τεχνητής νοημοσύνης σας εξαρτάται από αυτές τις 5 επιχειρηματικές τακτικές
Η Dykstra είναι στους Ρέιντζερς από τον Οκτώβριο του 2022 και ήταν μέλος της ομάδας στα παρασκήνια που υποστήριξε τους παίκτες για να κερδίσουν το World Series του 2023.
«Είναι μια εξαιρετική ομάδα για να συνεργαστείς», είπε. «Είναι εκπληκτικό να βλέπεις αμέσως το αποτέλεσμα σε πραγματικές καταστάσεις. Δεν είχα ποτέ μια δουλειά όπου θα μπορούσα να πανηγυρίσω τις νίκες μου όπως κάνω σε μια αθλητική ομάδα».
Ο Dykstra πήρε μερικά σημαντικά μαθήματα κατά τη διάρκεια των δύο ετών του με τους Rangers. Ακολουθούν πέντε τρόποι με τους οποίους η τεχνητή νοημοσύνη και τα δεδομένα βοηθούν στην αλλαγή του μπέιζμπολ.
1. Παροχή ακριβέστερων προβλέψεων
Ο Dykstra είπε ότι το κύριο πράγμα που έμαθε από τη χρήση της AI είναι η σημασία της πρόβλεψης αγώνων με βάση δεδομένα.
«Μπορούμε να τρέξουμε αυτά τα σενάρια πολύ πιο γρήγορα και να έχουμε καλύτερη κατανόηση του τι συμβαίνει», είπε. “Το θέμα είναι να μπορούμε να παίξουμε με αυτά τα matchups και να εκτελέσουμε μια προσομοίωση για να δούμε πώς μπορεί να πάει το παιχνίδι αν προσθέσουμε αυτόν ή εκείνον τον τύπο ή εκτελέσουμε μια συγκεκριμένη σειρά pitching.”
Ο Dykstra είπε ότι το τμήμα του έχει εκατοντάδες μοντέλα που καλύπτουν τομείς που παράγουν συνεχώς νέες πληροφορίες.
«Στο υψηλότερο επίπεδο, κάνουμε προβλέψεις για όλη τη σεζόν: πόσες νίκες πιστεύουμε ότι θα πάρουμε, όπως και οι άλλες ομάδες στην κατηγορία μας. Ήμασταν πολύ ακριβείς το 2023».
Οι τάσεις των μπαταριών είναι ένας άλλος σημαντικός τομέας για πρόβλεψη.
«Δημιουργώντας ένα matchup σαν αυτό, μπορείτε να πάρετε μια πολύ καλή ιδέα για το πού είναι πιο πιθανό να ταλαντεύονται και να χάνουν τα batters», είπε.
Αυτή η κατανόηση μπορεί να είναι κρίσιμη για τους στάμνες. Ωστόσο, όπως συμβαίνει με κάθε έργο που βασίζεται σε τεχνητή νοημοσύνη, πρέπει να ληφθεί υπόψη ο πολιτισμικός αντίκτυπος της χρήσης δεδομένων.
Επίσης: 4 τρόποι για να μετατρέψετε τα Generative AI πειράματα σε πραγματική επιχειρηματική αξία
«Δεν γίνεσαι κανάτας αν κάνεις αυτό που σου λένε», είπε. «Έχουν ξεκάθαρη ιδέα για το πού βρίσκονται. Ως εκ τούτου, καθήκον μας είναι να τους δώσουμε όσο το δυνατόν περισσότερες ευκαιρίες».
2. Δημιουργήστε νέες συνεργασίες
Οι ειδικοί εσωτερικών δεδομένων δεν είναι ο μόνος σημαντικός πόρος. Οι εργασιακές σχέσεις των επιτυχημένων ομάδων MLB εκτείνονται πέρα από την επιχείρηση.
Ο Dykstra είπε ότι οι Rangers συλλέγουν δεδομένα από διαφορετικές πηγές και χρησιμοποιούν έναν συνδυασμό Apache Airflow και Αστρονομική πλατφόρμα ενορχήστρωσης και παρατήρησης για να διασφαλιστεί ότι το προσωπικό και οι παίκτες λαμβάνουν έγκαιρη ενημέρωση.
«Θέλαμε κάτι δυναμικό και πιο ελεγχόμενο που θα μας έδινε περισσότερες πληροφορίες», είπε.
Επίσης: Η ενοποίηση της τεχνητής νοημοσύνης ξεκινά με μια ισχυρή βάση δεδομένων. Ακολουθούν 3 στρατηγικές που χρησιμοποιούν οι ηγέτες
Το τμήμα της Dykstra συνεργάζεται με την Astronomer για να βοηθήσει στη διαχείριση της εφαρμογής Airflow και του τεράστιου όγκου δεδομένων που επεξεργάζεται.
«Δουλεύουμε όχι μόνο σε επαγγελματικό επίπεδο. Σκεφτείτε τη δυναμική φύση του παιχνιδιού. Ανά πάσα στιγμή, μπορείτε να έχετε ένα παιχνίδι την ημέρα ή 1.000 σε όλη τη χώρα και τον κόσμο», είπε. .
«Η ροή των δεδομένων δεν είναι τόσο συνεπής και εάν οι πληροφορίες σε ένα από αυτά τα μέρη αρχίσουν να διαρκούν περισσότερο, μπορεί να προκαλέσει αποτυχία ολόκληρης της αλυσίδας. Η διαχείριση της υποστηρικτικής υποδομής θα απαιτήσει μακροπρόθεσμη συντήρηση και σημαίνει ότι δεν θα μπορούμε να κοιτάξουμε το μέλλον». όσο θα θέλαμε».
3. Αφαίρεση χειροκίνητων εργασιών
Ο Dykstra περιέγραψε το μπέιζμπολ ως βιομηχανία βαριάς κειμένου. Οι Ρέιντζερς βασίζονται σε ανιχνευτές σε όλο τον κόσμο. Η μετατροπή των γραπτών αναφορών τους σε χρήσιμα δεδομένα μπορεί να είναι μια απαιτητική εργασία, όπου μπορεί να βοηθήσει η Generative Artificial Intelligence (Gen AI).
«Υπάρχουν πολλοί μυστικοί όροι και κωδικοί που χρησιμοποιούν οι πρόσκοποι. Είναι πολύ δύσκολο για ένα άτομο να διαβάσει όλες αυτές τις πληροφορίες και μερικές φορές είναι δύσκολο να τις καταλάβει», είπε. «Η εξαγωγή αξίας μπορεί να είναι δύσκολη. Αλλά με το LLM και τη γενετική τεχνητή νοημοσύνη, μπορούμε να ταξινομήσουμε αυτά τα βιογραφικά, να παρέχουμε ένα εξαιρετικό λεξικό για τη μετάφραση φράσεων κλειδιά και τη σύνοψη».
Ο Dykstra είπε ότι μεγάλο μέρος της δουλειάς της ομάδας για το Gen AI είναι διερευνητικής φύσης, συμπεριλαμβανομένου ενός έργου που θα βοηθήσει να μετατραπεί η νοημοσύνη σε πληροφορίες που μπορούν να λειτουργήσουν.
Επίσης: Πώς η επιχείρησή σας μπορεί να χρησιμοποιήσει καλύτερα την τεχνητή νοημοσύνη: Πείτε στην επιτροπή σας αυτά τα 4 πράγματα.
Είπε ότι η οργάνωση χρησιμοποίησε το Llama LLM. Άλλοι συνεργάτες τεχνολογίας franchise, συμπεριλαμβανομένων των Databricks και Amazon, υποστηρίζουν την έρευνα για πρόσθετα μοντέλα.
Οι Ρέιντζερς διερευνούν επίσης πώς θα μπορούσαν να χρησιμοποιήσουν τη γενιά με δυνατότητα αναζήτησης για να αφομοιώσουν το βιβλίο κανόνων του μπέιζμπολ και να παρέχουν χρήσιμες πληροφορίες για το προσωπικό και τους θεατές.
«Αυτές οι πληροφορίες αλλάζουν πολύ. Ένα παράδειγμα θα ήταν η υγειονομική περίθαλψη και η παροχή στους ανθρώπους μας μιας διεπαφής συνομιλίας για να μάθουν τους κανόνες», είπε.
«Υπάρχουν επίσης κανόνες για τους ανθρώπους που επισκέπτονται το γήπεδο. Έχουν ερωτήσεις όπως: «Μπορώ να φέρω ένα μπουκάλι νερό μαζί μου; Χρειάζομαι ένα καθαρό σακίδιο;
4. Παρακολούθηση άλλων παραγόντων
Τα δεδομένα των παικτών δεν είναι η μόνη πιθανή πηγή ανταγωνιστικού πλεονεκτήματος. Η Dykstra είπε ότι η ομάδα τροφοδοτεί επίσης τα μοντέλα της με εξωτερικές πληροφορίες, συμπεριλαμβανομένων των καιρικών δεδομένων.
«Αυτή είναι μια νέα δημοφιλής πηγή. Κάθε πέντε λεπτά λαμβάνουμε δεδομένα από διάφορους τομείς», είπε. «Η δυναμική του καιρού στο γήπεδο δεν είναι ακριβώς αυτή που νομίζετε. Δεν μπορείς απλά να σηκώσεις ένα δάχτυλο. Δεν είναι κάτι που μπορείς να το αποκτήσεις πάντα διαισθητικά».
Επίσης: Πώς να ανεβάσετε τη δουλειά σας στην αναδυόμενη οικονομία τεχνητής νοημοσύνης
Το γήπεδο της Ρέιντζερς, Globe Life Field, έχει ανασυρόμενη οροφή και οι συνθήκες μπορεί να διαφέρουν σημαντικά από τα υπαίθρια στάδια σε άλλες περιοχές των Ηνωμένων Πολιτειών.
«Είναι πολύ σημαντικό να δίνουμε σχόλια στους παίκτες και να πούμε, «Ο άνεμος είναι στο σημείο. Επιστρέφοντας στο σπίτι, θα ήταν ένα τρέξιμο στο σπίτι, οπότε απλώς συνεχίστε να κάνετε αυτό που κάνετε. Αυτό ήταν υπέροχο». Θέλουν ανατροφοδότηση αμέσως, αμέσως μετά το παιχνίδι», είπε.
«Την επόμενη μέρα θέλουν να ξυπνήσουν και να επικεντρωθούν στο επόμενο παιχνίδι. Η ικανότητα του αστρονόμου να εργάζεται μέσα από αυτά τα παράθυρα δεδομένων και να λαμβάνει πληροφορίες στους ανθρώπους μας όσο το δυνατόν γρηγορότερα μετά το παιχνίδι βοηθά σε όλα.”
5. Δημιουργία νέων καλλιεργειών
Οι ειδικοί του κλάδου λένε ότι οι οργανισμοί πρέπει να εκδημοκρατίσουν την πρόσβαση στα δεδομένα για να αξιοποιήσουν στο έπακρο τη γνώση που δημιουργείται από τις νέες τεχνολογίες.
Ο Dykstra είπε ότι αυτό ακριβώς συνέβη με τους Rangers, ειδικά με την προθυμία του προπονητή να αγκαλιάσει ευκαιρίες που βασίζονται στα δεδομένα.
«Ο Bruce Bochy μου έκανε απίστευτη εντύπωση. Φέρνει τους δύο κόσμους κοντά και χρησιμοποιεί τη διαίσθησή του για να αμφισβητήσει οποιαδήποτε από τις υποθέσεις μας», είπε.
Επίσης: Το μέλλον των υπολογιστών πρέπει να είναι πιο βιώσιμο, ακόμη και όταν η ζήτηση για τεχνητή νοημοσύνη οδηγεί στην κατανάλωση ενέργειας.
Ο Dykstra εξήγησε ότι οι Ρέιντζερς έχουν έναν αναλυτή δεδομένων ενσωματωμένο στην ομάδα για να βοηθήσουν τους προπονητές και τους παίκτες να αξιοποιήσουν στο έπακρο τα δεδομένα: «Είναι πάντα μια συζήτηση».
Φυσικά, η ευρεία χρήση δεδομένων μπορεί να συνοδεύεται από κινδύνους. Είπε ότι οι Ρέιντζερς πρέπει να συμμορφώνονται με τους αυστηρούς κανόνες και κανονισμούς της MLB.
«Το MLB θέτει αυστηρά όρια στο πόσα σχόλια μπορούμε να δώσουμε στους παίκτες και τους προπονητές μας κατά τη διάρκεια των αγώνων», είπε.
«Η επιτυχία έχει να κάνει με την κατανόηση του τρόπου ροής των δεδομένων σας, από πού προέρχονται και πού πηγαίνουν και την ικανότητα αποτελεσματικής επικοινωνίας αυτού του ταξιδιού. Αυτός είναι ένας ξεκάθαρος δρόμος».
