数字化转型ING | AI 在 NBA 中也有大价值
丹棱君有话说：NBA 季前赛正在如火如荼的进行中，在每场精彩刺激的 NBA 球赛背后，有许多工作人员手动标记图像来帮助分析 NBA 比赛中产生的大量数据，这一过程需要花费大量人力与时间成本。为了“化繁为简”，NBA IT 副总裁 Garth Case 及其团队基于微软认知搜索服务开发了一款人工智能工具，不仅提高了标记大量图像的效率，还能挖掘更多有价值的信息~
“球场视野”( Court Vision ) 是一个 NBA 术语，常用来描述球员能在篮球比赛中准确判断得分点。
NBA IT 副总裁 Garth Case 就是这样一个拥有“球场视野”的人，他不仅能够在比赛中准确地判断那些看似模糊的得分点，并能从收集到的海量 NBA 比赛数据中发掘有价值的洞见。这是因为他把人工智能带到了 NBA 的世界。
Case 及其团队基于微软提供的认知搜索服务开发了一款名为 NBA Photo Sorter 的人工智能工具，能够自动对 30 支球队在 82 场常规赛和季后赛中产生的大量照片进行分类。认知搜索服务是微软于 2018 年基于 Azure 云服务推出的一款新功能，它由 AI 驱动，结合 Azure 搜索与认知两大功能，通过利用人工智能从文档中提取见解与结构化的信息，创建使用认知技术的管道，丰富数据结构并帮助创建索引。
在微软 Build 开发者大会上，Case 演示了他们开发的 NBA Photo Sorter， 这款人工智能工具取代了过去 NBA 长期使用的那些繁琐的手动标记图像的方法，并为 NBA 的员工节省了数百小时的工作时间。它不仅提高了照片内容识别的准确性，还解锁了新的业务场景。尽管我们已经看到这一工具的不俗表现，Case 仍然认为这仅仅是 NBA 开发技术无穷潜力的第一步。
Transform 的记者在 Build 大会后留住了 Case，采访了他对未来技术在 NBA 领域应用的更多设想与图景。一起来看看 Case 怎么说~
NBA Photo Sorter 为你们的摄像部门节约了多少时间？
Garth Case：打个比方，如果我们今天就有一个比赛，摄像师给了我们他们拍下的所有照片。那么，另一个工作团队就要坐在那里整理这些照片，找出对应的球员并为之创建单独的文件夹。这个过程在过去耗费了我们大量时间。
通常来说，一场比赛的照片可能需要四周时间才能完全分类整理好。我们现在利用 NBA Photo Sorter 可以把这个时间减少到 1 天。系统在经过合理的训练后，我们就可以在几个小时内完成以上工作。
我们之所以要这么做，其实是因为我们想尝试把所有的图片、视频与文字等内容都整合在一起。过去我们有大量的文章、图片以及视频，因为每一场比赛都会产生很多新的内容。
蛮有意思的，那么您认为这个人工智能工具还能进一步为 NBA 提供哪些帮助呢？
Garth Case：当我们能够在照片中发现更多的内容时，这一平台的价值就开始体现了。不仅仅是说谁在这张照片中，而且还有这个人在干什么，这是一个动作照片还是人物肖像？这里面有没有队伍 logo ？这位球员穿着什么样的鞋子？所有的这些信息都让这张照片变得更有价值。
所以您是说这个工具发掘的数字内容可以为 NBA 提供一种新的盈利方式？
Garth Case：我们正在做一些尝试，就目前来说，我觉得这个领域确实是有市场的。
你觉得这些比赛数据还有什么价值吗？另外，认知搜索服务还能帮助你们实现什么呢？
Garth Case：我们从这个人工智能工具里获取了很多信息，但目前，我们还只关注当下需要的那些数据。实际上，那些我们还没有注意到的部分，可能才是真正有价值的部分。在这一部分里，我注意到人工智能和大数据可以帮助收集信息，并且它们能花时间去理解信息中的内容并且帮助我们找到内容的价值所在。
说到照片，其实对于人类而言，我们总是习惯性的只关注照片中的人物。但其实在这些照片中，我们可以发现一些特定模式，这些模式可能不仅仅和照片有关，还和我们从照片中获取的数据有关。如果从一张照片中我们能够发掘很多我们平时很难发掘的内容，那么深度理解的这种技术就是有价值的。
您能给我举个例子吗？人工智能是如何能够从连续多年获取的照片以及视频中洞见价值的？
Garth Case：打个比方，当球员在赛场上的时候，我们可能会关注他们来回奔跑的次数。我们在不断的获取并且储存这些信息。
目前我们还没有找到这些信息之间的联系，但我们正在尝试去发掘。比如说，假设一名球员在球场上来回跑了 100 万次。然后在这 100 万次之中，可能有那么一次他的肌腱就被撕裂了。也许我们可以通过数据看到有 100 多名运动员在同样的场景下中都撕裂了肌腱。识别这种模式能够帮助我们在下一位球员可能发生危险时采取纠正措施，这不仅能提升比赛的安全系数，还能更好地保障运动员的健康。
这就是技术的力量，这种力量让我无比兴奋。希望在未来我们通过研究这些信息并找出这些有用的模式，然后能够对 NBA 的比赛进行调整与改进。
本文作者系 Bill Briggs ，原标题为" Nothing but ‘net: The NBA’s new love for technology like AI "
了解更多：
后台入驻微软小冰
如果你很萌，请跟她一决高下！