5 поразительных примеров того, как ИИ делает спорт привлекательнее, безопаснее и выгоднее

В свежем выпуске рубрики «Экспертиза» Sports.ru и агентство спортивного digital-маркетинга Fever Pitch рассказывают о том, как искусственный интеллект помогает организаторам делать спортивные состязания более честными и выгодным, а болельщикам — любить спорт еще больше. Чат-бот Satisfi Labs помогает гостю ориентироваться Как это работает: У гостей любого мероприятия обычно возникают одни и те же вопросы: с какой стороны лучше подъехать к зданию, где именно находится оплаченное место в зале, что из еды и по какой цене можно приобрести перед началом или в перерыве. Компания Satisfi Labs придумала, как одновременно и давать подсказки, и снимать основные вопросы для будущих посетителей спортивных событий. Например, если зритель интересуется парковкой, искусственный интеллект формулирует для него ключевые вопросы по этой теме и определяет лучшее место, где можно оставить машину. Все вопросы требуют от гостя простых ответов типа «да-нет» или «север-юг», и в итоге бот называет парковочную зону, от которой ближе всего идти до места на арене. Параллельно бот формирует статистику запросов. К примеру, точки питания арены получают данные о том, ценами на какие блюда чаще всего интересуются. В связи с этим они могут расширять ассортимент и оптимизировать рекламные объявления внутри стадиона. А руководство арены может узнать, как улучшить навигацию и какие еще не внедренные сервисы чаще всего запрашивают посетители, и таким образом модернизироваться на этой основе. Как это будет развиваться: Satisfi Labs понадобилось всего полтора года, чтобы проникнуть на крупнейшие арены США (Mercedes-Benz Stadium в Атланте, Barclays Center в Бруклине, MetLife Stadium в Нью-Джерси), за технологией уже пришли клубы НХЛ («Тампа-Бэй Лайтнингс») и НБА («Оклахома Сити»). Компания активно выходит за пределы спорта — ключевое техническое решение достаточно универсально, чтобы работать в других сферах. Помощники от Satisfi хороши еще и тем, что могут легко встраиваться в существующие у партнеров платформы: в приложения для смартфонов, в мессенджер Facebook или на отдельную страницу официального сайта. Такой возможностью уже пользуются, например, отели Hilton. Для них эта разработка — возможность расширить границы гостеприимства и создать комфорт даже за пределами своего помещения: сервисом пользуются гости, которые приехали в незнакомый город. Им, как и посетителям спортивной арены, важно знать, где лучше пообедать или купить нужную вещь. Для Hilton такой бонус к привычным услугам — дополнительный шанс продемонстрировать заботу о госте и остаться в памяти как бренд, который создает комфорт не только для ночлега, но и для пребывания в городе в целом. Масштабирование от охвата спортивной арены до целого города успешно продолжается. Промежуточная точка — крупнейшие торговые центры. Такие, как Mall of America с 500 магазинами. Параллельно компания Satisfi объединилась со специалистами по голограммам из VNTANA, чтобы создать помощника с визуальным обликом. Общение с ним будет обладать еще более сильным вау-эффектом, а в идеале голограмма сможет распознавать лица людей, которые обращаются за помощью. При повторном обращении искусственный интеллект сможет использовать опыт предыдущего разговора. Хайлайты в соцсетях доступны через 5 минут: проект IBM Watson на теннисных турнирах «Уимблдон» и US Open Как это работает: Старейший теннисный турнир «Большого шлема» «Уимблдон» вместе с партнером, компанией IBM, совершил комплексный технологический прорыв. Кроме работы с большими данными, в 2017-м году «Уимблдон» начал использовать суперкомпьютер IBM Watson для создания нарезок лучших моментов матчей — хайлайтов. Это целая система, основанная на использовании искусственного интеллекта. Технология Cognitive Highlights — результат сотрудничества IBM Research и IBM iX. Впервые ее использовали в 2017-м на Masters Golf Tournament, она давала возможность наблюдать за самыми интересными моментами с разных участков поля. Благодаря машинному обучению, разработчики научили компьютер распознавать эмоции теннисистов после розыгрыша: сжатый кулак, резко поднятая вверх рука, улыбка, прыжок. К этому добавили анализ реакции аудитории: разочарованный и радостный вздохи, аплодисменты. Также компьютер понимает значимость момента и выделяет розыгрыши на брейк-поинтах, сетболах и матчболах, а еще принимает во внимание статистику — например, скорость подачи. На основании этого Watson выбирает ключевые моменты матча и монтирует их в ролик для соцсетей «Уимблдона». Системе нужно 30 минут, чтобы собрать обзор игры, человеку — 45. Это особенно важно в первые дни турнира, когда задействованы все 19 кортов, параллельно проходит много матчей и следить за всеми проблематично. В 2017-м Cognitive Highlights установили на шести кортах. Как это будет развиваться: Ту же технологию уже начал использовать другой турнир «Большого шлема» — US Open. И там время, необходимое на сбор хайлайтов, уменьшили до пяти минут после матча. «Вопрос в том, как мы можем улучшить опыт взаимодействия с фанатами. Как минимум, мы должны доставлять им контент почти в реальном времени», — говорила Кристиен Корио, директор по цифровым стратегиям Ассоциации тенниса Соединённых Штатов. Очевидно, что к максимуму по скорости разработчики уже близко. Их дальнейшими шагами могут стать предложения для самих игроков: в командных видах спорта уже давно существуют программы (без искусственного интеллекта, отметки ставятся вручную), позволяющие, например, хоккейному тренеру после матча быстро получить доступ только к фрагментам игры в большинстве. Нарезки из всех теннисных ударов справа/слева или подач тоже могут быть полезны для анализа игры. Актуальные «истории» появляются прямо по ходу матча: возможности HEED для разных видов спорта Как это работает: Компания HEED, основанная в 2016 году, позиционирует себя как продукт, меняющий способ просмотра спортивных событий. В HEED считают, что современный болельщик не всегда имеет возможность и даже желание смотреть игру целиком, но ему по-прежнему важно оставаться в теме. Используя аналитику данных интернета вещей и искусственный интеллект, платформа разработала новый способ — предоставлять болельщикам моменты спортивных событий в виде коротких «историй» прямо по ходу встречи. Это тот же формат, который разошелся по многим приложениям после успеха коротких вертикальных видео в Snapchat и Instagram. Главных партнеров у HEED сейчас три: баскетбольная Евролига, главная лига смешанных единоборств UFC и PBR (Профессиональная езда на быках, родео). С сезона-2017/18 на каждой арене участника Евролиги установлены специальные датчики, разработанные по собственным технологиям, которые анализируют происходящее на арене: поведение зрителей, действия игроков и тренеров. Эта информация соединяется с накопленными данными и в виде ролика доставляется в приложение. Речь идет не просто о хайлайтах в режиме реального времени, а о поиске уникальных моментов и данных, которые могут зацепить болельщика. Например, во время матча «Химки» — «Фенербахче» в приложении HEED появилось 10 коротких видео, при этом ни одного во время первой четверти. Это разные ролики, начиная от данков с указанием высоты прыжка баскетболиста и временем, проведенным в воздухе, до измерения шума болельщиков на решающем отрезке матча. Как это будет развиваться: Пример UFC можно считать даже более продвинутым: кроме уже упомянутых технологий отслеживания движений, эмоций и реакций зрителя, HEED добилась внедрения датчиков (пока тестового) в перчатки спортсменов. Так получают множество данных: от силы удара до показателей физического и эмоционального состояния. На основе этой информации можно предсказывать, способен ли спортсмен оправиться после удара или как долго он продержится в бою. Однако для UFC важно сохранить баланс между технологиями и справедливым судейством, поэтому пока эти данные не попадают к болельщикам, их анализируют только специалисты. Серия по езде на быках PBR пошла по другому пути. Технологии HEED открывают новые возможности для анализа родео, очень быстрого вида спорта. Следить за движениями быка и наездника непросто, а данные HEED позволяют идентифицировать положение в пространстве и каждое действие. Искусственный интеллект фактически должен стать судьей, который будет оценивать каждый заезд объективно. Правообладатели убивают пиратство: технология Irdeto Как это работает: Пиратство спортивных трансляций отнимает большие деньги у организаторов мероприятий, но кроме того, это само по себе — огромный бизнес. Бой Мэйвезер — МакГрегор стал самым пиратским событием в истории спорта. Нелегальные трансляции можно было найти во всех социальных сетях, их отслеживанием и блокировкой занималась компания Irdeto. Ее представители рассказали, что одну из 239 трансляций в конкретный момент смотрели 472 тысячи человек. Разумеется, это финансовые потери для организаторов боя. Irdeto постоянно работает над улучшением систем отслеживания пиратских трансляций. Одна из новейших разработок связана с использованием искусственного интеллекта. Компьютер в дополнение к имеющимся технологиям может анализировать составляющие части картинок: логотипы спонсоров того или иного события, лица, текст на графике. Как это будет развиваться: Пираты учатся бороться со своими преградами, закрывая или размывая логотипы и вставляя плашки счета, стилизованные под другие телеканалы. Однако в этой гонке всегда лидируют нейронные сети: они позволяют обнаруживать неочевидные на первый взгляд атрибуты трансляции в комплексе. Учитывая серьезный передел влияния на рынке трансляций и стремительный рост количества правообладателей в digital-среде, что только облегчает возможность нелегально стримить эфиры крупных спортивных событий, борьба с пиратством будет развиваться. В Irdeto уже сейчас думают о том, как ставить более сложные или даже неразрешимые задачи перед пиратами. Irdeto продолжает обучать искусственный интеллект. Следующим шагом, по мнению вице-президента компании Петера Оггеля, будет обнаружение цветов формы играющих команд — например, «Барселоны». Перекрашивать футболки пираты точно не станут. Автогонки станут дешевле и безопаснее: решение Microsoft для NASCAR Как это работает: В гонках серии NASCAR, популярных в США заездах по овальной трассе на кузовных машинах, давно существовала проблема: существенное преимущество получали гонщики, нарушавшие правила при заезде на дозаправку или смену шин. На первый взгляд, пересечение ограничительной линий — незначительный проступок. Однако в гонке, где отрыв победителя может составлять менее 0,001 секунды, любая деталь очень существенна. А пересечение дает возможность, например, позже сбавить скорость или раньше разогнаться. До внедрения искусственного интеллекта такие нарушения отслеживали сотрудники организаторов: их на каждой гонке было около 50 человек, каждый через монитор следил за своим участком, фиксировал нарушения, затем перепроверял их на повторе. Теперь организаторам хватает 16 человек, которые обрабатывают данные новой системы, разработанной при участии Microsoft на базе Windows 10. Вместо 50 человек организаторы установили 46 камер Sony Ipela c объективами 8−80 мм от Fuji. При помощи тригонометрических формул получается точная модель трассы, данные с камер накладываются на нее, и в результате можно бесспорно определить нарушения. У команд и гонщиков не остается шансов на протест: все фиксируется и подтверждается документально. Во время тестовых гонок, когда разработку уже применяли в бета-режиме, но команды об этом не оповещали, она фиксировала до 100 нарушений. Уже после официального внедрения в мае 2017-го провели первую гонку, в которой не было ни одного нарушения. Нейронные сети используются для еще одного нововведения: Ford, вложивший около 1 млрд долларов в компанию Argo AI, применяет ее разработки для контроля за состоянием автомобиля. Раньше износ покрышек и внешние повреждения пытались контролировать на глаз. Однако на большой скорости и в ситуации, когда многие машины часто меняют цвет из-за краткосрочных спонсорских соглашений, это не очень эффективно. Нейронная сеть справляется лучше: она фиксирует положение нужной машины на трассе во время гонки NASCAR, делает его снимок и моментально сопоставляет с изображением автомобиля в идеальном состоянии. Это делает гонки гораздо более безопасными: команда со стороны может точно отслеживать износ и звать пилота пит-стоп до того, как он столкнется со сложностями пилотирования. Как это будет развиваться: Технология, в которую вложились единовременно, уже сэкономила для NASCAR несколько миллионов долларов. Организаторы не раскрывали, в какой момент планировали или планируют достигнуть точки безубыточности, но это неминуемо произойдет. В первую очередь затраты упали, так как на каждом этапе требуется меньше сотрудников, легче происходит монтаж оборудования и рабочих мест. Теперь часть из них находятся внутри большого грузовика, наполненного техникой — он переезжает с одной трассы на другую и требует просто свободного места и подключения. В дополнение к разработке Microsoft нужны только 10 человек, которые стоят прямо на пит-лейне рядом с командами и контролируют другие виды нарушений. В сезоне NASCAR 38 гонок, сумма сэкономленных средств растет почти каждую неделю. О снижении затрат заботятся многие гоночные серии, включая «Формулу-1». Однако путь большинства — ограничение затрат команд на вложения в разработки или тесты новых продуктов. NASCAR поступил мудрее: привлек искусственный интеллект, чтобы реорганизовать внутренний дорогостоящий процесс. Следующий шаг — обучение системы и передача других данных, собранных с помощью тех же камер, командам и участникам гонки. Планируется, что более глубокая аналитика поможет им в развитии. Кроме того, данные от Microsoft способны сделать более привлекательными трансляции заездов, работа в этом направлении тоже уже ведется. Проект Ford с обучением нейронных сетей предполагает обширное сотрудничество, инвестиция автопроизводителя в первую очередь нужна для развития машин с автопилотом. Помощь в NASCAR — лишь небольшая составляющая проекта.