撰文 | 高靜宜
2018 年，又是一個球迷們釋放躁動靈魂、迷妹們大飽眼福的世界盃足球年。
毫無意外，在這種球迷狂歡的日子裡，我會再次體驗到一種「眾人皆醉我獨醒」之感。這都是源於我過去與親友一起看球的經歷：
「哎？那邊的橙色 7 號是誰？為什麼球一到他腳下現場的歡呼聲就特別響亮？」
「這個球隊連跪很久了嗎？為啥才淨勝一球場上的球迷就抱頭痛哭了起來？」
「啊，為啥剛才那個進球不算啊？誰犯規了？咋犯的？」
……
相信很多朋友和我一樣，並非內心裡對足球絲毫不感興趣，而是因為看球的過程中總是一頭霧水，即便得到了答案也錯過了節奏和時機，讓我們這些足球小白大大喪失了看球的樂趣。
我身邊的球迷朋友也經常會嘲諷我說：跟你一起看球就像拿著一本《十萬個為什麼》，我得邊看球邊答題。有時候給你展開講多了，回頭一看都錯過了進球！
這樣一來，不想被足球拋棄的我似乎只能寄希望於一個量身定做的看球助理了，它既要具備為我答疑解惑的能力，還要能夠傳授給我去和一起評頭論足的底氣。
一個名為「AI 球」的語音互動看球助理，可能要在這季世界盃成為我的陪看機器人。
有問必答的 AI 看球助理
「AI 球」是魔方元科技研發的一款人工智慧看球助理。下載安裝之後，我和 App 裡的語音聊天機器人「小美」進行了簡單的互動。事實證明，「小美」的確能夠識別並回答出我所提出的一些基本問題，相當於足球領域的 Siri。魔方元科技聯合創始人、復旦大學人工智慧客座教授鄔學寧介紹，「AI 球」背後的三大核心技術分別為知識圖譜、自然語言處理和深度學習。
與市面上的其他語音互動助手相比，「AI 球」基於足球行業知識圖譜，而非開放域知識圖譜。使用開放式的知識圖譜意味著，系統難以回答垂直領域的問題，同時廣義知識圖譜的資料普遍存在質量問題。
而要建立足球行業的知識圖譜，團隊需要花費大量的時間精力去抓取散佈在網際網路各處的結構化及非結構化足球資訊，然後經過清洗、排歧、表達等處理過程，完成資訊的聚合。
只有這樣，才能收錄歷年比賽歷程，各球員、球隊的資料資訊等，達到事無鉅細地，從而「餵飽」使用者。
而對於一款語音互動助手來說，如何給予使用者最佳的互動體驗也是非常重要的一環。
「AI 球」基於深度學習的自然語言處理能力來理解使用者對話的語境與語義，從而實現人機互動，不僅可以回答使用者對足球的簡單事實型問題，還能夠在一定程度上進行邏輯推理，並以語音、影片、圖文等形式向使用者傳達球員基本資訊、賽事資料、社媒資訊等足球比賽相關內容。
與此同時，「AI 球」還會記錄使用者行為，從而構建獨立完整的使用者畫像。在此基礎上透過 AI 和大資料分析，推薦系統演算法就能為使用者推送個性化內容，幫助使用者直接鎖定自己心儀球隊、球星、感興趣的比賽資訊。此外，如果使用者需要，系統還會根據要求在賽後盤點出每場比賽的高光時刻，從陣型統計、資料統計等多角度展開對維度覆盤分析。
事實上，一提到自然語言理解，資料就是一個繞不開的話題。相比於泛領域，垂直行業的語料缺失自然成為團隊研發過程中不得不面臨的一大難題。
鄔學寧用「資料飢餓」來形容垂直行業缺乏語料的問題。其實，團隊最初也曾嘗試使用康奈爾大學的通用語料來訓練，但效果並不理想。
也正因如此，在使用「AI 球」時，我也常遇到「雞同鴨講」的情況，這應該是「AI 球」接下來的最佳化方向之一。
鄔學寧透露，團隊計劃嘗試利用強化學習的方法來加強自然語言理解的能力。
AI 能在賽事解說上更進一步嗎？
就像從回覆固定問題到互動交流解決問題，AI 逐漸改變了客服這一職業，看球助手的下一步同樣會指向賽事解說。
2002 年，新華社駐耶路撒冷記者克韓轉身進入足球解說行業。
俗話說，隔行如隔山。要想在直播過程中金句頻出、妙語連珠，除了個人魅力和語言風格的加持，背後自然少不了系統、全面的知識儲備。
可以說，熟知球隊、球員的資訊資料，掌握一場盃賽的最新戰況，瞭解吸睛人物的歷史故事、邊角餘料甚至花邊新聞，這些都是專業解說員的基本功課。
「從入行起，我每天都要看十幾份英報去收集、更新資訊，平均每天要花 2 到 3 個小時的時間，而且這樣堅持了十多年。」克韓回憶說道，
「直到有一天，我的一位程式設計師朋友給我做了一款 AI 小程式，能夠幫我自動完成資料的收集整理。現在，我每天起床先開啟電腦再去洗澡，回來以後所需的東西就已經擺在我眼前了。」
與人類解說員相比，AI 聊天機器人的「天份」在於足球相關知識的學習速度及儲備量。正如克韓的親身經歷，解說員對於一場比賽需要很長時間的準備，而 AI 則可以自動化地進行知識抽取、表達，對知識的積累量是非常驚人的。
在「AI 球」的釋出會上，這款產品就在現場展示了擬人化的比賽解說能力。
現場聽來，「小美」的解說雖然略顯生硬，但是整體較為流暢，對比賽情況描述準確，也能時不時「抖點機靈」。
那麼，這是怎麼實現的？
鄔學寧告訴機器之能，簡單來說，在直播過程中團隊會實時接收前方發來的賽事資料資訊，然後系統會模型進行分析並實時完成解說。
其實，AI 足球解說員並非魔方元的首創。阿里雲團隊就曾利用 AI 技術對 2017 年世俱杯半決賽西班牙皇家馬德里隊與阿聯酋阿布扎比半島隊的比賽展開了解說。不同於魔方元直接拿現成資料再進行加工處理的做法，阿里雲主要透過對球員 、足球進行定位掌握賽事資訊。
鄔學寧表示，計算機視覺技術並不是魔方元的主要發力點，「我們不挖石油，而是做加工石油的化工廠。」
他解釋說，足球球場較大、攝像頭無法全面覆蓋、球員不能佩戴感測器、球員號碼牌較小等原因，使得基於影像得到的資料來源的準確率並不高，因此沒有被廣泛應用。
那麼，「AI 球」是如何像人類解說員那樣進行預測和判斷？
「把基於統計學的模型與知識圖譜相結合起來。」鄔學寧說。
也就是說，系統在獲得資料「某一球員在相距球門某一距離接到球」時，模型會考慮禁區點上這個位置射門的成功率等歷史資料，然後給出相應的進球機率，從而完成整個推理預測過程。
「如果有一天 AI 能夠把傳球路線、傳球選擇這些全說出來，那估計我們解說員也就快要失業了。」克韓笑著說道。
眼下看來，AI 技術能力還遠遠無法替代解說員這個行當。
有一種觀點認為，機器人解說員的優點之一就是，不會像黃健翔那樣帶有濃烈的個人色彩和喜好傾向，能夠客觀地傳達賽事訊息。但不得不說，在腎上腺激素極度飆升的足球專案中，許多人「就好這口」，他們喜歡解說員在整個賽事推進中表現出激情澎湃的感染力，充分感受競技體育的魅力。
在這之前，阿里雲的 AI 解說亮相期間，就有不少網友吐槽機器的解說十分平淡，索然無味，聲音僵硬，「讓人聽著快睡著了」。
「AI 沒有真正的情感，但是並不妨礙它表達情緒。」
鄔學寧解釋道，只要按照預先設定的規則，AI 解說員在風格上也可以激烈、也可以幽默。這需要 AI 提取語料中不同的語言風格，再和要生成的語言融合生成內容。
此外，AI 還可以根據使用者畫像，為不同的球迷提供個性化的解說內容。
例如，對於主隊球迷和客隊球迷來說，賽場上的一個進球肯定會讓他們產生正好相反的情緒。那麼，AI 就可以針對為不同立場的使用者提供不同傾向的解說，以便繞過兩方球迷的情緒都能得到宣洩和安撫。
「當然，黃健翔的水平暫時是不可能達到的。」鄔學寧笑著說。
AI+體育是否會成為下一個藍海？
成立於 2012 年的魔方元科技針對足球領域推出過「NikeSOP」、「足球魔方」、「進球之王」等產品，旗下囊括資料諮詢服務、賽事分析服務、職業體育服務等業務，覆蓋了全球六個大洲的 4600 萬使用者，客戶包括 BAT、新浪網、新英體育等。
不過，魔方元此前技術產品主要聚焦在大資料分析上，「AI 球」是魔方元試水 AI +足球的第一款產品。
鄔學寧告訴機器之能，早在 2016 年 10 月一次聚餐時，團隊核心成員就在討論打造「AI 球」這樣一個專案的可能性。
「網際網路流量成本非常高，這是一個很好的獲客點。」
在經歷了前期的產品概念驗證、技術可行性分析之後，公司在 2017 年 7 月開始了線上公測，並在 8 月底接入英超賽事。而今年，團隊會把精力主要放在世界盃上。
「AI 球」還在小米「AI 音響」和叮咚音響上線相關功能。使用者可以直接在智慧音響上與「小美」對話，透過介面呼叫的方式，智慧音響系統會把使用者的語音轉成文字傳送到「AI球」，然後「AI球」再把處理好的文字傳回音響系統。未來，「AI 球」還會對接小米大腦從而接入小米所有智慧終端產品。
提到「AI 球」的營收來源時，鄔學寧表示，目前主要還是處於獲客階段，未來可能會跟俱樂部合作，從 B 端收取費用。此外，團隊對於「AI 球」這種形式的產品也有很多設想： 「如果未來能夠同其他平臺建立良好的連結，那麼大家看球的時候透過『AI 球』在餓了麼上點點啤酒也挺不錯的。」
目前，魔方元團隊有 200 人左右，研發成員佔 50% 以上，近期正在新加坡組建多語種團隊。2016 年 8 月，公司完成華人文化近億元 B 輪融資，並由「歡呼吧體育」更名為「魔方元科技」。更早一些時候，公司在 2013 年年底、2014 年年底獲得 Pre-A 和 A 輪融資，分別由平安創投和北極光創投注資。
作為世界第一大球，足球產業的佔體育總產值的 40% 以上，具有廣闊的市場容量和產業人群，這也是魔方元選擇聚焦在足球的主要原因。
不過，AI 在體育上的能力遠不侷限於此，籃球、棒球、高爾夫，也都是科技公司試圖打入的熱門領域。
2016 年，度秘也曾嘗試了 AI 籃球解說。當時，百度上線了度秘直播解說系統，對中國男籃比賽展開圖文直播。不過根據使用者反饋來看，當時的技術也並不盡如人意，而這個專案後續似乎也沒有了聲音。
雖然在解說上，AI 沒有發光發熱，但在其他方面，AI 的能力已經逐漸展露出來。
智慧體育公司 Zepp 曾推出一套名為 Visual Computing 的系統，這套系統透過手機攝像頭拍下使用者進行高爾夫、籃球、網球等運動的動作，然後利用 AI 技術對影片逐幀進行分析，有利於使用者瞭解自己的運動過程，從而提升運動技巧。
這聽起來好像並沒有什麼新奇，很多俱樂部早已用科技手段幫助教練掌握球隊、球員的詳實資料，從而幫助球員設計最合理的訓練方式，或是給球隊制定最佳對陣策略。不同的是，此前體育領域內所依靠的技術手段大多還是資料分析，而使用 AI 技術的仍佔少數。
相較於金融、安防、醫療等 AI 應用的熱門領域，在體育產業，AI 的價值似乎還沒有得到最大程度的挖掘，計算機視覺技術和自然語言理解能力也沒有找到能夠引發顛覆的著陸點。
或許，「開荒」AI+體育仍然大有可為。