5 วิธีที่ AI กำลังเปลี่ยนแปลงกีฬาเบสบอล - และข้อมูลขนาดใหญ่กำลังใกล้เข้ามา

วิธีที่ Texas Rangers ใช้ปัญญาประดิษฐ์และข้อมูลขนาดใหญ่เพื่อสร้างความได้เปรียบทางการแข่งขัน

การเพิ่มขึ้นของปัญญาประดิษฐ์ (AI) ส่งผลกระทบต่อทุกอุตสาหกรรม แต่การใช้ประโยชน์จากข้อมูลในเมเจอร์ลีกเบสบอล (MLB) คือคำจำกัดความของการเปลี่ยนแปลงเกม

“แหล่งข้อมูลใหม่ๆ กำลังออนไลน์อยู่ตลอดเวลา” Oliver Dykstra วิศวกรข้อมูลของทีม MLB Texas Rangers กล่าว ซึ่งบอกกับ ZDNET ว่าหน้าที่ของเขาในการเปลี่ยนข้อมูลที่องค์กรรวบรวมให้เป็นข้อได้เปรียบทางการแข่งขันกล่าว

Dykstra อยู่กับ Rangers ตั้งแต่เดือนตุลาคม 2022 และเป็นส่วนหนึ่งของทีมเบื้องหลังที่สนับสนุนผู้เล่นในการชนะ World Series ปี 2023

“มันเป็นทีมที่ยอดเยี่ยมที่จะร่วมงานด้วย” เขากล่าว “มันน่าทึ่งมากที่ได้เห็นผลกระทบทันทีในสถานการณ์จริง ฉันไม่เคยมีงานที่คุณสามารถเฉลิมฉลองชัยชนะของคุณได้เหมือนที่คุณทำในทีมกีฬา”

Dykstra ได้เรียนรู้บทเรียนสำคัญบางอย่างระหว่างสองปีกับเรนเจอร์ส ต่อไปนี้เป็นห้าวิธีที่ AI และข้อมูลช่วยเปลี่ยนแปลงกีฬาเบสบอล

1. ให้การคาดการณ์ที่ดีขึ้น

Dykstra กล่าวว่าสิ่งสำคัญที่เขาได้เรียนรู้จากการใช้ AI คือความสำคัญของการจับคู่แบบคาดการณ์ที่ขับเคลื่อนด้วยข้อมูล

“เราสามารถดำเนินสถานการณ์เหล่านั้นได้เร็วขึ้นมาก และเข้าใจได้ดีขึ้นว่ามีอะไรเกิดขึ้นบ้าง” เขากล่าว “มันเกี่ยวกับความสามารถในการเล่นกับการจับคู่เหล่านี้ และจำลองสถานการณ์เพื่อดูว่าเกมจะดำเนินไปอย่างไรหากเราใส่คนนี้หรือคนอื่น หรือทำลำดับการขว้างโดยเฉพาะ”

Dykstra กล่าวว่าแผนกของเขามีโมเดลหลายร้อยโมเดลซึ่งครอบคลุมด้านต่างๆ ที่คอยเผยแพร่ข้อมูลใหม่ๆ อยู่ตลอดเวลา

“จากระดับบนสุด เราทำการคาดการณ์ทั้งฤดูกาล เราคิดว่าเราจะชนะได้กี่ครั้ง และทีมอื่นๆ ในดิวิชั่นของเรา เราแม่นยำมากในปี 2023”

แนวโน้มการปะทะเป็นอีกประเด็นสำคัญสำหรับการคาดการณ์

“การสร้างการจับคู่นั้น คุณจะได้ภาพที่ชัดเจนว่าผู้ตีมีแนวโน้มที่จะแกว่งและพลาดตรงไหน” เขากล่าว

ข้อมูลเชิงลึกแบบนั้นอาจมีความสำคัญต่อเหยือกน้ำ อย่างไรก็ตาม เช่นเดียวกับข้อมูลเชิงลึกจากโครงการที่ขับเคลื่อนด้วย AI จะต้องคำนึงถึงผลกระทบทางวัฒนธรรมจากการใช้ข้อมูลด้วย

“คุณไม่สามารถเป็นคนเหยือกได้โดยทำทุกอย่างที่ใครบอกคุณ” เขากล่าว “พวกเขามีความรู้สึกที่ดีว่าพวกเขาอยู่ที่ไหน ดังนั้นงานของเราคือการเสริมศักยภาพพวกเขาให้มากที่สุดเท่าที่จะเป็นไปได้”

2. การสร้างพันธมิตรใหม่

ผู้ที่มีความสามารถด้านข้อมูลภายในไม่ใช่ทรัพยากรที่สำคัญเพียงอย่างเดียว ความสัมพันธ์ในการทำงานของทีม MLB ที่ประสบความสำเร็จขยายไปไกลกว่าระดับองค์กร

Dykstra กล่าวว่า Rangers รวบรวมข้อมูลจากแหล่งที่แตกต่างกันและใช้การผสมผสานระหว่าง Apache Airflow และแพลตฟอร์มการเรียบเรียงและการสังเกตของนักดาราศาสตร์เพื่อให้แน่ใจว่าเจ้าหน้าที่และผู้เล่นจะได้รับข้อมูลเชิงลึกอย่างทันท่วงที

“เราต้องการบางสิ่งที่สามารถเคลื่อนไหวและจัดการได้มากขึ้น และให้ข้อมูลเชิงลึกแก่เรามาก” เขากล่าว

แผนกของ Dykstra ทำงานร่วมกับ Astronomer เพื่อช่วยจัดการการใช้งาน Airflow และข้อมูลจำนวนมหาศาลที่กำลังประมวลผล

“มันไม่ใช่แค่ระดับมืออาชีพที่เรากำลังร่วมงานด้วย ลองคิดถึงธรรมชาติของเกมที่มีชีวิตชีวา ณ เวลาใดเวลาหนึ่ง คุณสามารถมีเกมหนึ่งเกมเกิดขึ้นในหนึ่งวันหรือ 1,000 เกมทั่วประเทศและทั่วโลก” เขากล่าว .

"การไหลเวียนของข้อมูลไม่สอดคล้องกันมากนัก และหากข้อมูลในส่วนใดส่วนหนึ่งเริ่มใช้เวลานานขึ้น ก็อาจทำให้ห่วงโซ่ทั้งหมดพังได้ การจัดการโครงสร้างพื้นฐานที่สนับสนุนจะต้องมีการดูแลรักษาอย่างมากและหมายความว่าเราไม่สามารถมองไปสู่อนาคตได้ เท่าที่เราต้องการ"

3. การลบงานที่ต้องทำด้วยตนเอง

Dykstra อธิบายว่าเบสบอลเป็นอุตสาหกรรมที่ใช้ข้อความจำนวนมาก พวกเรนเจอร์ต้องอาศัยหน่วยสอดแนมทั่วโลก การเปลี่ยนรายงานที่เป็นลายลักษณ์อักษรให้เป็นข้อมูลที่เป็นประโยชน์อาจเป็นงานหนักได้ และนั่นคือสิ่งที่ AI กำเนิด (Gen AI) สามารถช่วยได้

“มีคำศัพท์และรหัสลับมากมายที่หน่วยสอดแนมใช้ มันมากเกินไปสำหรับคน ๆ เดียวที่จะอ่านข้อมูลทั้งหมดนั้น และบางครั้งก็ยากที่จะเข้าใจ” เขากล่าว "การแยกคุณค่าออกมาอาจเป็นเรื่องยาก แต่ด้วย LLM และ AI เชิงสร้างสรรค์ เราสามารถจัดเรียงข้อมูลสรุปเหล่านี้ จัดเตรียมพจนานุกรมที่ดีในการแปลวลีสำคัญ และสรุปได้"

Dykstra กล่าวว่างานของทีมส่วนใหญ่เกี่ยวกับ Gen AI นั้นเป็นการสำรวจ รวมถึงโครงการที่ช่วยเปลี่ยนข้อมูลลูกเสือให้เป็นข้อมูลเชิงลึกที่เป็นประโยชน์

เขากล่าวว่าองค์กรได้ใช้ Llama LLM พันธมิตรด้านเทคโนโลยีอื่นๆ ของแฟรนไชส์นี้ รวมถึง Databricks และ Amazon สนับสนุนการตรวจสอบโมเดลเพิ่มเติม

นอกจากนี้ เรนเจอร์ยังสำรวจว่าพวกเขาอาจใช้รุ่นดึงข้อมูลเสริมเพื่อนำเข้าหนังสือกฎเบสบอลและจัดทำข้อมูลที่เป็นประโยชน์สำหรับเจ้าหน้าที่และผู้ชมได้อย่างไร

“ข้อมูลนั้นเปลี่ยนแปลงไปมาก ตัวอย่างหนึ่งอาจเป็นการดูแลสุขภาพและการจัดให้มีอินเทอร์เฟซการแชทเพื่อให้คนของเราสำรวจกฎเกณฑ์” เขากล่าว

“ยังมีกฎสำหรับผู้ที่มาเยี่ยมชมสนามกีฬา พวกเขามีคำถามเช่น 'ฉันขอขวดน้ำได้ไหม ฉันจำเป็นต้องมีกระเป๋าเป้สะพายหลังที่มองเห็นได้หรือไม่'”

4. ติดตามปัจจัยอื่นๆ

ข้อมูลผู้เล่นไม่ได้เป็นเพียงแหล่งที่มาเดียวของความได้เปรียบทางการแข่งขัน Dykstra กล่าวว่าทีมงานยังให้ข้อมูลภายนอกแก่โมเดลของตน รวมถึงข้อมูลสภาพอากาศด้วย

“นี่เป็นแหล่งข้อมูลใหม่ที่มาแรง ทุก ๆ ห้านาที เราได้รับข้อมูลจากทุกสาขา” เขากล่าว “การเปลี่ยนแปลงสภาพอากาศในสนามกีฬาไม่ได้เป็นอย่างที่คุณคิด คุณไม่สามารถยกนิ้วขึ้นได้ มันไม่ใช่สิ่งที่คุณสามารถรับได้โดยสัญชาตญาณ”

สนามกีฬาเหย้าของเรนเจอร์ส Globe Life Field มีหลังคาแบบยืดหดได้ และเงื่อนไขอาจแตกต่างกันอย่างมากจากสนามกีฬาแบบเปิดในสถานที่อื่นๆ ทั่วสหรัฐอเมริกา

“มันสำคัญมากที่จะต้องให้ข้อเสนอแนะแก่ผู้เล่นและพูดว่า 'ลมได้ผล กลับบ้าน นั่นคงจะเป็นโฮมรัน ดังนั้นแค่ทำสิ่งที่คุณทำอยู่ต่อไป นั่นเยี่ยมมาก' พวกเขาต้องการผลตอบรับทันที พวกเขาต้องการมันทันทีหลังเกม” เขากล่าว

“วันถัดไป พวกเขาต้องการตื่นขึ้นมาและมุ่งเน้นไปที่เกมถัดไป ความสามารถของนักดาราศาสตร์ในการตอบสนองหน้าต่างข้อมูลเหล่านั้นและส่งมอบข้อมูลเชิงลึกให้กับคนของเราโดยเร็วที่สุดหลังจากเกมช่วยได้ทุกอย่าง”

5. การสร้างวัฒนธรรมใหม่

ผู้เชี่ยวชาญในอุตสาหกรรมกล่าวว่าองค์กรต่างๆ จะต้องทำให้การเข้าถึงข้อมูลเป็นประชาธิปไตย เพื่อใช้ข้อมูลเชิงลึกที่สร้างขึ้นโดยเทคโนโลยีเกิดใหม่ให้เกิดประโยชน์สูงสุด

Dykstra กล่าวว่านั่นคือสิ่งที่เกิดขึ้นที่ Rangers โดยเฉพาะอย่างยิ่งการเตรียมพร้อมของผู้จัดการในการเปิดรับโอกาสที่ขับเคลื่อนด้วยข้อมูล

“ผมประทับใจบรูซ โบชี่มาก เขานำโลกทั้งสองมารวมกันและใช้สัญชาตญาณของเขาเพื่อท้าทายสมมติฐานใดๆ ก็ตามที่เรากำลังตั้งขึ้น” เขากล่าว

Dykstra อธิบายว่า Rangers มีนักวิเคราะห์ข้อมูลที่ฝังอยู่ภายในทีมเพื่อช่วยให้มั่นใจว่าโค้ชและผู้เล่นใช้ประโยชน์จากข้อมูลให้เกิดประโยชน์สูงสุดได้อย่างไร: "มันเป็นการสนทนาเสมอ"

แน่นอนว่าการใช้ข้อมูลอย่างแพร่หลายสามารถนำมาซึ่งความเสี่ยงได้ เขากล่าวว่าเรนเจอร์ต้องปฏิบัติตามกฎและข้อบังคับที่เข้มงวดของ MLB

“MLB จำกัดอย่างหนักว่าเราสามารถให้ข้อเสนอแนะประเภทใดแก่ผู้เล่นและโค้ชของเราในระหว่างเกม” เขากล่าว

"ความสำเร็จคือการทำความเข้าใจว่าข้อมูลของคุณเคลื่อนย้ายอย่างไร มาจากไหน จะไปที่ไหน และสามารถสื่อสารการเดินทางนั้นได้อย่างมีประสิทธิภาพ ซึ่งเป็นเส้นทางที่ชัดเจน"