如何不再忍受一個你不喜歡的球賽解說員?除了換臺和靜音，現在有了新的方式——用機器淘汰他。

 　　比起人來說，機器沒有情感偏向，幾乎不會出現低級錯誤，比如把贊助商SHARP當作球員名字進行介紹，也不會因為把握不好節奏漏掉關鍵的比賽細節，對于歷史數據和信息，甚至沒有人能擊敗它，因為它所擁有的是無限的資料庫和迅速搜索分析的能力，而人只能憑借大腦和記憶。

 　　用機器實時解說比賽，這是人工智能和機器學習的場景性應用之一。在這個過程中可以訓練機器對于實時場景信息的處理、分析、解讀和判斷能力。而且如果對于一場高速進行的球賽都能實時解說，那這種機器的模型和能力就還能應用到更多場景和情況中。

　　百度版“人機大戰”

 　　出于上述考慮，百度度秘研發團隊正在訓練旗下人工智能機器人助理——度秘，解說奧運男子籃球賽，而且為了讓這種解說更富挑戰性和交互性，度秘團隊請來了擁有多年籃球解說經驗的楊毅，他將和度秘同場搭檔解說。這是百度版的“人機大戰”。

　　籃球解說員楊毅在解說直播間，他的搭檔將是面前的機器

 　　不同以往，這次別開生面的人機解說帶有協作性質，但也充滿挑戰意味。機器和人的差異，可以在賽前、賽中和暫停休息等三個不同場景中被明顯感受到。

 　　在賽前，對于兩隊各自情況和數據記錄，度秘表現出了機器所具備的“博學性”和準確性，它準確調取了球員信息、歷史對戰數據等。而這部分工作以前往往是人類解說員的“功課”，不少解說員需要賽前花費大量時間搜索、歸納和整理。

 　　楊毅的解說則只能更加偏向人文性和趣味性，帶有較強的主觀感性。比如介紹立陶宛時，他能夠介紹到立陶宛知名的啦啦隊美女，以及如何在立陶宛叫到一扎啤酒。類似這樣的知識，度秘或許也知道，但它很難主動告訴你，除非在個性化訓練和調校中，它知道你對這些方面的知識感興趣——它會在后臺通過“標簽”給用戶描繪畫像。

 　　比賽中，度秘則開始展現實時解說比賽的能力，“誰，什么狀態，在做什么事情，最后結果如何”，這些比賽基本要素它能夠表述清楚，現場體驗來看，相當于在通過收音機觀看比賽。實際上，圖文版也在同步進行中，但完全是機器自發的行為，不用再耗費任何人力。而此時，楊毅的作用則是帶來圍繞某個狀態和場景延伸開去的信息，并且豐富解說氛圍。打比方來說，楊毅和度秘在整個比賽過程中相當于在進行一場相聲表演：楊毅是插科打諢的捧哏，度秘則是不斷圍繞主線進行闡述的逗哏。

 　　而在中場休息時間，度秘則帶來總結分析，比如數據統計方面，或者更加個性化的數據情況，如某個球員的具體數據等。這些數據此前依賴于賽會組織方面的統計，只有賽會方面統計完畢才能分發到解說員，但現在，機器可以在解說的同時完成這部分工作，并在實時比賽間隙播報。如果你是一位“教練”型的觀眾，那通過機器帶來的數據能夠更加清晰地掌握比賽走勢——此前則有賴于解說員的個人風格，畢竟不是每一個解說員都愛在休息時間用數據分析比賽。

 　　此外，如果你是一位愛聽段子的球迷，機器也能從評論中抓取有趣的評論或人氣較高的評論進行“解說”。

 　　                                                                                                                                                             機器解說的背后原理

 　　從技術原理的角度來說，度秘目前可以實現的“解說”能力主要基于自然語言處理技術(NLP)。簡單來講，這個處理過程和技術大致可以分為：對需求信息分析理解、獲取基本信息(包括對文字和圖片的信息的搜集、分析和理解)、實現智能化輸出和有風格的解說。

　　其實這個過程也包含了目前人工智能領域的幾大核心技術：語音識別、大數據計算和機器學習。

 　　但賽事解說的特殊性在于它比語音識別更加復雜，也比一般的聊天互動需要更高的智能化程度，因為解說需要基于領域知識，面向不同層次、需求的用戶，理解比賽當時的形勢，用自然、流暢、生動的人類語言講解出來。

 　　自動解說主要從機器翻譯技術上找到靈感，基于統計和機器學習方法，把基本的統計數據翻譯成有趣的人類語言解說。為了實現這種“有趣”和解說風格，度秘學習了NBA和2012倫敦奧運會籃球賽的幾百場比賽文字解說，不僅講人話，還學到了風趣幽默、表情包的運用等。

 　　比如在解說某個球員投籃打框未命中時，度秘的表述是：“XXX上籃，咣當，仿佛聽到打鐵的聲音。”另外，在給大家介紹奧運會籃球比賽三分線和NBA三分線規制的不同時，它如此說道：“奧運會比賽三分線XX米，NBA三分線XX米，不過還有一種三分線叫庫里。”這就是機器學習了人類解說資料的結果。

　　為什么是籃球解說?

 　　對于此次選擇從籃球比賽解說入手的原因，新浪科技也詢問了百度大搜索總產品架構師景鯤，得到的解答是度秘團隊認為籃球比賽場景更加豐富、進行速度更快、交互更加頻繁，對于機器學習和訓練更加有挑戰，此外，籃球比賽受眾范圍更廣，在國內關注程度高，可以獲得更多更及時的用戶反饋。當然，另外一個隱秘的原因是度秘團隊中有不少工程師是籃球愛好者。

 　　不過，除了籃球比賽，機器解說可能在足球比賽中會更加受到歡迎。因為足球比賽場景要比籃球比賽少，但是涉及的數據和知識又會更多。所以在數據方面，機器解說會超越任何解說員的“活字典”般的記憶;其次是對于場面的分析，結合數據會更加有針對性的分析。

 　　實際上，這一定程度上也能幫助球隊教練做決策，比如通過機器解說掌握的數據情況，不斷分析球員狀態和場面因素，能夠幫助教練實現及時調整。

 　　其實，將科技運用于比賽訓練和執教并不稀奇，目前世界上最為優秀的足球教練之一魔力鳥穆里尼奧就一直通過iPad和應用幫助自己分析比賽，及時作出關鍵決策和判斷。

 　　不過對于度秘團隊來說，通過機器解說球賽的方式訓練，目的并不是簡單代替“解說員”，他們希望通過這樣場景化的機器學習訓練，未來可以將模型和方法應用到更多更廣泛的場景中。“比如北京大雨天氣會造成露面積水，那度秘可以對各方面信息和數據做出綜合判斷和分析，引導避開積水路段。”百度度秘&多模交互搜索部總監孫雯玉介紹說。

 　　當然，度秘團隊的“野心”是最終能打造出一款“我的度秘”，它能夠全知全能，給用戶生活、工作提供更多的個性化幫助，更加便利和智能。但目前來講，技術上尚無法實現這種“全知全能”，對于發布即將滿一周年的度秘，度秘團隊希望在今年內推出的2.0版本會有更多場景化和個性化上的豐富。

　　機器會讓解說員失業嗎?

 　　如果把機器解說放到更寬泛的人工智能進展中來看，那也可看做是機器對于人類活動和能力的一種替代。在讓實時翻譯員、財報編輯和速記等“失業”后，度秘之類的機器程序正在讓部分“解說員”下崗。

 　　拿目前人工智能業界的論調來說，這些被替代的工作里，很大一部分是“簡單的重復的腦力勞動”。相比于工業革命對體力勞動的解放，目前洶涌而來的人工智能革命正是奔著解放部分腦力勞動去的。

　　機器在資料收集和分析方面具備優勢

 　　不過不必擔心的是，人工智能固然有計算方面的天然優勢，但具體到解說這種領域，機器也肯定不會完全取代人類。比如機器再如何學習、“吃”了多少解說資料，都必然不會在比賽中靈光乍現，脫口而出“他繼承了意大利左后衛的光榮傳統，這一刻他不是說一個人在戰斗，他不是一個人!”之類的激情解說。

 　　這樣的時刻有些類似人機圍棋大戰里，李世石擊敗AlphaGo的那一局中的“神之一手”。歸根結底，人類所具有的感性和靈感的那部分，機器尚不能習得，也無從學起。

 　　然而有意思的是，如果完全通過機器來解說比賽，那解說界再也不用擔心被批評“不中立”，也不用在比賽中不斷被球迷吐槽了。不知道這是否意味著在解救一部分不堪忍受糟糕解說的球迷的同時，也讓觀看比賽少了吐槽解說的樂趣。

 　　但另一個更有意思的事情是，如果未來某天AlphaGo真的要來中國挑戰柯潔，那這次就可以實現雙重人機大戰了。一方面是機器和棋手下棋，另一方面是機器和人在解說分析上較勁。

　　當然，這時的你也能用機器助手叫個外賣小龍蝦之類的。

 　　作為多年市場調查的市場研究機構，長期涉足競爭對手市場信息的監測和調查研究，建立全方位的市場信息收集網絡，搭建國內最完善的數據信息平臺。為企業提供大數據和互聯網+時代的信息化一站式服務。更多競爭對手及市場調查的需求和行業分析、專項定制，請直接進入官網詳細了解。