在大师赛®上，传奇的传统与最先进的技术相遇。 通过超过 25 年的合作伙伴关系，IBM 帮助奥古斯塔国家高尔夫俱乐部捕获、分析、分发和使用数据，让球迷更近距离地观看比赛，最终打造出由人工智能驱动的大师赛数字体验和移动应用程序。 现在，无论是在球道旁还是在家观看，球迷都可以更充分地欣赏世界上最好的高尔夫球手在这项运动最负盛名的锦标赛中的表现。
在持续的设计思维过程中，IBM 咨询团队和俱乐部合作，年复一年地改善球迷体验。 2024 年的新功能包括洞洞洞察、每位球员在每个洞的每次击球的统计数据和预测； 并在超过 20,000 个精彩片段上扩展了人工智能生成的旁白（包括西班牙语）。
大师赛长期以来一直依赖 IBM 来管理本地服务器和多个云中的数据、应用程序和工作负载，但今年标志着一个重要的演变：整个 AI 生命周期都在 AI 和数据平台 IBM® watsonx™ 上进行管理。
收集数据
IBM watsonx 平台包括 watsonx.data，这是一个基于开放 Lakehouse 架构构建的专用数据存储。 这使得大师能够通过开放格式以及与现有数据库和工具的集成，在数据所在的任何地方扩展分析和人工智能。
“大师赛的数据湖利用了八年的数据，反映了球场随时间的变化，同时仅使用我们当前的球跟踪技术捕获的击球数据，”IBM 院士、人工智能和混合云 Aaron Baughman 说道IBM 的领导者。 “孔距和销钉位置每一轮、每一年都不同； 当我们暂存数据时，这些因素很重要。”
watsonx.data 访问的历史源包括关系数据库、对象数据库和文档数据库，包括 IBM® Db2®、IBM® Cloudant、IBM Cloud® Object Storage 和 PostgreSQL。
最后，watsonx.data 从实时提要中提取数据。 “我们将从系统中获取各种信息，包括得分、球跟踪、球瓶位置、球员配对和日程安排，”鲍曼说。 “我们还引入视频，在其中添加评论并将其嵌入到剪辑中。”
Watsonx.data 允许组织针对不同用途优化工作负载。 对于大师赛，“面向消费者的数据访问由 CDN 负责，该 CDN 会缓存资源，因此流量不会到达我们的源服务器，而我们的 AI 工作流程直接从源调用数据，以确保其尽可能最新， “鲍曼说。
准备和注释数据
IBM watsonx.data 帮助组织将数据投入使用，整理和准备数据以用于 AI 模型和应用程序。 大师赛使用 watsonx.data 来组织和构建与锦标赛相关的数据（球场、回合和洞），然后随着锦标赛的进行，可以用实时数据填充这些数据。 “我们还有球员元素、球跟踪信息和得分，”鲍曼说。 “能够围绕该结构组织数据有助于我们有效地查询、检索和使用下游信息，例如用于人工智能叙述。”
Watsonx.data 使用机器学习 (ML) 应用程序来模拟表示球定位投影的数据。 “利用我们准备的数据，我们可以计算特定区域中小鸟球或老鹰球的赔率； 我们还可以查看球道的另一侧以获得对比统计数据，”鲍曼说。
开发和评估人工智能模型
watsonx 的 IBM® watsonx.ai™ 组件让企业用户能够使用更少的数据更快地构建 AI 应用程序，无论他们使用的是生成式 AI 还是传统的 ML。
“对于大师赛，我们使用 290 个传统人工智能模型来预测高尔夫球将落在哪里，”鲍曼说。 “当球通过洞的预定义距离阈值之一时，它会转移到下一个模型，最终停在果岭上。 此外，还有四种可能的销钉位置——左前、右前、左后或右后——每个孔总共有大约 16 个模型。 对于人类来说，管理这些模型将是一个巨大的挑战，因此我们使用 watsonx 的 autoAI 功能来帮助我们构建正确的模型并选择最佳的投影。”
Watsonx.ai 还帮助数字团队构建了用于文本创建的生成式 AI 模型，作为口头评论的基础。 这样就可以使用 watsonx.governance 来评估输出的质量，使用 ROUGE、METEOR 和困惑度分数等指标，同时使用 HAP 护栏来消除任何仇恨、滥用或亵渎内容。
“watsonx.governance 中的工具确实很有帮助，”Baughman 说。 “我们可以跟踪我们使用的模型版本，将其升级到验证，并在我们确信所有指标都通过我们的质量估计后最终将其部署到生产中。 我们还测量响应时间，因为这是一个近乎实时的系统。 Watsonx.governance 可以轻松有效地管理和部署所有这些模型。”
训练和测试模型
Masters 数字团队根据 8 年的数据，使用 watsonx.ai 自动创建 Hole Insights 中使用的 ML 模型。 对于人工智能叙述，他们使用了具有数十亿参数的预训练大型语言模型（LLM）。
“我们使用小样本学习来帮助指导模型，”鲍曼说。 “我们不是通过锦标赛来微调模型，而是微调模型中的输入统计数据。 这是一种妥协，可以提供我们需要的结果，同时最大限度地降低风险。”
Watsonx.governance 还提供了多个 LLM，用于验证主模型的数据，例如消除 HAP 内容。 “我们有很多防护措施，甚至包括正则表达式，”鲍曼说。 “Watsonx 让我们相信，我们可以在 HAP 内容发布之前实时识别和缓解该内容。”
部署和管理模型
在调整和测试 ML 或生成式 AI 模型后，watsonx.ai 提供了多种方法将它们部署到生产并在部署空间内评估模型。 还可以评估模型的公平性、质量和漂移。
“我们使用 watsonx 中的 Python 脚本在 Watson Machine Learning（一组在 IBM Cloud 上运行的机器学习 REST API）上部署 ML 模型，”Baughman 说。 “我们还在本地运行模型，因为我们有将模型加载到内存中的容器，所以根本没有网络延迟。 我们有两种策略——我们通常首先在内存中运行策略，然后如果出现任何问题，我们会使用 Watson Machine Learning 上部署的模型。”
该团队采用了不同的方法来部署用于 AI 叙述的 LLM，首先使用 watsonx.ai 中的已部署模型（可以管理其生成参数），其次使用通过 watsonx.governance 部署到 Watson Machine Learning 的模型。
管理和维护模型
Watsonx.governance 提供对已部署的 ML 和生成式 AI 模型的自动监控，并促进透明、可解释的结果。 用户可以建立风险承受能力并围绕各种指标设置警报。
“如果模型在任何方面失败，Watsonx.governance 都会向我们发出警报，并让我们能够轻松修复它们，”Baughman 说。 “我们还可以按需运行实验，创建人工智能用例并确保它们按预期工作。” 一个这样的实验：一轮结束后，团队获得了该轮的一些基本事实，可以将其添加到模型中并重新验证，从而实现持续改进和改进结果。
88th 大师赛将于 4 月 11 日至 14 日在佐治亚州奥古斯塔的奥古斯塔国家高尔夫俱乐部举行。 要了解 IBM 技术的实际应用，请访问 Masters.com 或移动设备上的 Masters 应用程序（可在 Apple App Store 和 Google Play Store 上获取）。
了解 watsonx 如何帮助您管理整个 AI 生命周期
本文是否有帮助？
是的不
