第837章 聖徒的黑科技

請關閉瀏覽器的閱讀/暢讀/小說模式並且關閉廣告遮蔽過濾功能，避免出現內容無法顯示或者段落錯亂。

“裡德先生，你們對比賽影片的技術分析，都是透過人工來完成的嗎？”

亞歷山大·奧托的家族就是從事b2c電子商務的，多少跟這種資料分析有些關聯，因此他也很震驚，因為他完全無法想象，這要怎麼完成呢？

網際網路公司的大資料，那是透過後臺收集使用者行為的。

可南安普敦現在用的是比賽影片，如果真用人工去看，單純只是南安普敦的比賽和球員，那倒是還有可能，可是要積累全世界球員的資料庫，那看到眼睛瞎掉，都沒辦法蒐集到這麼龐大的資料，不是嗎？

“不，奧托先生，我們有一套專門的分析演算法，而且經過過去幾年的積累和改善後，精確度一點都不輸給opta等資料公司。”

亞歷山大·奧托就驚呆了。

這也太離譜了吧？

過去這幾年，職業足壇的資料分析大行其道，包括opta等公司在內，都跟著吃香。

可這些公司雖然都有自己的一些配套軟體，但那更多的是輔助。

他們最重要的分析手段，說到底，還是依賴於人工。

可南安普敦能夠透過一套專門的分析演算法，就靠電腦來分析比賽影片，這也太不可思議了。

“說起來，這跟歡少爺的遊戲公司還有不少的淵源。”

萊斯·裡德生怕大家不信，就解釋了一下。

“當年歡少爺在遊戲公司大力推動資料化分析，為此還專門研發出了一套演算法，捕捉遊戲裡角色的每一個動作，和使用者的每一個行為，並對此加以分析。”

這原本是為了用來賺錢的，例如研究一下，使用者在哪一種情況下最有充值花錢購買道具的衝動，再以此去設計道具，或者是為遊戲使用者提供其他的配套服務。

後來南安普敦的資料分析發展到了一定的程度後，遇到了瓶頸。

因為正如亞歷山大·奧托所說的，人工永遠都不可能承擔得起那麼龐大的工作量。

楊歡就想起了遊戲公司的這一套演算法，因此就找人來研究，看能不能夠在這一套演算法的基礎上，更進一步，研發出一套能夠自動分析比賽影片資料的演算法<script type="text/javascript">reads();</script>。

後來，包括著名的人工智慧專家德米斯·哈薩比斯，和他的團隊也都加入了其中，並在全世界招攬統計、機器學習等方面的專家，共同組成了一個研發團隊。

經過了兩年的時間，花了不知道多少錢，投入了不知道多少人力、財力和物力，最終才有了今天南安普敦的這一套資料分析和研究系統。

但收穫也很豐富，那就是德米斯·哈薩比斯在人工智慧方面的研究，也在這一段時間內，取得了突破性的進展。

例如他前不久引發全世界震驚的那一場測試。

他用自己研發出來的一款軟體去玩遊戲，包括一些很冷門的，但相對比較簡單的遊戲。

起初，軟體的表現很糟糕，可在經歷了幾次失敗後，軟體的表現越來越出色，最後甚至拿到了滿分的最高分，這簡直讓所有人都驚呆了。

因為他們發現，這一套軟體竟然會自己學習，並改進。

這也代表著，在人工智慧方面，他們取得了重大的突破。

而德米斯·哈薩比斯也將這一套演算法運用到了南安普敦的資料分析和研究系統裡面去。

最後的結果就是體現在了亞歷山大·奧托面前的這一份資料包告裡。

他們不僅僅深入分析到了法佈雷加斯每一腳傳球的精確度。

所謂的精確度就是指，法佈雷加斯的這一腳傳球，是否正好傳在隊友的慣用腳和步點上，讓隊友可以不用調整，直接進行下一步動作。

同時還會給出誤差率多少之類的相關資料。

這實在是太瘋狂了！

再往下翻，還能夠看到更加令人難以置信的分析。

例如，系統會分析法佈雷加斯每一腳傳球的路線，跟隊友的跑動意圖是否一致？跟球隊在這一次進攻中的推進和意圖是否匹配？這一次傳球是否最佳選擇？

分析出來的資料如此豐富，如此深入，別說是一次傳球，一次進攻了，就算是整場比賽，都可以被分割成無數極其細微的程序，進而構建起一名球員在整個過程當中的行進路線，和球隊整體的推進過程。

外面說，南安普敦能夠在賽前就對比賽進行推演，並且結果準確率很高。