IBM正式进入电竞领域:与动视暴雪达成协议,成为“守望先锋联赛”总决赛合作伙伴
IBM 将赋能动视暴雪“守望先锋联赛”的内容互动与分析,通过云和 IBM Watson 人工智能与机器学习技术吸引粉丝和玩家
IBM 将赋能动视暴雪“守望先锋联赛”的内容互动与分析,通过云和 IBM Watson 人工智能与机器学习技术吸引粉丝和玩家

美国时间 10月 9日,IBM 和全球首个由 20个城市战队参加的全球电竞联赛 — 动视暴雪旗下的“守望先锋联赛”(Overwatch League)宣布,双方签订了旨在将 IBM 的云计算和人工智能 (AI) 技术引入电竞领域的首份多年期协议,IBM 将成为 2020年“守望先锋联赛”总决赛以及 2021年和 2022年整个赛季人工智能、 云计算和分析的官方技术赞助商。这一赞助活动已在 10月 8日 - 10月 10日期间举办的 2020年“守望先锋联赛”总决赛上拉开帷幕。
根据协议,IBM 和“守望先锋联赛”将充分利用 IBM 提供的的高级云和人工智能产品套件。从 2021年开始,双方将利用 IBM 在自然语言处理和机器学习方面的专业知识来开发技术解决方案,以改进联赛的排名系统;还会依靠 IBM 的 Watson AI 功能创建实时和实况预测分析。目前,双方正在着手开发特定解决方案,包括计划在 IBM Cloud 上托管的新解决方案。这些正处于开发阶段的解决方案将利用 IBM 的成套分析工具来处理比赛数据,并通过使用 Watson 机器学习和 Watson Studio 中的 AutoAI 功能来增加 Watson 的 AI 功能,还将找到新的方法来显示“守望先锋联赛”通过现场比赛而获得的各种历史统计数据。
动视暴雪电竞首席营收官 Brandon Snow 表示:“我们一直在努力让粉丝以更有意义的方式参与‘守望先锋联赛’,与 IBM 合作能够帮助我们实现这个目标”。他认为,“IBM 推出的以云技术为基础的先进人工智能和机器学习技术将帮助我们为粉丝和战队提供参与机会,营造身临其境、创意十足的体验,观众将因此受益。我们很高兴能在本赛季规模最大的赛事总决赛期间宣布这一消息。”
IBM 体育与娱乐合作关系部门副总裁 Noah Syken 表示:“我们很高兴为世界领先的电竞平台提供一流的云平台和 Watson 产品组合。我们正在合作创建的解决方案可以为组织、玩家和粉丝提供更加引人入胜的体验。我们非常期待与‘守望先锋联赛’合作,为广大观众提供大规模创新的解决方案。”
IBM 与“守望先锋联赛”的合作标志着 IBM 首次涉足全球电竞领域。此前,IBM 也曾与其他合作伙伴合作,凭借其技术为全球范围内的众多体育和娱乐活动提供支持。自 1985年以来,IBM 一直以硬件制造商、芯片制造商和开发者的软件提供商身份参与游戏行业的发展。在过去的 35年里,IBM 通过 PowerPC 处理器、自然语言处理和云技术,协同电竞游戏企业开展合作。
IBM 同时也是众多体育组织和团队活动的长期合作伙伴,业务遍及网球赛事(美国网球公开赛和温布尔登网球公开赛)、高尔夫球赛事(美国名人赛)、足球赛事(通过 ESPN Fantasy Football)以及格莱美奖。通过建立的合作伙伴关系(包括 IBM 与“守望先锋联赛”建立的新合作伙伴关系),IBM 可以利用混合云和其他基于人工智能的解决方案的灵活性,为粉丝、玩家和教练们重构全新的运动和娱乐体验。
了解更多IBM Cloud海外公有云信息请访问:
http://www.zhiding.cn/special/globalization
0赞好文章,需要你的鼓励
推荐文章
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。