很多人都会认为，足球是一种纯粹依赖于技巧性和敏捷性的运动，这是因为那些超级球星们在赛场上的表现太闪耀了，比如梅西，他灵活的步法和跑位让人们赞叹不已。但在理性的分析中，运动能力对于球队赢输起的作用还是相对有限的。获胜的决定因素要看宏观层面，包括到从球员阵型到替补时机、阵容协同等等各个方面。

所以，如果询问人工智能（AI），造就一个成功的球队最重要的是什么，就必须摈弃对个人技巧先入为主的想法，即使谈论的是梅西也不例外。

在解决一个新问题时，科学的方法是支持或者否定一个假设。但人类天生具有偏见性，这从根本上限制了人们解读数据和发现新策略的能力。比如，人们都会认为梅西是完美的足球榜样，而人工智能是毫无偏见的，可能会完全无视他的球技在球队获胜中的起到作用。

无监督人工智能

最近，美国加州理工学院的一个科学家团队在分析球员数据，构建球队新战术时遇到了问题。为避免固有的偏见，他们使用了一种名为“ghosting”的技术。这种技术允许他们的人工智能在没有监督的情况下对大量的数据进行解析：

虽然人工智能没有左后卫的概念，但它会注意到，大约1/11的跟踪点彼此活动非常相似，而且它们倾向于遵循相互信任的规则，这种规则不同于其他类似的相互信任的数据点所采用的规则。通过自动分配位置，可以看到每个球员相对于自己位置的变化，以及跑动时位置的瞬时变化，例如，当要射门时，所有人都在防守。这说明只要给人工智能提供一些跟踪数据，人工智能很快就能摸透一个新球队的战术。

尽管人工智能能够分析如此庞大的数据集，而人类却很难追溯其实现的步骤，理解不了它是如何得出结论的。而这是科学家们正在努力解决的问题，他们想找到方法让人工智能去“解释自己”，从而让人类能够理解人工智能。尽管如此，人工智能已经能够为人类提供有价值的深度分析结果了。比如谷歌的棋盘游戏AlphaGo，使用以前从未见过的策略和方式战胜了世界顶级围棋棋手。

解决行业问题

机器学习在游戏中发挥的作用让人类见识到它打破常规的能力。在基于云的超级计算机上训练人工智能，让它接触大量的数据， Infor已经率先将机器学习无缝应用到业务应用程序中，以一种强大而且独特的方式解决非常具体的行业问题。当Infor 将这些方法应用于零售业，在顾客还没有想法之前，零售商就能把他们想要的产品送到手上。Infor零售需求管理提供全面的云本地，预测和机器学习解决方案，为需求预测、商品财务计划、生命周期定价、分类计划、货品优化等带来精确性。当Infor把它们应用到医疗领域，可以让医院高效运行，医生能充分利用他们的时间，更好地为患者治病。

社会在变化，新的学习算法层出不穷。根据对各行业需求的深刻理解，通过综合运用无监督机器学习和有监督学习，Infor网络智能时代的解决方案在宏观和微观层面上都提供了深度分析功能，从而帮助企业成为各自领域的领头羊。

 关于作者

鹿崇先生现任Infor大中华区商业咨询总监。他在企业应用软件领域有超过15年的实战经验。鹿崇先生自2003年1月加入Infor至今。加入Infor之前，他曾在KPWOOD公司任系统工程师、SSA上海公司任职商业顾问，还曾在迅达电梯担任过项目负责人。鹿崇先生毕业于清华大学管理信息系统专业。