德克萨斯游骑兵队（Texas Rangers）是美国职棒大联盟五支没有赢得过世界系列赛冠军的球队之一。而目前游骑兵队在赛季中期竞争异常激烈的西部联盟中领先，并有望改写历史。其优异表现部分受益于一个默默无声的贡献者：生成式人工智能。

与目前大多数美国职棒大联盟球队一样，游骑兵队雇佣了一支由数据工程师、数据分析师和数据科学家组成的团队，仔细研究大量数据，希望在球场上获得优势。棒球一直是一种数字游戏，在人工智能的加持下正超速行进。

游骑兵队在大数据操作的复杂性方面可能领先于其他美国职棒大联盟球队。Alexander Booth是德克萨斯游骑兵队棒球运营研发助理总监，他在上周的Databricks data+AI峰会上讨论了球队在数据、分析和人工智能方面的投资。

据Booth介绍，游骑兵队的大数据业务在过去几年中发生了转变。这一时期恰逢新数据源的爆发，如生物力学、球员跟踪数据和气象数据，以及进入Databricks的云计算数据湖屋（lakehouse）。

Booth上周在接受采访时表示：“尽管我们在棒球界工作，但我们和其他人一样面临数据问题。”“所以我们从一个on-prem系统开始，但这个on-prem无法扩展。我们转向了云。我们的传统数据仓库存在一些问题——数据复制问题、治理问题。”

Booth说，大量非结构化数据流——包括跟踪球员关节运动的无标记运动捕捉系统，以及每五秒钟从球场收集的实时风、温度和湿度数据——对游骑兵队的数据团队来说尤其麻烦。

在用Databricks完成概念验证后，团队决定对旧金山公司的lakehouse进行标准化。到目前为止，游骑兵队的数字化转型进展顺利。

“这些来自生物力学数据、风力数据的大型非结构化数据源必须转化为可操作的见解。”“我们需要提供这些数据，以便我们的球员和教练能够从中获得有意义的东西。我们的其他解决方案无法使用这些新数据。Databricks出现了……我们用它们进行了POC（概念验证）。我们研究了如何使用Databrickss扩展这些处理模型用于转换层。”

像游骑兵队这样的体育运动队正处于大数据、分析和人工智能的转型之中，与其他行业的公司一样。零售商、银行和医疗保健公司正在从专注于基于周期性数据生产、分析转向使用实时数据实时做出决策，体育行业也是如此。

游骑兵队以及其他美国职棒大联盟球队的运动跟踪系统越来越复杂。最复杂的系统需要一个全面的“实验室”，比如圣地亚哥教士队上周宣布他们将在洛马角拿撒勒大学建造实验室。这些系统帮助投手和击球手调整他们的动作。

与此同时，美国职棒大联盟的Statcast系统对球员和球跟踪系统投资还能够提供大量其他运动数据，该系统利用了安装在全国每个棒球场的十几个摄像头。Statcast系统在2023年进行了重大升级，鹰眼高帧率相机将得到更广泛的使用，提供更多关于速度、攻击角度和接触点的细节。

游骑兵队正在尽最大努力收集他们能找到的数据。布斯在Databricks展会的新闻发布会上说：“这无疑是一场数据爆炸。即使在五年前，这些数据都不存在，所以很多球队都在迎头赶上。”“能够在这种大规模的大数据上利用这些数据，更快地做出数据驱动的决策，并建立其他俱乐部可能没有的预测模型，以寻找隐藏的价值，这是一种竞争优势。”

隐藏价值的最大来源之一可能是游骑兵队采用了生成式人工智能。由于去年11月推出了ChatGPT，生成式人工智能技术闻名世界，它吸引了各行各业数百万人的目光和想象力，包括职业体育。

据Booth介绍，游骑兵队正在利用生成人工智能来帮助处理和分析非结构化数据，主要与球员发展有关。他在新闻发布会上说：“棒球界有很多文本数据。”“有很多对球员的评价。有很多关于球队和球员的书面文章。还有很多需要筛选。棒球界有成千上万的球员，照顾到每一个人，在规模上是很困难的。”

游骑兵队使用生成式人工智能将大量文本数据自动汇总到一个文件包中，球探和球员开发人员可以更容易地使用。据介绍，这项技术允许俱乐部快速“阅读”数十篇文章或球探报告，并创建成一页摘要。“这让我们能够更快地分析我们的球员，并能够了解球探对球员的看法、记者谈论球员情绪，并快速、切中要害地总结，当然这有助于更快地做出决策。”

在经历了去年94场失利之后，游骑兵队在几个进攻指标（包括打击率、场均命中率和场均跑动）中都位列美国职棒大联盟前五，这表明今年情况正在好转。

没有办法知道游骑兵队的显著转变是否是由于俱乐部对数据、分析和人工智能的积极采用。但有一点是明确的：游骑兵队不会在短期内放弃数据这一有力工具。