الذكاء الاصطناعي التوليدي يحول مجالات الرياضة والترفيه – مقابلة مع قادة في الدوري الألماني (Bundesliga)
خلال تغطيتنا على الأرض لحدث AWS re:Invent المقام مؤخراً في مدينة لاس فيجاس الأمريكية، تسنت لنا الفرصة للتعرف على العديد من التقنيات الجديدة والرائدة من جهة، كما التقينا بشركاء عديدين يروون قصص تعاونهم مع AWS. ولفت انتباهنا هناك حضور الدوري الألماني الممتاز لكرة القدم (Bundesliga)، واغتنمنا الفرصة لمعرفة كيفية استفادة هذا الكيان الرياضي الهام من تقنيات السحابة وتحليل البيانات.
خلال اللقاء، تحدثنا إلى السيد باستيان زوبر، الرئيس التنفيذي لشركة DFL Digital Sports والتي تُعد مركزاً رقمياً وتقنياً لشركة DFL، وهي الجهة الحاكمة لدوري كرة القدم الألماني، Bundesliga، وكذلك السيد لوكاس روزنوفيتش، رئيس التعاون الاستراتيجي بشركة DFL. حيث حدثنا السيدان عن التقنيات المثيرة القادمة لعشاق الساحرة المستديرة، وكيف يمكن للذكاء الاصطناعي أن يحول مجالات متنوعة تصل إلى الرياضة والترفيه حتى.
هلا أخبرتمانا عن طبيعة شراكتكم مع AWS؟
بدأت شراكتنا مع AWS منذ عامي 2017 و2018، فنحن نعمل معاً منذ وقت مبكر. ومنذ حينها، تمكن مشاريعنا الرائدة مشجعينا، ومذيعينا، وأنديتنا من التفاعل مع تحليلاتنا في الوقت الفعلي، وهو ما يُعرف بتقنية Bundesliga Match Facts، والشبيهة بتقنية NFL Next Gen Stats. وفي الوقت الحالي، تركز هذه الشراكة بقوة على تقنيات الذكاء الاصطناعي التوليدي، حيث ندرس كيفية الاستفادة من تقنيات الذكاء الاصطناعي التوليدي، ليس لمشاركة المحتوى فحسب، بل لتحسين أعمالنا أيضاً.
أود أن أضيف أن ما يهم بشأن الشراكة هو تطابق طريقة تفكيرنا من الناحية العملية مع AWS. حيث يتعلق الأمر برؤية شركة أمازون لتكون أكثر الشركات تركيزاً على الزبائن، ونحن نشاركها هذه الرؤية، حيث نريد أن نكون الدوري الأكثر تركيزاً على المعجبين في العالم. لذلك، تُعد هذه الشراكة ناجحةً للغاية،فعندما تجمع الفرق معاً لمناقشة موضوع ما، فهم يناقشونه من نفس المنظور. ورغم أننا لا نفعل ذلك بشكل مثالي دائماً، ولكن يكفينا شرف المحاولة.
لا نشعر بأننا منفصلون عن AWS، بل نشعر وكأننا فريق واحد يعمل على الموضوعات التي تعزز من تجربة المعجبين. وثمة أمثلة عديدة لذلك، وأبرزها طريقة «العمل العكسي» التي تتبناها أمازون، والتي تساعد على الوصول لحل، أو مشروع، أو منتج جديد عبر تحديد التحدي الذي يواجه الزبون وإيجاد أفضل طريقة لتطبيق التكنولوجيا لحل هذا التحدي. وفي DFL، نستخدم نفس الطرق لتقديم أفضل الحلول المتاحة لمشجعينا، ومذيعينا، وأنديتنا، وأعتقد أن هذه شهادة على مدى عمق الترابط بين AWS، وDFL.
يربط معظم الأشخاص تحليل البيانات بالشركات التقنية فحسب، فما حاجة دوري رياضي بالأمر؟
بادئ ذي بدء، تتطلب الرياضة كمية من البيانات، وأعتقد أنه من الضروري أن ندرك أننا نملك ونتحكم بسلسلة قيمة إعلامية كاملة، والتي تبدأ من الملعب،في حين تبدأ عملية إنشاء القيمة مع إذاعة البث عبر الكاميرات، والتي تجمع البيانات بجانب تصوير البث، حيث تلتقط بيانات التتبع الخاصة باللاعبين والأحداث في الملعب، مثل اللقطات، والأهداف، وبطاقات الإنذار.
لفعل ذلك، نستخدم الرؤية الحاسوبية، كما نستخدم عمليةً يدويةً. وفي نفس الوقت، نستخدم هذه البيانات للابتكار وإنشاء منتجات، ليس للجماهير فحسب، بل للمذيعين أيضاً. ولتحقيق ذلك، يجب توفير بنية تحتية قابلة للتطوير وخالية من الخوادم، وهو ما توفره أمازون أو AWS في هذه الحالة. وهذا هو منظور الرياضة، حيث يمكنك بناء الكثير من المنتجات الإحصائية للجماهير وفق هذه البيانات.
يصنع المعجبون هذه البيانات، فعندما يستخدم أحدهم تطبيقنا مثلاً، يتم إنشاء البيانات، وبالتأكيد نحن بحاجة لالتقاط هذه
البيانات، ووضعها في أنظمتنا، ثم التفكير فيما يمكننا فعله بشأنها. كما نهتم كثيراً بالتخصيص، وهو ما يبدو جلياً في استهلاكنا للمحتوى الرقمي، حيث نفضل المحتوى المخصص لأنه يمنحنا إجابات لأسئلتنا. فإذا كنت أفضل مقاطع الفيديو القصيرة، أريد أن يعرض التطبيق مقاطع فيديو قصيرة، وإذا كنت من معجبي نادي كولن أو نادي بايرن ميونخ، أريد أن يعرض التطبيق مقاطع فيديو لهذين الناديين أولاً، وبمجرد رؤية مقطع فيديو لنادٍ أو لاعب مختلف يسجل هدفاً رائعاً مثلاً، أريد أن يفهم التطبيق أنه هدف مثير للاهتمام. في النهاية، أريد أن يمتلك مستخدمينا تطبيق Bundesliga الخاص بهم وفق سلوكهم وبياناتهم وأسئلتنا لهم، مثل لاعبهم المفضل وناديهم المفضل.
وبذلك نجمع هذه البيانات من السلوك، والبيانات التفاعلية، والإجابات الخاصة بمستخدمينا، ومن ثم بناء منتجات مخصصة بالكامل وفق هذه البيانات.
هلا حدثتنا عن ميزة «التعليقات المباشرة» القائمة على الذكاء الاصطناعي؟
لدينا بالفعل تعليقات مباشرة أشبه بحل قائم على النص، وقد صُنعت بواسطة البشر. ولكن ما نفعله الآن هو الاستفادة من بياناتنا وتطبيق حلول الذكاء الاصطناعي التوليدي. بجانب ذلك، نستخدم خدمة Amazon Bedrock لإنشاء تعليقات نصية بلغات مختلفة ونبرات صوت متعددة. لا نريد استبدال الطابع البشري للتعليقات المباشرة، ولكننا نريد إعطاء الخيار للمحرر بشأن تعديل الإدخال، مثل تقديم حل مُعد مسبقاً، مما يقلل أعباء العمل اليدوية بشكل كبير ويطلق العنان للمزيد من الإبداع. وهنا تظهر قيمة حلنا بجلاء.
فضلاً عما سبق، يدعم حلنا إمكانية التوسع، حيث تشير الأبحاث إلى تفضيل المستخدمين استهلاك المحتوى بلغتهم الأم. بالنسبة لنا، يكلف بناء حل التعليقات المباشرة بالتعاون مع مدراء المحتوى بعض المال. ومع ذلك، يُعد ذلك أسهل بكثير من توجيه 20 وكالةً من جميع أنحاء العالم بلغات مختلفة ومراقبة ما إذا كانت تتصرف بشكل جيد فيما يتعلق بعلامة تجارية معينة بالتعليقات المباشرة، وهو ما يساعدنا حقاً على التوسع.
عند التفكير بشكل أعمق في تعليقات مدعومة بالذكاء الاصطناعي التوليدي لمباريات مباشرة، نجد أنه شيء مثير للاهتمام. وأنا متأكد من حدوث ذلك خلال السنوات القادمة، وليس غداً، وهو ما سيساعدنا على إتاحة الوصول لهؤلاء المعجبين الذين لا يستطيعون استهلاك المحتوى بلغتهم الأم حالياً. لنتخذ اللغة العربية مثالاً، فليس لدينا منتجات تدعم اللغة العربية سواء كانت منتجات بث، أو منتجات رقمية، أو تطبيقات، أو مباريات، لأننا لا نملك الموارد الكافية لذلك. بالطبع، نفكر في كيفية الاستفادة من الذكاء الاصطناعي التوليدي لتقديم تطبيق باللغة العربية فقط بدلاً من بناء فريق كامل لذلك، حيث يمكننا إعادة استخدام الكثير من المحتوى الذي نمتلكه بالفعل. بذلك سيكون لدينا أساس رائع للغاية لتقديم محتوى باللغة العربية.
لذا، لا توجد حاجة للتفكير بشأن التعريب وكتابة مقالة معينة بمنظور ما بحيث تناسب طريقة تفكير اللاعبين العرب. فلا يقتصر الأمر على مجرد ترجمة مقالة مكتوبة باللغة الألمانية إلى اللغة العربية، وإلا سيفقد المحتوى أصالته وسنخسر الكثير من الناس الذين سيرونها مجرد ترجمة بدون حب، وهو ما لا يناسب علامتنا التجارية المحبوبة. لذلك، لا يمكننا تقديم محتوى مولد بالكامل بالذكاء الاصطناعي نظراً لخلوه من العواطف.
نهتم بإنشاء قصص يمكن مقارنتها بقصص وسائل التواصل الاجتماعي مثل إنستغرام، وذلك من المقالات فقط. فما نفعله هو أخذ مقالات كُتبت بواسطة الإنسان أو الذكاء الاصطناعي، ثم نقوم بتطبيعها عبر إزالة المحتوى غير المناسب، وبعدها نطبق سحرنا. ولا تشبه أوامرنا تلك التي يقدمها المستخدمون لروبوت المحادثة مثل ChatGPT، بل إنها مكونة من مئات السطور ليكون نظامنا قادراً على تحديد ما يجب فعله مع هذه المقالة. ثم نستخدم العديد من خدمات AWS مثل Amazon Recognition، الذي يحلل صور المقال لإنشاء بيانات وصفية مناسبة للأوامر. بعدها يقدم النظام عشر صفحات مع عشر صور للمقالة مثلاً، وفي النهاية نأخذ جمل ذات صلة من المقالة ونضعها في رابط للقصة.
يحدث ذلك بالكامل بواسطة الذكاء الاصطناعي التوليدي، ولكن لا يزال هناك شخص يمكنه إجراء مراجعة نهائية. على سبيل المثال، إذا قمت بقص صورة بأبعاد 9 إلى 16 من صورة بأبعاد 16 إلى 9 بشكل مؤتمت، فقد تفقد أهميتها، مثل حالة قص اقتباس من طبيب ما بدون وجود صورة للطبيب. في هذه الحالة، قد تضطر لإضافة صورة له أو الاستغناء عن الصفحة بأكملها لعدم قدرتك على استخدامها. نعرف من البيانات أن القصص تُستخدم بكثرة، حيث توفرها جميع المنصات الآن. كما نعرف أن أولئك الذين يستخدمونها يقضون وقتاً أطول عبر التطبيقات. لذا، تُعد هذه ميزة رائعةً أنشأناها بواسطة الذكاء الاصطناعي التوليدي، وأنا متأكد أنه خلال الأسابيع القادمة سيتم تقليل الجهد البشري إلى الصفر.
