——VPGAME CTO俞圓圓談人工智能與大數(shù)據(jù)系統(tǒng)在電子競(jìng)技中的應(yīng)用

6月22日，以“人工智能技術(shù)賦能行業(yè)升級(jí)”為主題的World of Tech2019 全球人工智能技術(shù)峰會(huì)，在北京粵財(cái)JW萬(wàn)豪酒店召開。60多名國(guó)內(nèi)外一線人工智能精英大咖、1000多位技術(shù)同仁齊聚峰會(huì)，分享人工智能的平臺(tái)工具、算法模型、語(yǔ)音視覺等層面的技術(shù)方法和案例實(shí)施經(jīng)驗(yàn)等，助力人工智能落地。

VPGAME CTO俞圓圓(俞圓圓,2006年畢業(yè)于斯坦福大學(xué)計(jì)算機(jī)科學(xué)系人工智能方向,前 Ucloud 云計(jì)算研發(fā)總監(jiān)，微軟 Azure 網(wǎng)絡(luò)研發(fā)***軟件工程師，AWS EC2 網(wǎng)絡(luò)及安全高級(jí)工程師。)（以下簡(jiǎn)稱“Y3”）作為電子競(jìng)技方面的IT架構(gòu)的專家，在IT架構(gòu)優(yōu)化分會(huì)場(chǎng)率先發(fā)表了題為《人工智能和大數(shù)據(jù)系統(tǒng)在電子競(jìng)技數(shù)據(jù)處理平臺(tái)中的應(yīng)用》的演講，介紹了VPGAME在分布式系統(tǒng)、存儲(chǔ)系統(tǒng)、以及算法邏輯是如何對(duì)海量電競(jìng)比賽數(shù)據(jù)進(jìn)行清洗處理、分級(jí)存儲(chǔ)以及上層應(yīng)用的，闡釋了對(duì)IT架構(gòu)進(jìn)行優(yōu)化或賦能的正確方式、以及電子競(jìng)技信息化步入新階段的途徑。

[[269135]]

VPGAME CTO俞圓圓發(fā)表演講

電子競(jìng)技作為近年來(lái)競(jìng)技體育項(xiàng)目中發(fā)展最迅猛的一個(gè)獨(dú)特分支，正在引起大量的社會(huì)關(guān)注和重視。Y3在演講中表示，和其他競(jìng)技體育項(xiàng)目一樣，電子競(jìng)技對(duì)于數(shù)據(jù)的分析和應(yīng)用有著獨(dú)特的要求。電子競(jìng)技項(xiàng)目中，由于職業(yè)玩家和業(yè)余玩家的距離更近、業(yè)余玩家對(duì)于項(xiàng)目的參與度更高，使得其比賽數(shù)據(jù)的體量和數(shù)據(jù)分析的技術(shù)要求較之傳統(tǒng)體育有著幾何級(jí)數(shù)的增長(zhǎng)。

電子競(jìng)技數(shù)據(jù)天然的屬性對(duì)算法提出了更高的要求，VPGAME采用分布式數(shù)據(jù)處理在時(shí)間成本、數(shù)據(jù)維度以及數(shù)據(jù)及時(shí)性上解決了電子競(jìng)技數(shù)據(jù)在處理階段體量大、數(shù)據(jù)分析復(fù)雜的問(wèn)題。Y3在講到公司FunData大數(shù)據(jù)系統(tǒng)架構(gòu)時(shí)，從ETL層、接口層、數(shù)據(jù)處理層、存儲(chǔ)層四個(gè)維度闡釋了電子競(jìng)技數(shù)據(jù)的采集處理過(guò)程。

FunData大數(shù)據(jù)系統(tǒng)架構(gòu)

同樣，電子競(jìng)技數(shù)據(jù)在存儲(chǔ)服務(wù)上對(duì)電子競(jìng)技從業(yè)者也提出了更高的要求。Y3對(duì)比MySQL、HBase、BigTable、Firestore以及MongoDB在存儲(chǔ)上的優(yōu)劣，并通過(guò)例舉數(shù)據(jù)存儲(chǔ)在DOTA2、PUBG等游戲賽事應(yīng)用中的表現(xiàn)以及實(shí)際操作中的靈活切換，從容量、性能、擴(kuò)容、價(jià)格展示VPGAME對(duì)數(shù)據(jù)存儲(chǔ)的處理。

FunData大數(shù)據(jù)存儲(chǔ)

除了分布式系統(tǒng)、存儲(chǔ)系統(tǒng)之外，Y3還對(duì)基于OCR的電競(jìng)數(shù)據(jù)挖掘和基于機(jī)器學(xué)習(xí)的勝率預(yù)測(cè)在電子競(jìng)技行業(yè)的上層應(yīng)用展開了詳細(xì)講解。尤其是在深度學(xué)習(xí)上面，電競(jìng)領(lǐng)域的人工智能很好的契合了深度學(xué)習(xí)可塑性、普適性、高效率，同時(shí)削減了深度學(xué)習(xí)中訓(xùn)練成本高昂以及不能直接學(xué)習(xí)的劣勢(shì)，通過(guò)例舉游戲英雄之前相互克制關(guān)系判斷最終對(duì)抗陣容對(duì)勝率判斷的機(jī)器學(xué)習(xí)來(lái)幫助勝率預(yù)測(cè)等，讓更多人了解到電競(jìng)數(shù)據(jù)、深度學(xué)習(xí)對(duì)電子競(jìng)技行業(yè)發(fā)展的前瞻性幫助。

DOTA2與LOL的直播圖像識(shí)別

基于機(jī)器學(xué)習(xí)的勝率預(yù)測(cè)：模型選擇

正因?yàn)橛兄觾?yōu)化的IT架構(gòu)，面對(duì)著比傳統(tǒng)競(jìng)技體育更加復(fù)雜的比賽數(shù)據(jù)體量和數(shù)據(jù)分析，VPGAME才可以輕松應(yīng)對(duì)，并且推動(dòng)著電子競(jìng)技行業(yè)大數(shù)據(jù)技術(shù)發(fā)展。