兰多·诺里斯、迈凯轮 MCL38、马克斯·维斯塔潘、红牛车队 RB20、刘易斯·汉密尔顿、梅赛德斯 F1 W15、乔治·拉塞尔、梅赛德斯 F1 W15 以及其他起步阶段
摄影：Steven Tee / Motorsport Images
汽车运动业务
涵盖行业新闻和对赛车运动业务的洞察
在深入研究 F1 如何从人工智能中受益之前，有必要了解人工智能行业如何与这项运动互动以及原因。
Encord 首席 ML 解决方案工程师 Alexandre Bonnet 告诉 AutosportF1 作为人工智能和机器学习平台提供的范围对那些想要参与的人很有吸引力。
F1 如此有吸引力的原因是你可以用它做各种各样的事情他说，所有不同类型的技术，从制造阶段一直到零件、质量分析、工业流程优化、机器人制造一直到实际的驱动部件。
然后是实际车辆设计的优化，比如过去几年出现的仿生学的东西，一直到实际的电视，也就是说，又一轮计算机视觉和人工智能工作正在进行。
Bonnet 还认为，人工智能公司可以从与这项在技术使用方面一直处于领先地位的运动的联系中受益。
人工智能公司希望参与其中，因为这是一项复杂的运动，你他补充说，F1 车队处于最前沿，拥有最快的汽车、最快的车手等等，这对于任何其他知名运动来说都不是这样。
F1 车队是专业化的在汽车制造领域，当然，他们确实拥有内部人工智能人才，但他们也确实需要利用最新和创新的机器学习系统的外部专业知识，我认为从这个意义上来说，这是一种共生关系。
刘易斯·汉密尔顿，梅赛德斯 W14
摄影：Erik Junius
一级方程式永远是一项由数据驱动的运动;单圈时间、增量、最高速度和轮胎温度。
对于一个想要处理数字并充分利用结果的团队来说，大量的信息使之前的任务变得困难且耗时- 耗费精力。
现在，人工智能可以在几秒钟内对这些统计数据进行排序，迈凯轮数据科学主管 Andrew McHutchon 在团队网站上最近的一次采访中解释道。
以前“我们收集了一些我们不知道如何处理的数据，但现在，通过人工智能并与戴尔科技人工智能工厂合作，我们可以以更丰富的方式处理数据，从中提取有意义的知识，”他说。.
如果是与进站相关的决定，那么在赛车通过维修区之前你可能只有三分之一圈的时间，之后你就失去了机会，所以你需要加快速度。您可能需要分析数 TB 的数据，如果没有 AI，则可能需要半天或更长时间才能回答一个问题。
公式 1 的核心在于成为最快的 AI 的速度McHutchon 补充道，即使在赛道外也能提供协助。
即使是回到工厂进行汽车开发的团队，速度也很重要。
查尔斯·勒克莱尔 (Charles Leclerc)，第一名的法拉利车队举起冠军奖杯
摄影：Sam Bloxham / Motorsport Images
您可能有五个问题，如果每个问题都需要您半天时间来回答，这会减慢一切。人工智能加快了这一切的速度，我们越快回答这些问题，我们开发汽车的速度就越快，我们就越有可能赢得冠军。
因此，人工智能肯定可以在未来的比赛中发挥作用，但那些观众呢？
AWS 自 2018 年以来一直是 F1 的创新技术合作伙伴，一年后推出了 F1 Insights。
AWS 一直是 F1 的创新技术合作伙伴。>
仅使用每辆车产生的 100 万个数据点中的一小部分，现在每秒就有 23 个 F1 见解可供电视直播制作人使用，包括预测维修站策略、击球距离和底切。
正如 AWS 首席体育合作伙伴经理 Neil Ralph 所解释的那样，这些内容被用来帮助观众体验。
Drive To Survive 吸引了大量新粉丝进入一级方程式赛车，他们正在努力弄清楚 F1 比赛是如何进行的。他告诉 Autosport，我们利用这项运动中的数据来揭示粉丝群体的复杂性。
弄清楚 F1 比赛的运作方式比将其与其他赛事进行比较要困难得多，例如一场足球比赛，很多注意力都集中在球场的一个区域，而 F1 有一条 5 公里长的赛道，上面分布着 20 辆汽车，因此您只能使用视频来覆盖这么多内容。
Lando Norris，迈凯轮 MCL38、马克斯·维斯塔潘、红牛车队 RB20、刘易斯·汉密尔顿、梅赛德斯 F1 W15、乔治·拉塞尔、梅赛德斯 F1 W15、起跑的其余选手
摄影：Zak Mauger / Motorsport Images
因此，使用数据来讲述故事有助于并提高新粉丝的粉丝参与度，同时也增加了老粉丝的体验。
人工智能让我们能够解开比赛策略通过使用这些数据驱动的屏幕图形，我们可以帮助每个球迷了解正在发生的事情，并让世界各地的评论员保持兴奋的水平。
David Croft，天空体育自 2012 年以来，F1 的首席评论员就是这样的广播公司之一，现在有机会利用 AWS 提供的见解。
对我来说，人工智能对评论员和观众来说是一个巨大的帮助，可以帮助他们了解故事的内容“正在发展，我不想看到的是它告诉人们故事将如何结束，”他告诉《汽车运动》。
现场体育比赛的不可预测性、欢乐和心碎程度取决于你关注的人，所以只要它永远不会破坏结果，那么我们所得到的就太棒了。
它不一定会对我的工作产生巨大影响，我在评论，我在当下，吸收数据并转发这些数据来讲述故事。
我能看的就这么多了！我认为它真正有用的是在过去的情况下，马丁（布伦德尔）和我会猜测何时我们认为车手会紧随其后。
查尔斯·勒克莱尔，法拉利SF-24、刘易斯·汉密尔顿、梅赛德斯 F1 W15、塞尔吉奥·佩雷斯、红牛车队 RB20、奥斯卡·皮亚斯特里、迈凯伦 MCL38、起跑的其他选手
摄影：Michael Potts / Motorsport Images
现在信息已经通过，所以每个人都知道这一点，他们从实时数据和人工智能模拟中知道这一点，而且往往非常准确。另外，当你说击球距离是四圈时，并不意味着故事就结束了。这意味着，坐下来，开始兴奋起来，我们就可以开始加强叙述了。
克罗夫特可能担心人工智能在预测一级方程式赛车方面能走多远，但到底能走多远？能否进一步提升观看体验？拉尔夫对此有自己的想法。
我们不会每个周末都能看到全部 23 条比赛见解，但当我们谈论个性化并让粉丝选择他们所看到的内容时，也许在时间充裕的情况下，这不是他补充道，F1 技术制作团队决定哪些图形可用，任何人都可以获取见解，并且您可以决定您想看到什么。
当我们展望未来时，广播的个性化是人们关注的焦点，允许观众选择有多少数据成为其广播的一部分，也许可以通过第二屏幕体验，从而可以选择只观看赛车或拥有大量可用数据。
随着观众的满足以及汽车设计、性能和策略的考虑，在人工智能日益发展的时代，一级方程式赛车中唯一神圣不可侵犯的似乎就是驾驶员的角色，或者是吗？
当《赛车运动》将这个理论告诉哈斯的凯文·马格努森时，他回答道：我们是吗？
如果你只是追求效率，最终人工智能会比我们更好地驾驶汽车，有毫无疑问。但这样就不再是真正的娱乐了，我认为那会很无聊，观看由计算机驱动的一级方程式比赛，我不会关心这一点。
凯文·马格努森，哈斯 F1 团队
Kevin Magnussen，Haas F1 Team
摄影：Simon Galloway / Motorsport Images
您可以将车内的驾驶员和他正在经历的事情联系起来，人类驾驶一级方程式赛车的技能非常令人着迷，因为你可以感同身受。
当我观看足球运动员时，我认为他们令人难以置信，我知道我踢球有多好，他们的水平令人着迷，我认为这种关系必须存在，否则就会存在没有兴趣。
在人工智能的帮助下，车队正在开发更新、更快的数据分析方法，这些数据可能对周末比赛的结果至关重要。
所有这些统计数据都可以通过尽可能多的软件提供数据，但产生的所有结果最终都由驾驶员负责。
与过去的赛车相去甚远，实现边际收益的新方法是采用人工智能帮助战略决策和进站呼叫，哈斯的凯文·马格努森 (Kevin Magnussen) 认为，这些东西只会随着时间的推移而发展。
这些东西已经以某种方式生效，但它是手动完成的，它正在运行模拟他告诉 Autosport，“在数百万种不同的场景中，并提出建议的策略”。
在未来，你可以看到你的策略师是一台计算机，在更远的未来，你可以看到人工智能设置你的汽车并发展你的空气动力学，但去掉人为因素，人们观看不会觉得有趣。
从一级方程式赛车到 MotoGP，我们直接从围场报道，因为我们像您一样热爱我们的运动。为了继续提供我们的专业新闻，我们的网站使用广告。尽管如此，我们还是希望让您有机会享受一个没有广告和跟踪器的网站，并继续使用您的广告拦截器。