人工智能已经运行了100，000次模拟并预测了2022年世界杯冠军 - 知乎

　　关注“FightingCV”公众号

　　回复“AI”即可获得超100G人工智能的教程

　　点击进入→FightingCV交流群

　　抛开你自己的预测，做好人工智能（AI）进入世界杯的打算。艾伦图灵研究所的人工智能模型预测了今年具有争议的世界杯的结果，所以你不必实际观看它。

　　为了做出预测，球队需要数据——幸运的是，足球（或者使用正确的术语;足球）并不缺乏数据。研究人员使用了GitHub用户martj42的编译数据集，显示了自1872年以来每场国际比赛的结果和统计数据。

　　“在试验中我们的模型在预测2014年和2018年世界杯结果成功之后，我们决定使用2002年世界杯以来的所有国际结果测试，”艾伦图灵研究所团队在一份新闻稿中解释说。

　　“在我们的测试数据中，我们最重视世界杯比赛（然后降低了中国的锦标赛、预选赛和友谊赛的权重），我们也对最近的比赛给予更多权重。我们还将官方FIFA排名输入我们的模型，以提供对球队表现的最新估计。

　　该算法 - 基于用于非国际比赛的早期模型 - 然后使用贝叶斯统计来预测每场比赛最可能的得分。通过排除这些世界杯的数据，该团队可以通过要求模型预测已经举行的世界杯（例如2018年）来测试其模型的预测能力，并且已知获胜者。

　　他们将该方法应用于本届世界杯的所有赛程，进行了100，000次模拟，预测了今年世界杯最有可能的获胜者。

　　“巴西是最受欢迎的国家，获胜的机会约为25%，”他们写道，“而比利时和阿根廷也受到高度评价。

　　分析认为巴西最有可能赢得世界杯，比利时为亚军，阿根廷为季军，法国第四，英格兰第五。西班牙紧随其后，其次是荷兰、丹麦、葡萄牙和克罗地亚。

　　该团队强调，还有其他因素无法纳入他们的模型中，包括天气、时区调整以及个别球员的出色表现。

　　当然，还有罚球和吃牌情况。

　　“英格兰球迷大多数会意识到他们国家的排名情况会比较痛苦，因为并非所有球队都同样擅长点球大战，”他们解释道。“然而，我们没有收集点球大战成功的历史数据，而是采用了更简单的方法，即在淘汰赛阶段平局的情况下，为球队分配50/50的机会。

　　往期回顾

　　基础知识

　　【CV知识点汇总与解析】|损失函数篇

　　【CV知识点汇总与解析】|激活函数篇

　　【CV知识点汇总与解析】| optimizer和学习率篇

　　【CV知识点汇总与解析】| 正则化篇

　　【CV知识点汇总与解析】| 参数初始化篇

　　【CV知识点汇总与解析】| 卷积和池化篇 （超多图警告）

　　最新论文解析

　　ECCV2022 Oral | 微软提出UNICORN，统一文本生成与边框预测任务

　　NeurIPS 2022 | VideoMAE：南大&腾讯联合提出第一个视频版MAE框架，遮盖率达到90%

　　NeurIPS 2022 | 清华大学提出OrdinalCLIP，基于序数提示学习的语言引导有序回归

　　SlowFast Network：用于计算机视觉视频理解的双模CNN

　　WACV2022 | 一张图片只值五句话吗？UAB提出图像-文本匹配语义的新视角！

　　CVPR2022 | Attention机制是为了找最相关的item？中科大团队反其道而行之！

　　ECCV2022 Oral | SeqTR：一个简单而通用的 Visual Grounding网络

　　如何训练用于图像检索的Vision Transformer？Facebook研究员解决了这个问题！

　　ICLR22 Workshop | 用两个模型解决一个任务，意大利学者提出维基百科上的高效检索模型

　　See Finer, See More！腾讯&上交提出IVT，越看越精细，进行精细全面的跨模态对比！

　　MM2022｜兼具低级和高级表征，百度提出利用显式高级语义增强视频文本检索

　　MM2022 | 用StyleGAN进行数据增强，真的太好用了

　　MM2022 | 在特征空间中的多模态数据增强方法

　　ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者

　　ECCV2022｜只能11%的参数就能优于Swin，微软提出快速预训练蒸馏方法TinyViT

　　CVPR2022|比VinVL快一万倍！人大提出交互协同的双流视觉语言预训练模型COTS，又快又好！

　　CVPR2022 Oral｜通过多尺度token聚合分流自注意力，代码已开源

　　CVPR Oral | 谷歌&斯坦福（李飞飞组）提出TIRG，用组合的文本和图像来进行图像检索