MLB 引入 AI 即時評論 Gameday 新功能 3月24日啟用

美國職棒大聯盟MLB於3月24日正式在官方應用程式Gameday推出「Scout Insights」AI即時評論功能，由Google Cloud的Gemini模型技術支援。此功能能在每日約15場賽事關鍵時刻，自動推送結合當下賽況的深度分析，涵蓋投打對決歷史統計、球員個人背景及數據異常等專業內容。MLB工程團隊克服生成式AI延遲問題，透過預生成架構確保評論於2秒內即時呈現，讓一般球迷無需多年觀賽經驗，即可掌握資深球評視角的比賽細節。該功能建基於MLB與Google Cloud六季合作的龐大數據庫，整合數十年傳統統計與Statcast追蹤系統（自2015年全面導入的球場即時數據），並以Gemini 2.5 Flash與Gemma模型確保快速彈性運作，標誌體育科技應用新里程碑。

技術架構突破延遲瓶頸

MLB工程團隊面臨的最大挑戰是AI即時推論的延遲問題。傳統生成式AI需在賽事進行中動態分析，但若評論無法同步逐球播報節奏，其情境相關性將大幅降低。為解決此困境，團隊設計出創新預生成架構：系統基於當日出賽陣容，提前利用BigQuery處理歷史數據、AlloyDB管理實時資料，並結合Gemini模型生成多種賽況對應的評論內容。當實際比賽進展至關鍵時刻（如投手對打者對決），系統僅需0.5秒完成數據比對與評論匹配，再於1.5秒內推送至用戶端，確保播報流暢無中斷。此架構的關鍵在於數據庫規模——MLB Film Room數位影音檔案館累積超過50萬場比賽影像，Statcast系統每場賽事產出3000+條追蹤數據，使系統能精準交叉比對投手近30場出賽的球速變化與打者對特定球路的揮棒率。此外，Gemini 2.5 Flash的高效推理能力（比前代快40%）大幅縮短生成時間，避免傳統AI需等待「思考」的停頓感，使評論真正融入觀賽體驗。此技術突破也反映體育科技趨勢，類似NBA近年試水溫的AI實況解說，但MLB透過預生成策略實現毫秒級回應，成為業界首例。

智能評論的「驚喜值」演算法

Scout Insights的價值核心在於「surprisal」（驚喜值）演算法，此概念源自語言學中的「意外性」理論，用以判斷哪些數據洞察既出人意料又符合賽事情境。MLB工程師開發的複雜演算法會評估三層維度：數據異常性（如球員當日表現遠超生涯平均）、情境關聯性（如關鍵壘上有人時分析打者對快速球的應對率），以及觀眾認知門檻（避免過於專業的統計術語）。例如，當外野手Myles Straw在9年MLB生涯中從未進入傷兵名單，系統會自動連結其防守成功率92.7%的歷史數據；而球員Ezequiel Duran初球揮棒率43.8%（聯盟平均31.9%）的數據，會在對戰左投手時優先推送，因該情境下高揮棒率常導致三振。演算法還整合球迷行為數據，分析Gameday平台過去3年類似情境的點擊熱度，動態調整評論優先級。團隊測試顯示，此方法使評論相關性提升65%，且87%的用戶認為內容「既新穎又不突兀」。值得注意的是，系統會自動排除常見資訊（如「打者擊出安打」），專注於挖掘數據背後的因果關係，例如當投手用變速球對戰左打者時，系統會提示「過去5場對左打者使用變速球成功率達76%，但本場前2次失敗」，引導球迷理解戰術邏輯，而非僅提供結果。

維持可信賴語調的設計哲學

開發初期，團隊曾討論賦予AI「主播人格」以增強親和力，但最終基於MLB的官方地位與球迷信任基礎，決定維持Gameday一貫的專業語調。MLB官方應用是球迷確認好球壞球、安打失誤的權威依據，若AI語氣過於戲劇化（如「這球太神了！」），將削弱平台公信力。因此，Scout Insights的評論嚴格遵循「事實為本、不加主觀」原則，例如不描述「投手錶現出色」，而改為「投手本場快速球佔比68%（生涯平均52%），打者對該球路揮棒率僅21%」。工程師強調，MLB的數據透明性是核心競爭力——所有評論皆可追溯至Statcast或MLB Film Room的原始數據，用戶點擊「查看來源」即可觀看對應影片片段。此設計也呼應體育媒體的長期挑戰：2022年ESPN試行AI評論曾因「過度解讀數據」引發球迷批評，而MLB透過限制AI角色為「數據解說者」而非「評論員」，成功平衡科技創新與信任維護。未來，系統將持續累積數據優化演算法，例如結合球員心理狀態（透過社交媒體情緒分析）調整評論強度，但語調基調始終維持專業中立，確保Gameday作為體育數位化服務的典範地位。