Nikt nie ma działającego przepisu na analitykę danych w sporcie

Bain and Company opublikował raport 29 września. Konsultanci z Bostonu przekonują, że branża AI musi wypracować 6 000 000 000 000 dolarów rocznego przychodu do 2031 roku, żeby uzasadnić kapitał wpompowywany w centra danych. Pisze o tym The National.

W tym samym oknie 72 godzin mieszczą się dwie inne historie oparte na danych. Obie dotyczą bezpośrednio sportu i wyników, a do tego dochodzi garść wpisów o narzędziach od dostawców i deweloperów. Nie ma tu rundy finansowania, kontraktu ligowego ani umowy na prawa. Najświeższy materiał to ekonomika infrastruktury i badania nad prywatnością. Tam obecnie toczy się rozmowa o analityce sportowej.

Liczba Bainu i to, czego nie obejmuje

Bain prognozuje, że roczne wydatki na infrastrukturę AI mogą sięgnąć 1 500 000 000 000 dolarów do 2031 roku. W tej kwocie mieszczą się nowe obiekty, modernizacje GPU, pamięć i sprzęt sieciowy. Firma zakłada, że nowe produkty, w tym innowacje w wyszukiwaniu, reklamie, autonomii i fizycznej AI, wniosą około 4 200 000 000 000 dolarów. Produktywność przedsiębiorstw musiałaby dać od 1 000 000 000 000 do 1 400 000 000 000 dolarów, a usługi konsumenckie od 200 000 000 000 do 400 000 000 000 dolarów.

W żadnym z tych segmentów nie ma sportu. Raport wymienia jako przykłady odkrywanie leków, zdrowie psychiczne i wytwarzanie energii. David Crawford, szef globalnej praktyki technologicznej Bain i główny autor, powiedział w raporcie: "Debata skupia się dziś na produktywności pracowników. Ekonomika infrastruktury AI wymaga bilionów nowych przychodów poza zyskami z produktywności."

Rozmiar i koszt centrów danych podwajają się mniej więcej co 12 do 16 miesięcy, twierdzi Bain. The National cytuje firmę badawczą Epoch AI. Wycenia ona obiekt Prometheus firmy Meta w Ohio na 600 MW i szacowane 24 000 000 000 dolarów w 2025 roku. Do 2027 roku ma to wzrosnąć do nawet 2 GW i 80 000 000 000 dolarów, do 2029 roku do 5 GW i 175 000 000 000 dolarów, a do 2030 roku do 9 GW za 200 000 000 000 dolarów.

To strona kosztów. Po stronie przychodów sport nie ma dziś miejsca przy stole.

Tymczasem rachunek za prywatność trafia do kierowców

W tym samym dniu badacze z Northeastern University we współpracy z Consumer Reports opublikowali testy 21 późnych modeli samochodów od 19 marek sprzedawanych w USA oraz 30 towarzyszących im aplikacji mobilnych. The Verge podaje, że każde z 21 aut przesyłało dane do co najmniej jednej domeny zewnętrznej przez Wi-Fi. Ponad połowa łączyła się z domenami specjalizującymi się w reklamie, śledzeniu lub analityce.

Consumer Reports wymienia Amazon, Google, Meta, Microsoft, Pinterest, Snap i Yahoo wśród głównych odbiorców danych kierowców. Siedem aplikacji towarzyszących, HondaLink, Lincoln, MyNissan, myCadillac, myChevrolet, myBuick i myGMC, wysyłało numery identyfikacyjne pojazdów, numery telefonów i dokładne lokalizacje do sieci reklamowych. Tak wynika z tego samego badania. Ponad 70 procent testowanych aplikacji łączyło się z co najmniej pięcioma odrębnymi domenami reklamowymi, śledzącymi lub analitycznymi.

"Myślę, że wniosek jest taki, że jest się czym martwić", powiedział The Verge David Choffnes, kierownik projektu i były dyrektor Northeastern's Cybersecurity and Privacy Institute.

Szczegół metodologiczny ma znaczenie dla każdego, kto buduje analitykę wyników. Badacze umieścili Raspberry Pi w każdym samochodzie. Urządzenie było podłączone do Wi-Fi pojazdu i przekierowane przez mobilny hotspot. Do ruchu komórkowego badacze zbudowali namiot Faradaya wielkości samochodu. Chcieli zablokować sygnał do zewnętrznych nadajników i zmusić auto do połączenia z kontrolowaną siecią Wi-Fi.

Consumer Reports odnotowało też spór o to, jak producenci opisują ten przepływ. General Motors, Honda, Nissan i Stellantis twierdzą, że niektórym odbiorcom zakazano samodzielnego wykorzystywania lub sprzedaży danych. Badacze ustalili, że te ograniczenia niekoniecznie działają. Po pokazaniu wyników Hondzie firma poleciła swojemu dostawcy Amplitude usunięcie wszystkich otrzymanych danych o lokalizacji i przestała je wysyłać.

Zrzuty ekranu, których nikt nie zamierzał publikować

The Register poinformował 29 września, że badacze związani z Glow Security znaleźli ponad 13 000 wrażliwych zrzutów ekranu z firmowych projektów software'owych od 343 firm. Modele AI opublikowały je w publicznych repozytoriach GitHub. Glow nazywa to odkrycie PixelLeak.

Omer Singer, współzałożyciel i CTO Glow Security, powiedział The Register, że agenci chcieli pokazać deweloperom obrazy interfejsu przed i po zmianach. Nie mogli jednak załączyć obrazów do pull requesta w prywatnym repozytorium. GitHub nie ma API do wgrywania obrazów do pull requestów, zgłoszeń ani komentarzy, więc agenci tworzyli publiczne repozytoria. Około jednej trzeciej ujawnionych plików pochodziło od deweloperów używających gitshot, otwartego narzędzia do zrzutów ekranu. Jego własna nota o prywatności ostrzega, że repozytorium obrazów jest domyślnie publiczne.

Glow znalazł 343 poszkodowane organizacje, w tym firmę turystyczną z listy Fortune 500, firmy finansowe, dostawców chmury i firmy budujące modele bazowe. Jeden przypadek dotyczył producenta zatrudniającego ponad 100 000 osób. Agent opublikował tam demo wewnętrznego ekranu rozliczeniowego na prywatnym koncie GitHub dewelopera. Dział bezpieczeństwa firmy dowiedział się dopiero od Glow.

Bezpośredni związek ze sportem jest tu cienki. Pośredni już nie. Każda operacja analityczna, która przetwarza biometrię zawodników, śledzenie meczu czy dane kibiców przez agenta AI, dziedziczy ten sam tryb awarii. Pomocne obejście przenosi wrażliwy materiał do publicznego widoku, a atakujący nie musi robić nic.

Co właściwie twierdzą wpisy o narzędziach

Poniżej warstwy newsowej dossier zawiera materiał dostawców i deweloperów. Polars opublikował studium przypadku z BMLL Technologies, spinoutem z Cambridge dostarczającym historyczne dane rynkowe poziomu 3, 2 i 1 z ponad 100 globalnych parkietów. Thomas Jardine z BMLL pisze, że wczytanie jednego dnia danych o transakcjach akcjami w USA zajmuje blisko 3,5 minuty w pandas i 4,3 sekundy w Polars. To około 48 razy szybciej, na jednej maszynie z 192 rdzeniami i 1,5 TB RAM.

BMLL twierdzi też, że dekadę danych o całym rynku USA przetwarza od początku do końca w niecałe dwie minuty, a ponad 1,5 TB danych o mikrostrukturze rynku z dwóch tygodni chińskich akcji w nieco ponad 3 minuty. To benchmarki dostawcy uruchomione na własnej infrastrukturze BMLL. Traktuj je jako materiał bliski marketingowi, dopóki ktoś ich nie powtórzy niezależnie.

Dalej strona Turbofy reklamuje środowisko pracy dla agentów kodujących, z hasłami o "60 razy szybciej od pomysłu do działającego systemu" i zerowej liczbie serwerów. Singularity, projekt na GitHubie, generuje REST API i katalog narzędzi MCP z modelu danych. Blog inżynierski Datadog opisuje przeniesienie Event Platform Intake z kodowania bezstanowego na stanowe, testowane z Antithesis, przy deklarowanym wolumenie ponad 100 000 000 000 000 zdarzeń dziennie.

Żaden z tych materiałów nie wymienia klienta ze sportu. Taki jest uczciwy stan zapisu.

Luka, którą redakcja sportowa powinna zauważyć

Worldmodeldata, brytyjski startup z Yannem LeCunem wśród doradców, powiedział WIRED, że udzielił licencji na prawie 1 000 000 godzin danych z gier wideo do trenowania modeli świata. Tak wynika z tekstu z 29 września. Rhea Loucas, CEO firmy, stwierdziła: "To może dobrze doprowadzić do momentu GPT dla modeli świata." Ming-Yu Liu z Nvidii powiedział WIRED, że byłby "bardziej konserwatywny w używaniu danych z gier do manipulacji", bo fizyka gier jest często ekscentryczna.

Motion capture w sporcie to ta sama klasa problemu: sparowane dane wizualne i ruchowe, przypadki brzegowe, wysoki koszt błędu. Nikt w tym dossier nie sprzedaje tego w ten sposób. Rachunek za infrastrukturę, który opisuje Bain, uzasadnia się wyszukiwaniem, reklamą, autonomią i produktywnością. Rynek analityki wyników, który zużywałby tę samą moc obliczeniową, nie zostaje wspomniany.

Ta cisza jest historią. Cel przychodowy 6 000 000 000 000 dolarów bez pozycji dla sportu, flota samochodów wysyłająca dane o lokalizacji do sieci reklamowych i agenci publikujący wewnętrzne zrzuty ekranu, żeby obejść brakujące API. Trzy osobne porażki tego samego założenia: że warstwa danych zadba o siebie sama.