F1:人工知能が算出した最速F1ドライバーランキングを発表
F1は、Amazon Web Servicesと協力して、1983年以降のデータを使用して一発の走りにおける最速F1ドライバーを算出。上位20名のドライバーを発表した。
F1とAmazon Web Servicesは『Fastest Driver』のアルゴリズムの構築に1年を費やしてきた。機械学習を使用し、チームメイトに対するドライバーの予選パフォーマンスを経時的に比較。つまり、バックマーカーのドライバーも同じくらいの確立で登場する究極のランキングを作成した。
F1のテータシステムディレクターのロブ・スメドレー、放送およびメディアディレクターのディーン・ロック、Amazon ML Solutions Labの主任科学者でシニアマネージャーのプリヤ・ポンナパリが率いるチームは、クラッシュ、マシンの故障、予選セッションでの気象条件の変化、データの経年変化などを除外し、データを正規化して、チームメイトに対するパフォーマンスに重みづけをした公平なランキングを作成した。
チームメイトは、比較する前に少なくとも5つの予選セッションを終了していなければならない。年齢やドライバーがF1から3シーズン以上後にスポーツに戻ってきた場合も考慮された。
「機械学習には、複雑な問題に答えるためにテクノロジーを適用する多くの機会があります。このケースでは、私たちはデータを使用した決定を通知することにより、ファンとの古くからの紛争を解決する手助けをしたいと思っています」とプリヤ・ポンナパリは語った。
「F1のような、データの豊富な情報カタログを備えた組織とのコラボレーションを継続できることに興奮しています... AWSの私たちにとって、誰もが関与できる方法で機械学習が使用されているのを見るのはエキサイティングです」
今回のランキングは、生のスピードであり、タイヤマネジメントやレースクラフトなどを加味したものではない。
ランキング
1.アイルトン・セナ - 0.000秒
2.ミハエル・シューマッハ - 0.114秒
3.ルイス・ハミルトン - 0.275秒
4.マックス・フェルスタッペン - 0。280年代
5.フェルナンド・アロンソ - 0.309秒
6.ニコ・ロズベルグ - 0.374秒
7.シャルル・ルクレール - 0.376秒
8.ヘイキ・コバライネン - 0.378秒
9.ヤルノ・トゥルーリ - 0.409秒
10.セバスチャン・ベッテル - 0.435秒
11.ルーベンス・バリチェロ - 0.445秒
12.ニコ・ヒュルケンベルク - 0.456秒
13.バルテリ・ボッタス - 0.457秒
14.カルロス・サインツ - 0.457秒
15.ランド・ノリス - 0.459秒
16.ダニエル・リカルド - 0.461秒
17.ジェンソン・バトン - 0.462秒
18.ロバート・クビサ - 0.463秒
19.ジャンカルロ・フィジケラ - 0.469秒
20.アラン・プロスト - 0.514秒
AIが算出した最速ドライバーはアイルトン・セナという結果になった。ポールポジション獲得数ではルイス・ハミルトンとミハエル・シューマッハに次ぐ3位(63回)だが、どちらのドライバーも1994年のサンマリノGPで命を落とさなければ、セナがさらに多くのポールを獲得したことを常に認めている。
学問の世界では、データは好きなように発言できるという古いことわざがある。しかし、ロブ・スメドレーは、『Fastest Driver』のアルゴリズムが算出した結果について次のように語る。
「予選スピードは、我々が実際にはっきりと理解できるものだ」とロブ・スメドレーは語る。
「レースペースについて考えると、そこには多くのニュアンスがあり、導き出すのが難しい場合がある。予選ラップはシングルラップだ。同じマシンに2人の男が乗ってシングルラップを行う。優れたドライバーが最終的に優れたラップをする。この単一のデータポイントには曖昧さががあまりないため、我々はそのデータポイントを使用している」
「数学モデラーとして我々がしなければならないことは、利用可能なデータを調べ、そのデータを何年にもわたって正規化できるようにすることだ」
「このモデルは、ラップタイムが何であるかを理解するだけで、残りの部分を調整するのに十分なほど巧妙だ。したがって、大量のデータと…大量のマシンのデータとその他すべてが必要になるように見えるが、そうではない。 単にラップタイムを使用しているだけであり、ラップタイムに関して、この期間の堅牢なデータを取得している」
ロブ・スメドレーによると、『Fastest Driver』の洗練されたデータモデリングは、F1チームがドライバーを選ぶ際に使用するものと似ていると語る。
「チーム環境内では、このタイプのモデリングはドライバーの選択に関する重要な決定を行うために使用されている」とロブ・スメドレーは語る。
「ドライバーはチームの最も高価な資産であることが多いため、選択プロセスをできるだけ堅牢にすることが重要だ。したがって、このようなプロセスは、可能な限り最も客観的で証拠に基づく選択を提示するために、F1チームのストラテジストによって展開されている」
カテゴリー: F1 / F1ドライバー
F1とAmazon Web Servicesは『Fastest Driver』のアルゴリズムの構築に1年を費やしてきた。機械学習を使用し、チームメイトに対するドライバーの予選パフォーマンスを経時的に比較。つまり、バックマーカーのドライバーも同じくらいの確立で登場する究極のランキングを作成した。
F1のテータシステムディレクターのロブ・スメドレー、放送およびメディアディレクターのディーン・ロック、Amazon ML Solutions Labの主任科学者でシニアマネージャーのプリヤ・ポンナパリが率いるチームは、クラッシュ、マシンの故障、予選セッションでの気象条件の変化、データの経年変化などを除外し、データを正規化して、チームメイトに対するパフォーマンスに重みづけをした公平なランキングを作成した。
チームメイトは、比較する前に少なくとも5つの予選セッションを終了していなければならない。年齢やドライバーがF1から3シーズン以上後にスポーツに戻ってきた場合も考慮された。
「機械学習には、複雑な問題に答えるためにテクノロジーを適用する多くの機会があります。このケースでは、私たちはデータを使用した決定を通知することにより、ファンとの古くからの紛争を解決する手助けをしたいと思っています」とプリヤ・ポンナパリは語った。
「F1のような、データの豊富な情報カタログを備えた組織とのコラボレーションを継続できることに興奮しています... AWSの私たちにとって、誰もが関与できる方法で機械学習が使用されているのを見るのはエキサイティングです」
今回のランキングは、生のスピードであり、タイヤマネジメントやレースクラフトなどを加味したものではない。
ランキング
1.アイルトン・セナ - 0.000秒
2.ミハエル・シューマッハ - 0.114秒
3.ルイス・ハミルトン - 0.275秒
4.マックス・フェルスタッペン - 0。280年代
5.フェルナンド・アロンソ - 0.309秒
6.ニコ・ロズベルグ - 0.374秒
7.シャルル・ルクレール - 0.376秒
8.ヘイキ・コバライネン - 0.378秒
9.ヤルノ・トゥルーリ - 0.409秒
10.セバスチャン・ベッテル - 0.435秒
11.ルーベンス・バリチェロ - 0.445秒
12.ニコ・ヒュルケンベルク - 0.456秒
13.バルテリ・ボッタス - 0.457秒
14.カルロス・サインツ - 0.457秒
15.ランド・ノリス - 0.459秒
16.ダニエル・リカルド - 0.461秒
17.ジェンソン・バトン - 0.462秒
18.ロバート・クビサ - 0.463秒
19.ジャンカルロ・フィジケラ - 0.469秒
20.アラン・プロスト - 0.514秒
AIが算出した最速ドライバーはアイルトン・セナという結果になった。ポールポジション獲得数ではルイス・ハミルトンとミハエル・シューマッハに次ぐ3位(63回)だが、どちらのドライバーも1994年のサンマリノGPで命を落とさなければ、セナがさらに多くのポールを獲得したことを常に認めている。
学問の世界では、データは好きなように発言できるという古いことわざがある。しかし、ロブ・スメドレーは、『Fastest Driver』のアルゴリズムが算出した結果について次のように語る。
「予選スピードは、我々が実際にはっきりと理解できるものだ」とロブ・スメドレーは語る。
「レースペースについて考えると、そこには多くのニュアンスがあり、導き出すのが難しい場合がある。予選ラップはシングルラップだ。同じマシンに2人の男が乗ってシングルラップを行う。優れたドライバーが最終的に優れたラップをする。この単一のデータポイントには曖昧さががあまりないため、我々はそのデータポイントを使用している」
「数学モデラーとして我々がしなければならないことは、利用可能なデータを調べ、そのデータを何年にもわたって正規化できるようにすることだ」
「このモデルは、ラップタイムが何であるかを理解するだけで、残りの部分を調整するのに十分なほど巧妙だ。したがって、大量のデータと…大量のマシンのデータとその他すべてが必要になるように見えるが、そうではない。 単にラップタイムを使用しているだけであり、ラップタイムに関して、この期間の堅牢なデータを取得している」
ロブ・スメドレーによると、『Fastest Driver』の洗練されたデータモデリングは、F1チームがドライバーを選ぶ際に使用するものと似ていると語る。
「チーム環境内では、このタイプのモデリングはドライバーの選択に関する重要な決定を行うために使用されている」とロブ・スメドレーは語る。
「ドライバーはチームの最も高価な資産であることが多いため、選択プロセスをできるだけ堅牢にすることが重要だ。したがって、このようなプロセスは、可能な限り最も客観的で証拠に基づく選択を提示するために、F1チームのストラテジストによって展開されている」
カテゴリー: F1 / F1ドライバー