本文來自AI新媒體量子位（QbitAI）
△ 内馬爾2.2億歐元轉換大巴黎
阿森納主帥溫格在位20載，什麼樣優秀的球員沒見過，但現今他也是越來越看不懂轉會市場了。
溫格感歎：不是阿森納不買人，實在是現今市場上的球員貴得離譜。
此言其實不虛。
△ 120萬英鎊的坎通納幫助弗格森開創紅魔帝國
1992年，弗格森買來開創曼聯紅魔曆史的“國王”坎通納，才花費了120萬英鎊。
但等到2016年，同樣身為曼聯主帥的穆裡尼奧，買來博格巴卻花費了8900萬英鎊——這位法國人跟前輩坎通納的能力、作用還不能相提并論。
是以經濟通脹真如此瘋狂嗎？恐怕沒有。但球員确實越來越貴了。
就在行将結束的這個夏天，内馬爾轉換花費1.98億英鎊，盧卡庫7500萬英鎊，莫拉塔5800萬英鎊……
而且這還隻是轉會身價，未包括球員的薪資。
是以球員到底“值多少”？有沒有可能按照球員的能力資料排出薪資結構？讓各隊都買到最合适的球員。
比如财大氣粗皇家馬德裡，隻按最貴的11人來買；阿森納則在每個位置上都補充排名第4的球員；利物浦就再加個篩選器——球員排名靠前還不行，還得是英吉利戶口。
有沒有這樣的模型系統？現在有了！
密歇根勞倫斯科技大學的一個機器學習項目，正在打造這樣的模型，按照球員能力給出薪資預估。
△ 同名電影《點球成金》
此前，知名作家邁爾克-路易斯的作品《點球成金》中，曾講述過棒球運動中使用機器學習的案例：奧克蘭運動者隊總經理，運用資料模型，成功完成了球隊轉型。
盡管這位總經理可以調用的資金極其有限，但他讓機器幫他找到了各個位置上的“最佳人選”——甚至對于誰更适合哪個位置，這個機器也提出了比主教練更好的安排建議。
現在，這個來自密歇根勞倫斯科技大學的機器學習項目，原理正是用機器學習和資料驅動，來打造一個基于職業足球運動員的算法模型。
這個模型中，在歐洲效力的6082名各不相同的球員，會按照球場上的技能被給出“身價”排名，身價最高的球員和身價最低的球員，在該模型計算後一目了然。
該項目的參與者Lior說，現在體育競技中，比較各個運動員的資料是最常見不過的事兒。不過對于足球運動員來說，他們的能力展現的是各項資料的綜合。
在這個計算足球遠動員實力的模型中，有55種資料作為标簽次元。如果旨在比較球員的“合理薪水”，這個模型會根據具體球員的場上表現，再結合所有球員的表現來估算。
也就是說，你在場上踢得相對有多好，你的身價也就會相應得到展現。
那如何算踢得好呢？這個模型的55個評價次元，包括有效射門數、有效傳球數、場上侵略性、速度和控球等。
實際上，這些資料主要來自FIFA專家的評價——這可能讓資料不盡客觀，是以這個項目的研究者，最終希望通過多達55種不同次元，來增強整個項目的“客觀性”。
當然，最後的結果也與模型研究者的假設不謀而合。他們通過研究發現，在多數情況下，球員的技能素質和他們的身價是密切相關的。
可能也會存在一些明星球員的例外現象，過高或被低估，但排名是基本靠譜的。比如在2016-2017賽季，系統給出的技能&薪資第一名是巴薩的梅西，而球星中墊底的是剛剛轉會曼城的貝爾納多·席爾瓦。
△ “萬人迷”貝克漢姆
另外，該項目研究者還指出，這個機器模型并沒有考慮場外因素，比如足球運動員的場外商業價值和商業收入——在目前競技體系中，球員的身價合同，不僅包含場上表現，還可能涉及在商品銷售、轉播權益、粉絲數量拓展等次元的能力。
也就是說，這個機器學習模型，現在還隻能當做一種參考，還不能将場外号召力也計入工資體系中。不過研究者稱，無論是足球迷還是非足球迷，這個機器學習模型，都能為未來商品定價提供參考。
這可能也是未來的家常便飯，人類創造的機器模型，正在評估人類應得的合理薪水、加薪幅度和獎金等。
這個模型的研究者還堅信，機器的計算方法，遠比人類自身的判斷要客觀，是以可以由機器去解釋為什麼梅西的工資高，武磊的工資沒那麼高——機器模型的評價體系就放在那裡，除非武磊的表現好過梅西，不然現在的工資結構就是合理的。
這一天估計也是教授溫格最願意看到的。球員應該用實際行動赢得更多的薪資，而不是靠轉會出走。俱樂部也應該把更多重心放下青訓，而不是通過土豪式的“買買買”解決問題。
大家按場上實力說話。
除非，你長了一張“萬人迷”的臉，靠發型也能讓俱樂部願意為你多開一些薪水。或者實在厭倦了歐洲戰場，轉身成為中超名宿。
—— 完 ——
本文作者：李根
原文釋出時間：2017-08-07