實『性』毋庸置疑。高直球與曲球的搭配是能夠透過詭異驗證重合度的方式描繪的，再不行還有模擬環境的真人準確度識別。

再者，在模型之後，還驗證了伸卡球對左打的效果低下，除非是伸卡的球速快到讓打者無法判斷。

其實模型並不難建，只要有人工智慧當面的知識面一般情況來說不懂棒球也不是問題。可難就難在棒球是一項非常老土的體育運動，老土到超乎你的想像。

還記得測速槍之類的東西嗎？這在大聯盟早就被淘汰了。還有勝投數啊、打擊率之類的統計資料，其實幾十年前就不頂用了，可每個報告裡還是免不了出現！老土！不願革新。

測速這方面有影片影象處理技術已經完全無用~如果不是這樣恐怕現在在球場上還會有許多人舉著測速槍來看球吧~

眾所周知，球探是一個關鍵，球探報告也是一個關鍵，可隨著資料模型的建立，它們比之球探要更加準確。從基礎資料到投球軌跡、打擊速度和角度甚至守備站位都能精確到位，快速、精準有論證，可大聯盟會放棄球探只相信資料嗎？

顯然不會！

那會忽視打擊率嗎？更不可能！

會無視投手的勝投嗎？絕對不可能！

看！棒球就是那麼老套！新事物要佔據一席之地非常非常的難！

所以現在沈秦一聽說這個就想起之前和潘園的聊天，他打不了職業，但是又想從事棒球相關方面的工作，那資料模型這一塊的確是一個很好的切入點啊。

哪怕棒球現在不願大力度的改革，以後肯定會的啊，從棒次到佈陣，從調整到分析，哪一個都離不了資料！

每年一支球隊的162場比賽，30支球隊！再並上小聯盟從3a到a再到菜鳥聯盟。一個球隊下面還附屬著4、5甚至6個球隊！僅僅靠人？誰做的到？