
راکتس؛ ClutchBot هوش مصنوعی دقیقتر و تعاملیتر
- معرفی ClutchBot هوش مصنوعی برای ارتقای تعامل هواداران در NBA
- استفاده از فناوری غیرمتمرکز Theta EdgeCloud و مدلهای NLP پیشرفته
- بهبود مداوم از طریق بازخورد کاربران و تنظیم دقیق مدل

«در نهایت به یک عامل هوش مصنوعی دقیقتر میرسیم»: سخنگوی Theta Labs درباره ClutchBotهای راکتس
هیوستون راکتس اوایل این هفته «ClutchBot» را معرفی کرد؛ ماسکوتی که با استفاده از هوش مصنوعی مولدی طراحی شده است و بخشی از همکاری با Theta Labs محسوب میشود. این همکاری اولین باری است که لیگ NBA از هوش مصنوعی برای بهبود تعامل با هواداران بهره میبرد.
تغییر روش ارتباط هواداران با تیم
پروژه ClutchBot هدف دارد شیوه دنبال کردن تیم را از طریق دریافت بهروزرسانیهای لحظهای، آمار و اطلاعات بلیط، از طریق وبسایت و اپلیکیشن راکتس تغییر دهد. پلتفرم هوش مصنوعی مبتنی بر زیرساخت غیرمتمرکز EdgeCloud متعلق به Theta Labs ساخته شده است و از آخرین فنآوریهای هوش مصنوعی بهره میبرد تا پشتیبانی شخصیسازی شده و همیشگی برای پرسشهای هواداران فراهم آورد.
ویژگیهای فنی و عملکرد ClutchBot
این سیستم، به طور خاص بر روی دادههای مربوط به راکتس و NBA آموزش دیده تا بتواند به پرسشهای ساده مانند «بازی بعدی چه زمانی است؟» و ارائه آمارهای تاریخی و جزئیات ترکیب دهی پاسخهای دقیقی ارائه دهد. درست همانند عملکرد درخشان جالن گرین که توانست سری را به نفع تیم برابر گلدن استیت وریرز کند، راکتس نیز تنها به پرتاب سه امتیازی محدود نشده و به سوی آینده قدم برمیدارد.
توان پردازشی و زیرساخت غیرمتمرکز
با استفاده از فناوری بلاکچین لایه یک Theta و شبکه GPU غیرمتمرکز، ClutchBot تعاملات سریع و ایمنی را با قدرت پردازشی بیش از 80 پتاFLOPS فراهم میکند. این سیستم با بهرهگیری از مدلهای پیشرفته پردازش زبان طبیعی (NLP)، APIهای یکپارچه و تنظیم دقیق دینامیک، استاندارد جدیدی در سرگرمیهای ورزشی تعاملی ارائه میدهد.
پرسش و پاسخ با مدیرعامل Theta Labs
crypto.news: چه قابلیتهای پردازش زبان طبیعی به ClutchBot امکان میدهد تا به سوالات پیچیده هواداران نظیر آمار تاریخی یا مقایسه بازیکنان پاسخ دهد؟
Mitch Liu: ClutchBot از تکنیکهای پیشرفته NLP بهره میبرد، از جمله جریانهای کاری هوش مصنوعی مبتنی بر عوامل و تنظیم دقیق مدلهای زبانی بزرگ (LLM) روی دادههای لحظهای و حوزهای. این امر به سیستم اجازه میدهد تا نیت پشت سوالات کاربر را تبیین کرده، دادههای مرتبط را بازیابی و پاسخهای منسجم و دقیقی ارائه دهد.
crypto.news: چه چالشهایی در اضافهکردن دادههای API از پایگاه داده اختصاصی راکتس برای ClutchBot وجود داشت و با چه مشکلات دیگری روبرو شدید؟
Mitch Liu: ادغام دادههای API از منابع اختصاصی راکتس چالشهای متعددی داشت. بهعنوان مثال، ما مجبور شدیم سیستم تجمیع دادهای قدرتمندی بسازیم تا دادههای لحظهای از APIهای مختلف را که در فرمتهای متفاوت و با اطلاعات ناسازگار ارائه میشدند، یکپارچه و تطبیق دهیم. همچنین هدف ما کاهش حواسپرتی اطلاعات (hallucination) به حد امکان، بهویژه در زمینه اطلاعات مهم بازی، تیم و بازیکنان بود. از تکنیکهای پیشرفته مهندسی پیام و چارچوب تنظیم دقیق مداوم استفاده کردیم تا اطلاعات جدید به سرعت در زمان واقعی در سیستم گنجانده شوند.
crypto.news: نقش EdgeCloud Theta در توانمندسازی ClutchBot چگونه بود؟ چرا از EdgeCloud استفاده کردید و به جای آن از گزینههای پردازشی متمرکز مانند AWS یا Azure استفاده نکردید؟
Mitch Liu: EdgeCloud را چون نرمافزار هوشمندی در نظر بگیرید که قادر است وظایف هوش مصنوعی خاص را به بهینهترین و مقرون به صرفهترین گزینه هدایت کند. گاهی اوقات نیازی به GPUهایی مانند A100 یا H100 برای پردازش یک درخواست وجود ندارد و یک GPU تجاری مانند Nvidia 3090/4090 که توسط ذینفعان جامعه Theta اداره میشود، کافی است. این ذینفعان با توکنهای TFUEL پاداش میگیرند و سیستم بر روی بلاکچین Theta مستقر است؛ همچنین شرکا از انعطافپذیری و مقیاسپذیری در زمان اوج استفاده بهرهمند میشوند، که در سرگرمیهای زنده ورزشی بسیار حیاتی است.
crypto.news: پس از راهاندازی، چگونه بازخورد کاربران و هواداران را جمعآوری میکنید تا ClutchBot را بهبود بخشیده و مشکلات را در فصل NBA 2025–26 برطرف کنید؟
Mitch Liu: فرآیند تنظیم دقیق و بهبود مداوم هوش مصنوعی در پشت صحنه و در آینده از طریق بازخورد مستقیم کاربران با استفاده از توکنهای تشویقی جریان خواهد یافت. با گسترش تعداد شرکای ورزشی، یک اصلاح برای همه شرکا به نفع بهبود سیستم خواهد بود. در نهایت، ما به یک عامل هوش مصنوعی تعاملی دقیقتر و جذابتر دست مییابیم.