SpoLive Interactive Inc.（總部：東京都千代田區；CEO：岩田雄平）於2025年12月30日宣布，已開始在其面向體育組織的雲端服務「SpoLive」中提供AI體育記者功能。此功能利用大規模語言模型（LLM），根據SpoLive中記錄的比賽數據，在短短幾十秒內產生比賽報告草稿。
這大大縮短了創作時間，以前需要花費數小時甚至數天。該服務提供免費方案，而每月收費980日圓的付費方案則允許進行更多自訂設置，例如指定寫作風格和球員故事。目前已採用該服務的隊伍包括三重本田熱火隊、大阪紅颶風隊、慶應義塾大學體育協會足球俱樂部、名古屋中學和高中橄欖球俱樂部、三重高中足球俱樂部、日本飛盤協會以及亞太長曲棍球聯盟。該公司是一家成立於2020年10月的新創公司。
從： 
AI體育記者一鍵生成比賽報道 | SpoLive Interactive Inc.新聞稿
【社論】
這則新聞有力地證明了生成式人工智慧正開始在體育新聞領域取得重大進展。尤其值得注意的是，這項技術帶來的巨大價值並非來自專業媒體，而是來自資源有限的業餘和學生運動。
傳統上，職業運動比賽都會有專業記者到場撰寫詳細報道，但對於學生和業餘體育賽事而言，由於缺乏足夠的人手進行賽事記錄，導致許多運動員的成就無人問津，最終被遺忘。
SpoLive 的方法有趣之處在於，它並非簡單地引入文字生成人工智慧，而是基於現有的結構化體育數據。利用比分、球員姓名和比賽記錄等數據，LLM 可以從中產生自然流暢的句子。這意味著人工智慧可以基於事實撰寫文章，而不僅僅是「想像」。
其對多種溝通形式的支持也增強了其實用性。從社交媒體短文到新聞稿，同一份比賽數據可用於生成各種用途的文本，無需工作人員為每種媒介從頭開始撰寫內容。
然而，也存在一些潛在問題。人工智慧生成的文本可能缺乏人類作者所擁有的、尚未數位化的元素，例如「遊戲氛圍」和「可以從玩家面部表情中解讀出的情緒」。正如名古屋初高中在評論中所指出的，目前的版本只是一個“草稿”，最終的編輯工作很可能需要人工完成。
從長遠來看，這項技術有可能促進體育新聞的民主化。如果規模較小的團隊現在也能提供以前只有主流媒體才能獲得的高品質信息，那麼體育迷能夠獲得的信息數量和質量都將大幅提升。
另一方面，對於職業體育記者而言，這意味著我們已經進入了一個僅僅羅列事實已不足以脫穎而出的時代。記者需要創造更高層次的價值，例如無法用數據表達的洞見、對歷史背景的理解以及洞察運動員內心世界的能力。
[術語]
大規模語言模型（LLM）
基於大量文字資料訓練的人工智慧模型能夠理解並產生自然語言。 ChatGPT 就是這項技術的典型代表，它能夠理解上下文並產生類似人類的句子。 SpoLive 的 AI 體育記者功能也利用了 LLM 技術，能夠根據比賽數據自動產生自然流暢的報導。
結構化資料<br>以預先定義格式組織的資料。在體育比賽中，這包括比分、球員姓名、比賽時間和計分方式。由於這些數據以數字和分類的形式記錄，因此人工智慧可以輕鬆處理，並可作為生成文字的基礎。這個概念與非結構化資料（例如照片和影片）形成對比。
[參考連結]
SpoLive 官方網站（外部連結）
為體育組織提供的雲端服務，該平台可簡化比分管理、即時比賽報告以及向球迷傳播訊息。
SpoLive Interactive Inc. （外部）
一家成立於 2020 年 10 月的新創公司。它透過數位技術的力量將粉絲與運動員和球隊聯繫起來，為世界各地的運動隊伍賦能。
三重本田熱火隊官方網站（外部連結）
本田汽車有限公司的橄欖球隊是日本橄欖球聯賽第一級聯賽的成員。他們的基地位於三重縣鈴鹿市。
紅颶風大阪官方網站（外部連結）
這支總部位於大阪的橄欖球隊是日本橄欖球聯賽第一級第二組的成員。該隊以「大阪加油」為口號，積極參與社區活動。
[參考文章]
阿根廷一家地方報紙如何利用人工智慧每月發布數百篇體育報道（外部連結）
阿根廷一家地方報紙介紹了一個使用 United Robots 的技術自動產生足球比賽報告的例子。
分析ESPN決定使用人工智慧撰寫部分比賽報導的原因（外部連結）
2024 年 8 月，他分析了 ESPN 決定在女子足球和長曲棍球比賽中使用人工智慧產生的比賽報告。
自動化發布任何團隊運動的體育新聞 | United Robots （外部連結）
瑞典United Robots公司推出的AI體育文章產生服務詳情如下。此服務可自動產生各種體育項目的文章。
人工智慧與體育新聞 | 體育媒體人（外部連結）
自 2012 年以來，美聯社一直在使用人工智慧驅動的自動文章生成技術，強調只有人類記者才能提供的深刻見解的重要性。
大規模生成式人工智慧文本在體育和音樂領域的應用（外部連結）
IBM 和 ESPN 共同開發的 AI 解說系統於 2023 年在重大賽事中部署，覆蓋了 9,000 萬球迷。
人工智慧（AI）在體育新聞中的應用（外部連結）
一篇探討在體育新聞中使用人工智慧所引發的倫理問題的文章，重點關注了失業問題以及人工智慧可能複製人類直覺的可能性。
LLM-評論者：大型語言模型的新型微調策略（外部）
利用特定領域的數據對開源 LLM 進行微調，以從足球比賽數據中產生即時解說。
[編者註]
你當地的體育隊會發布每場比賽的詳細報道嗎？借助人工智慧撰寫文章，即使是以前鮮為人知的比賽現在也能被記錄下來。
另一方面，只有人類才能傳達球員的感受和比賽氛圍，而這些是數據無法表達的。有鑑於此，我們誠摯邀請您與我們一同思考，您所支持的球隊的訊息將會發生怎樣的變化，以及人工智慧和人類應該如何分擔彼此的角色。
