R&D 第 1 集 ☕ Buy me a coffee

🧑‍🏫 這支影片跟拍 OpenAI 和賽車隊 Chip Ganassi Racing 的合作，看 AI 怎麼幫車隊消化大量資料、備戰 Long Beach 比賽。值得看的地方是，它讓你看到 AI 走出聊天視窗，在分秒必爭的真實工作現場幫專業團隊更快找到優勢。連車隊的體能教練都拿它來排課表。

• 00:18 Joyce 是 OpenAI 的 research engineer，負責與 Chip Ganassi Racing 的賽車合作；她說賽車吸引她的是 problem-solving：給定底盤、引擎和賽道去解題
  ↳ Joyce 是 OpenAI 的 research engineer（研究工程師，做 AI 研究並把它實作出來的人），負責跟這支車隊合作。她覺得賽車像解題：底盤、引擎、賽道都已經給定，要想辦法跑出最好的結果。
• 00:49 Chip Ganassi 原本就想成為第一支真正搞懂如何用 AI 讓自己更快的賽車隊，車隊自認有嘗試新事物、走在前端的 DNA
  ↳ 車隊不是被動接觸 AI，而是本來就想當第一支真正懂得用 AI 讓自己變快的隊伍。他們自認骨子裡就愛嘗試新東西，喜歡走在別人前面。
• 01:19 今年的目標是把車隊所有資料串接起來；車隊很重視資料，有歷史資料與每次測試、正式賽段的資料，量大到幾乎無法處理
  ↳ 車隊資料多到驚人，有歷年紀錄，也有每次 session（一節測試或比賽的時段）的數據。問題不在缺資料，而是多到消化不完，所以今年的目標是先把所有資料串在一起。
• 01:51 AI 讓車隊更快取得資料、用不同角度檢視，在賽段之間找出優勢；賽段之間只有幾小時能把學到的東西用到車上
  ↳ 兩個 session 之間往往只有幾小時。AI 讓工程師更快撈出資料、換角度看，趕在下一節開始前找到能改進的地方，並真的調整到車上。
• 01:51 Long Beach 大概是繼 Indy 500 之後車隊最重要的賽事，去年拿第二名
  ↳ Long Beach 是在美國加州長灘街道上舉辦的比賽。對車隊來說，它的重要性大概僅次於最知名的 Indy 500。去年他們拿到第二名，今年當然想更進一步。
• 02:25 賽前準備占整個週末超過 50%，會分析 2025、2024、2023 年等歷年比賽找趨勢；用 OpenAI 能分析更多資料、比賽、策略與對手車輛
  ↳ 整個比賽週末有一半以上的功夫花在賽前準備，要回頭看 2023 到 2025 年的比賽找規律。用了 OpenAI 的工具，能一次分析更多場次和策略，連對手的車也能一起看。
• 02:25 1/10 秒就可能決定比賽輸贏；但最快的車常常不是贏家
  ↳ 0.1 秒的差距就可能決定輸贏，所以每個細節都要摳。不過單圈最快的車常常不是贏家，策略、進站和臨場判斷一樣關鍵。
• 02:56 Chip 的座右銘是「把簡單的事做對」，pit stop 就是車隊真正做對的事情之一
  ↳ 老闆 Chip 的座右銘是「把簡單的事做對」。pit stop（比賽中賽車進站換胎、加油）看起來是例行公事，卻是這支車隊真正做到位、能贏過別人的地方。
• 02:56 Will Plummer 是車隊的 human performance trainer；他說 NASCAR 會花錢請前大學或職業運動員專門負責進站，IndyCar 則不同
  ↳ Will Plummer 是 human performance trainer（負責隊員體能和表現的訓練師）。他說 NASCAR（美國另一個大型賽車系列）會花錢請前運動員專職負責進站，但車隊參加的 IndyCar 不是這樣。
• 03:28 Chip Ganassi 的 pit crew 身兼多職，可能是技師、卡車司機或工程師，卻要在比賽最關鍵時刻負責進站
  ↳ 所以這支車隊的 pit crew（負責進站作業的小組）平常可能是技師、卡車司機或工程師。一到比賽最關鍵的時刻，他們就得衝出去完成進站。
• 03:28 IndyCar 一次 pit stop 約 7 秒；Chip Ganassi 大約剛好 7 秒，多數其他車隊稍微超過 7 秒
  ↳ IndyCar 一次進站大約 7 秒。Chip Ganassi 差不多剛好 7 秒，多數車隊會稍微超過。差距看起來很小，但在分秒必爭的比賽裡就是實在的優勢。
• 03:28 Will Plummer 把 ChatGPT 當成他的「助理體能訓練教練」
  ↳ Plummer 把 ChatGPT 當成他的「助理體能教練」。它不是來取代他，而是幫他分擔規劃訓練內容這種花時間的工作。
• 03:58 他輸入一週的訓練課表，請 ChatGPT 寫下一週的，它大致會照做並逐步調整
  ↳ 他的做法很簡單：把這週的訓練課表貼給 ChatGPT，請它排下週的課表。它大致會沿用原本的架構，再逐步做調整，讓訓練一週接一週地延續下去。
• 03:58 timing stand 最大的挑戰是從大量訊號中篩選，決定哪個關鍵資訊要傳給車手
  ↳ timing stand 是比賽時車隊在維修區旁盯數據、下指令的指揮台。這裡最難的是資訊量太大，要從一堆訊號裡挑出當下真正關鍵的那一條傳給車手。
• 03:58 車手在座艙裡不知道前後發生什麼，要靠車隊在比賽中為他「描繪畫面」；車手說只要對方說採某策略，他就照做
  ↳ 車手坐在車裡，看不到前後車的整體狀況，只能靠車隊幫他「描繪畫面」。車手說，只要車隊叫他採取某個策略，他就照做，完全信任對方。
• 04:28 工程師使用多種工具，其中包括一些 OpenAI 的機密工具
  ↳ 工程師手上有好幾種工具，其中包括 OpenAI 一些不對外公開的機密工具。也就是說，這次合作用到的不只是一般人能用的 ChatGPT。
• 05:02 Long Beach 賽道以高速長直線著稱，最技術性、最難的是 turn 11，一個很緊的右轉 hairpin
  ↳ Long Beach 賽道以高速長直線出名，最難的是第 11 彎，一個很緊的右轉 hairpin（像髮夾一樣近乎掉頭的急彎）。這個彎最考驗技術，最難跑好。
• 05:33 比賽中 Álex Palou 等了 29 圈；因為追不上 Felix，車隊打算在進站時超越他
  ↳ 比賽中 Álex Palou 撐了 29 圈才進站。他在賽道上一直追不上前面的 Felix，所以車隊打算趁進站的時候超越他。
• 05:33 比賽要準備不只一種策略，因為局勢變化很快；例如別台車同時進站，可能改成油量夠就再多跑一圈
  ↳ 局勢變化很快，不能只準備一套策略。例如別台車剛好同時進站，而自己的油量還夠，就可能改成多跑一圈再進站。
• 06:10 車隊看到多台車擠在一起同時進站，Felix Rosenqvist 也進站，這不在計畫中，但車隊視為機會，強調這時靠的是信任
  ↳ 結果好幾台車擠在一起進站，Felix Rosenqvist 也進來了，這不在原本的計畫裡。車隊反而把它看成機會。這種時候來不及多討論，靠的是彼此信任。
• 06:10 工程師會告訴 pit crew 精確要加幾秒的油，他們就照做，不多也不少；車隊會臨場即時調整
  ↳ 工程師會直接告訴 pit crew 精確要加幾秒的油，他們就照做，不多也不少。整個計畫也會隨著場上狀況即時調整。
• 06:44 出 pit road 時 Palou 以極小差距搶在 Rosenqvist 前面
  ↳ 出 pit road（維修區的進出站車道）時，Palou 以極小的差距搶在 Rosenqvist 前面。在賽道上做不到的超車，就這樣在進站時完成了。
• 07:14 Joyce 表示，看到模型走出實驗室，在賽道內外轉化成實際效率提升，是最直接的感受；並認為目前只是初步嘗試
  ↳ Joyce 說，最直接的感受是看到模型走出實驗室，在賽道內外真的讓工作變得更有效率。她也認為這只是初步嘗試，後面還有很多可以做。

依影片所述，一次 IndyCar 的 pit stop 大約需要多久？