الگوریتم های جدید هوش مصنوعی می توانند حرکات تیم های ورزشی را با دقت ۸۰ درصد پیش بینی می کنند.
به گزارش تک ناک، اکنون آزمایشگاه دانشگاه کورنل ، که الگوریتمها را توسعه داده است، با تیم هاکی Big Red برای گسترش برنامههای کاربردی این پروژه تحقیقاتی همکاری میکند.
الگوریتمها از این جهت منحصربهفرد هستند که رویکردی کلنگر برای پیشبینی کنش دارند و دادههای بصری را با (به عنوان مثال، جایی که یک ورزشکار در زمین قرار دارد ) با اطلاعاتی که بیشتر بدون شرط هستند، مانند نقش خاص یک ورزشکار در تیم ترکیب میکنند.
سیلویا فراری، سرپرست این تحقیق، گفت: سیستم هوش مصنوعی میتواند اطلاعات بصری مانند رنگ پیراهن و وضعیت یا وضعیت بدن بازیکن را تفسیر کند. او استاد مهندسی مکانیک و هوافضا دانشگاه جان برانکاچیو است. ما از این اطلاعات در لحظه استفاده میکنیم، اما متغیرهای پنهانی مانند استراتژی تیم و نقشهای بازیکن را ادغام میکنیم، چیزهایی که ما بهعنوان انسان قادر به استنباط هستیم زیرا در آن زمینه خاص متخصص هستیم.
دانشجویان فراری ، الگوریتمهایی را آموزش دادند تا با تماشای بازیها متغیرهای پنهان را استنباط کنند همانطور که انسانها دانش ورزشی خود را به دست میآورند. الگوریتمها از یادگیری ماشینی برای استخراج دادهها از ویدیوهای بازیهای والیبال استفاده کردند و سپس از آن دادهها برای کمک به پیشبینی در هنگام نمایش مجموعه جدیدی از بازیها استفاده کردند.
نتایج در ۲۲ سپتامبر در ژورنال ACM Transactions on Intelligent Systems and Technology منتشر شد و نشان میدهد که الگوریتمها میتوانند نقش بازیکنان را ( به عنوان مثال، تشخیص پاسور دفاعی از دفاع روی تور) با دقت متوسط نزدیک به ۸۵ درصد استنباط کنند.
این الگوریتم ها می تواند چندین عمل را در یک دنباله تا ۴۴ فریم با دقت متوسط بیش از 80درصد پیش بینی کند. این اقدامات شامل ضربه زدن، قرار گرفتن، دفاع روی تور، دویدن، جمع کردن توپ با ساعد، شیرجه زدن، ایستادن، افتادن و پریدن بود.
با آموزش این سیستم هوش مصنوعی با استفاده از فیلمهای موجود از بازی حریف و استفاده از تواناییهای پیشبینی سیستم برای تمرین بازیها و سناریوهای خاص ،می توان از الگوریتم ها برای آمادهسازی بهتر تیم ها برای رقابت استفاده کرد.
فراری در حال حاضر با تیم هاکی Big Red برای توسعه بیشتر نرم افزار کار می کند. فراری و دانشجویان فارغ التحصیلش به رهبری فرانک کیم با استفاده از فیلم های بازی ارائه شده توسط تیم، در حال طراحی الگوریتم هایی هستند که به طور مستقل بازیکنان، اقدامات و سناریوهای بازی را شناسایی می کنند. یکی از اهداف این پروژه کمک به حاشیه نویسی فیلم بازی است، که وقتی به صورت دستی توسط اعضای تیم انجام شود، کاری خسته کننده است.
بن راسل، مدیرعملیات هاکی تیم مردان کرنل، گفت: برنامه ما تاکید زیادی بر تجزیه و تحلیل ویدئو و فناوری داده دارد. ما دائماً به دنبال راه هایی برای تکامل به عنوان کادر مربیان هستیم تا بتوانیم بهتر به بازیکنان خود خدمت کنیم. من از تحقیقاتی که پروفسور فراری و شاگردانش تاکنون انجام داده اند بسیار تحت تاثیر قرار گرفتم. من معتقدم که این پروژه این پتانسیل را دارد که به طور چشمگیری بر نحوه مطالعه تیم ها و آماده شدن برای رقابت تأثیر بگذارد.
به گفته فراری، فراتر از ورزش، توانایی پیش بینی اعمال انسان پتانسیل زیادی برای آینده تعامل انسان و ماشین دارد. او گفت که نرم افزار بهبود یافته می تواند به وسایل نقلیه خودران کمک کند تا تصمیمات بهتری بگیرند، ربات ها و انسان ها را در انبارها به هم نزدیکتر کند، و حتی می تواند با تقویت هوش مصنوعی رایانه، بازی های ویدیویی را لذت بخش تر کند.
تیم تحقیقاتی فراری گفت: انسانها آنقدر که الگوریتمهای یادگیری ماشینی آنها را در حال حاضر غیرقابل پیشبینی میکنند، غیرقابل پیشبینی نیستند. اگر واقعاً همه محتوا و همه سرنخهای زمینهای را در نظر بگیرید و گروهی از افراد را مشاهده کنید، میتوانید در پیشبینی کاری که قرار است انجام دهند بسیار بهتر عمل کنید.