Περίληψη άρθρου:
Μηχανικοί του Πανεπιστημίου Brigham Young αναπτύσσουν τεχνολογία τεχνητής νοημοσύνης για την αυτοματοποίηση της χρονοβόρας διαδικασίας ανάλυσης και σχολιασμού υλικού από αγώνες για τις ομάδες του NFL (National Football League) και των κολεγίων. Το σύστημα τεχνητής νοημοσύνης χρησιμοποιεί βαθιά μάθηση (deep learning) και όραση υπολογιστή (computer vision) για τον εντοπισμό και την επισήμανση παικτών από το φιλμ του αγώνα και τον προσδιορισμό του σχηματισμού της επιθετικής ομάδας. Οι ερευνητές πέτυχαν με τον αλγόριθμό τους ακρίβεια καλύτερη από 90% στον εντοπισμό και την επισήμανση παικτών, μαζί με ακρίβεια 85% στον προσδιορισμό σχηματισμών. Το σύστημα Τεχνητής Νοημοσύνης θα μπορούσε επίσης να έχει εφαρμογές σε άλλα αθλήματα, όπως το μπέιζμπολ και το ποδόσφαιρο, για να βοηθήσει τις ομάδες να βελτιώσουν τον τρόπο με τον οποίο αμύνονται εναντίον ορισμένων χτυπημάτων ή να εντοπίσουν ποδοσφαιριστές για να βοηθήσουν στον προσδιορισμό πιο αποδοτικών και αποτελεσματικών σχηματισμών. Αυτή η τεχνολογία θα μπορούσε να μειώσει σημαντικά τον χρόνο και το κόστος που απαιτείται για τη μελέτη ταινιών για τις ομάδες, ενώ παράλληλα θα μπορούσε να βελτιώσει τη στρατηγική του παιχνιδιού αξιοποιώντας τη δύναμη των μαζικών δεδομένων.

Αναλυτικά το άρθρο:
Η νέα τεχνολογία που αναπτύσσεται από μηχανικούς του Πανεπιστημίου Brigham Young, θα μπορούσε να φέρει επανάσταση στον τρόπο με τον οποίο οι ομάδες προετοιμάζονται για το Super Bowl.

Χρησιμοποιεί τεχνητή νοημοσύνη για να μειώσει τον χρόνο και το κόστος της μελέτης ταινιών, ενώ παράλληλα χρησιμοποιεί μαζικά δεδομένα για να βελτιώσει τη στρατηγική του παιχνιδιού. Θα επιτρέπει στις ομάδες να αναλύουν γρήγορα τις τάσεις και τις αδυναμίες των αντιπάλων τους, καθώς και τις δικές τους, προκειμένου να προετοιμάζονται καλύτερα για το μεγάλο παιχνίδι.

Αυτή η τεχνολογία θα μπορούσε να αλλάξει το παιχνίδι για τις ομάδες που επιθυμούν να αποκτήσουν πλεονέκτημα στο Super Bowl. Ο D.J. Lee, καθηγητής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, και η ομάδα φοιτητών του χρησιμοποιούν τεχνητή νοημοσύνη για να αυτοματοποιήσουν τη χρονοβόρα διαδικασία χειροκίνητης ανάλυσης και σχολιασμού υλικού από παιχνίδια.

Δημιούργησαν έναν αλγόριθμο που μπορεί να εντοπίζει και να χαρακτηρίζει με ακρίβεια τους παίκτες από το φιλμ του παιχνιδιού και να καθορίζει τον σχηματισμό της επιθετικής ομάδας. Η ομάδα έχει ήδη επιτύχει ακρίβεια 90% στον εντοπισμό και την επισήμανση παικτών και 85% στον προσδιορισμό σχηματισμών.

Αυτή η τεχνολογία θα μπορούσε τελικά να εξαλείψει την ανάγκη για χειροκίνητο σχολιασμό και ανάλυση των καταγεγραμμένων βίντεο που χρησιμοποιούν οι ομάδες του NFL και των κολεγίων, καθιστώντας τη διαδικασία πολύ πιο γρήγορη και αποτελεσματική. Οι Lee και Newman ανέπτυξαν έναν αλγόριθμο για τον εντοπισμό επιθετικών σχηματισμών στο ποδόσφαιρο.

Χρησιμοποίησαν πραγματικό υλικό από αγώνες και ένα αντίγραφο του Madden 2020 για να επισημάνουν χειροκίνητα 1.000 εικόνες και βίντεο. Τα δεδομένα αυτά χρησιμοποιήθηκαν για την εκπαίδευση ενός αλγορίθμου βαθιάς μάθησης για τον εντοπισμό των παικτών, ο οποίος στη συνέχεια τροφοδοτήθηκε σε ένα πλαίσιο Residual Network για τον προσδιορισμό των θέσεών τους.

Τέλος, το νευρωνικό δίκτυο χρησιμοποίησε τις πληροφορίες τοποθεσίας και θέσης για να καθορίσει τον σχηματισμό. Ο αλγόριθμος μπόρεσε να προσδιορίσει με ακρίβεια τους σχηματισμούς στο 99,5% των περιπτώσεων, όταν οι πληροφορίες για τη θέση και την επισήμανση των παικτών ήταν σωστές. Ο σχηματισμός ήταν ένας από τους πιο δύσκολους σχηματισμούς που έπρεπε να αναγνωριστούν.

Οι Lee και Newman ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να χρησιμοποιηθεί για την ανάλυση αθλητικών δεδομένων. Μπορεί να χρησιμοποιηθεί για τον εντοπισμό των θέσεων των παικτών στον αγωνιστικό χώρο και τον εντοπισμό κοινών μοτίβων που θα βοηθήσουν τις ομάδες να βελτιώσουν τις στρατηγικές τους.

Θα μπορούσε επίσης να χρησιμοποιηθεί για τον εντοπισμό παικτών μπέιζμπολ και να βοηθήσει στον καθορισμό πιο αποδοτικών και αποτελεσματικών σχηματισμών. Ο Lee πιστεύει ότι ακόμη και ένα μικρό πλεονέκτημα που αποκτάται από τη χρήση της τεχνητής νοημοσύνης θα μπορούσε να αξίζει τον κόπο και ότι υπάρχουν δυνατότητες για περαιτέρω εφαρμογές σε άλλα αθλήματα.

Πηγή: New AI technology could change game prep for Super Bowl teams