يمكن لتقنية الذكاء الاصطناعي الجديدة تغيير إعداد اللعبة لفرق Super Bowl
سيقضي اللاعبون والمدربون في فريق فيلادلفيا إيجلز وكانساس سيتي تشيفز ساعات وساعات في غرف الأفلام هذا الأسبوع استعدادًا لسوبر بول.
سيقومون بدراسة المواقف والمسرحيات والتشكيلات، في محاولة لتحديد ميول الخصم التي يمكنهم استغلالها أثناء البحث عن فيلمهم الخاص لدعم نقاط الضعف.
يمكن لتقنية الذكاء الاصطناعي الجديدة التي يطورها المهندسون في جامعة بريغهام يونغ أن تقلل بشكل كبير من الوقت والتكلفة التي تنفق في دراسة الأفلام لفرق Super Bowl (وجميع فرق كرة القدم في دوري كرة القدم الأمريكية وكلية كرة القدم)، مع تعزيز استراتيجية اللعبة أيضًا من خلال تسخير قوة البيانات الضخمة.
أستاذ BYU DJ Lee ، طالب الماجستير جاكوب نيومان ودكتوراه.
يستخدم الطالبان Andrew Sumsion و Shad Torrie الذكاء الاصطناعي لأتمتة العملية التي تستغرق وقتًا طويلاً لتحليل لقطات اللعبة وتعليقها يدويًا.
باستخدام التعلم العميق والرؤية الحاسوبية، ابتكر الباحثون خوارزمية يمكنها تحديد موقع اللاعبين باستمرار من فيلم اللعبة وتصنيفهم وتحديد تشكيل الفريق الهجومي – وهي عملية يمكن أن تتطلب وقت عدد كبير من مساعدي الفيديو.
قال لي، أستاذ الهندسة الكهربائية وهندسة الكمبيوتر: “كنا نجري محادثة حول هذا الأمر وأدركنا، رائعًا، أنه يمكننا على الأرجح تعليم خوارزمية للقيام بذلك”.
“لذلك قمنا بإعداد اجتماع مع BYU Football لمعرفة إجراءاتهم وعرفنا على الفور، نعم، يمكننا القيام بذلك بشكل أسرع كثيرًا.”
بينما لا يزال في وقت مبكر من البحث، حصل الفريق بالفعل على دقة تزيد عن 90٪ في اكتشاف اللاعبين ووضع العلامات باستخدام الخوارزمية الخاصة بهم، إلى جانب دقة 85٪ في تحديد التشكيلات.
إنهم يعتقدون أن التكنولوجيا يمكن أن تقضي في النهاية على الحاجة إلى الممارسة غير الفعالة والمملة للتعليقات التوضيحية اليدوية وتحليل الفيديو المسجل الذي يستخدمه اتحاد كرة القدم الأميركي وفرق الكلية.
نظر لي ونيومان لأول مرة إلى لقطات اللعبة الحقيقية التي قدمها فريق كرة القدم في BYU. عندما بدأوا في تحليلها، أدركوا أنهم بحاجة إلى بعض الزوايا الإضافية لتدريب الخوارزمية بشكل صحيح.
لذا قاموا بشراء نسخة من Madden 2020، والتي تُظهر الحقل من أعلى وخلف الجريمة، وقاموا بتسمية 1000 صورة وفيديو يدويًا من اللعبة.
استخدموا تلك الصور لتدريب خوارزمية التعلم العميق لتحديد موقع اللاعبين، والتي تغذي بعد ذلك إطار عمل الشبكة المتبقية لتحديد المركز الذي يلعبه اللاعبون
. أخيرا تستخدم شبكتهم العصبية معلومات الموقع والموقع لتحديد التشكيل (لأكثر من 25 تشكيلًا) الذي تستخدمه الجريمة – أي شيء من Pistol Bunch TE إلى I Form H Slot Open.
قال لي إن الخوارزمية يمكنها تحديد التشكيلات بدقة بنسبة 99.5٪ عندما يكون موقع اللاعب ومعلومات التسمية صحيحة.
أثبت تشكيل I، حيث يصطف أربعة لاعبين واحدًا أمام التالي – الوسط، الوسط، الظهير والركض للخلف – أنها واحدة من أكثر التشكيلات صعوبة في التعرف عليها.
قال لي ونيومان إن نظام الذكاء الاصطناعي يمكن أن يكون له أيضًا تطبيقات في رياضات أخرى.
على سبيل المثال، في لعبة البيسبول، يمكنها تحديد مواقع اللاعبين في الملعب وتحديد الأنماط الشائعة لمساعدة الفرق في تحسين طريقة دفاعهم ضد بعض الضاربين.
أو يمكن استخدامه لتحديد موقع لاعبي كرة القدم للمساعدة في تحديد تشكيلات أكثر كفاءة وفعالية.
تم تفصيل خوارزمية BYU في مقال صحفي بعنوان “التحليل الآلي لما قبل اللعب لتشكيلات كرة القدم الأمريكية باستخدام التعلم العميق”، والذي نُشر مؤخرًا في عدد خاص من تطبيقات الذكاء الاصطناعي والرؤية المتقدمة في الإلكترونيات.
قال لي: “بمجرد حصولك على هذه البيانات، سيكون هناك الكثير الذي يمكنك فعله بها؛ يمكنك الانتقال بها إلى المستوى التالي”.
“يمكن أن تساعدنا البيانات الضخمة في معرفة إستراتيجيات هذا الفريق، أو ميول ذلك المدرب.
ويمكن أن تساعدك على معرفة ما إذا كان من المحتمل أن يقوموا بذلك في 4th Down و2 أو ما إذا كانوا سيناقشون. فكرة استخدام الذكاء الاصطناعي من أجل الرياضة رائعة حقًا، وإذا تمكنا من منحهم حتى 1٪ من الميزة، فسيكون الأمر يستحق ذلك “.
المصدر: techxplore
قد يهمك:
