فرادرس


همین حالا برای دوستان خود به اشتراک بگذارید: واتساپ | تلگرام |

پیش‌بینی مسابقات ورزشی با الگوریتمی تازه؛ هوش مصنوعی فراتر از انتظار عمل می‌کند!

الگوریتمی تازه مبتنی بر هوش مصنوعی توانسته است پیش‌بینی مسابقات ورزشی را در بازی میدانی با دقتی حدود ۸۰٪ رقم بزند. با تکراتو همراه باشید.

کریپتال گلوبال

اخیرا، برای پروژه‌ی تازه‌یِ پیش‌بینی مسابقات ورزشی آزمایشگاه سیستم‌های هوشمند و کنترلِ دانشگاه کرنل، با همکاری تیم هاکی بیگ ‌رد به توسعه‌ی الگوریتمی تازه پرداخته‌اند.

بیشتر بخوانید: آیا از منظر علم جنسیت ها تنها به زن و مرد ختم می‌شوند؛ چگونه زبان را به کار می‌گیرند؟

پیش‌بینی مسابقات ورزشی و هوش مصنوعی!

الگوریتم‌ها از این جهت منحصربه‌فرد هستند که رویکردی کل‌نگرانه داشته و داده‌های را در ترکیب باهم برای پیش‌بینی کنش و واکنش‌ها مورد استفاده قرار می‌دهند.

برای پیش‌بینی بازی های فوتبال یا دیگر ورزش‌ها، موقعیت قرار‌گیری یک ورزشکار در زمین بازی یا حتّی اطلاعاتی که بیشتر ضمنی، مانند نقش ویژه‌ی یک ورزشکار در گروه خود از اهمیّت ویژه‌ای برخوردارند.

تیم هاکی روی یخ مردان به نمایندگی از دانشگاه کرنل، که‌ برنامه‌ای ورزشی‌ است از هاکی روی یخ کالج بخش انجمن ورزشی این دانشگاه، بازی های خانگی خود را در لینا رینکِ ایتاکا، نیویورک انجام می‌دهد. سیلویا فراری، سرپرست این تحقیق گفت:

بینایی ماشین می‌تواند اطلاعات بصری‌ای مانند رنگ پیراهن، حالات و یا وضعیت بدنی بازیکنان را تفسیر نماید. البته انسان‌ها این اطلاعات را بی‌درنگ از محیط دریافت می‌کنند، ولی در درک این داده‌ها، ما متغیرهای پنهانی نظیر استراتژی تیم و نقش‌ بازیکنان را هم با یکدیگر ادغام می‌کنیم؛ چرا که انسان‌ها در درک بافت موقعیتی خبره‌اند.

کینگزه هو جونی دونگ دانشجویانِ دکتری سیلیویا فراری، الگوریتم‌هایی را آموزش داده‌اند تا با تماشای بازی‌ها، متغیرهای پنهان آن را نیز استنتاج نمایند – به همان روشی که انسان‌ها دانش ورزشی خود را به دست می‌آورند. الگوریتم‌ها از یادگیری ماشینی برای استخراج داده‌ها از ویدیوهای بازی‌های والیبال استفاده کردند و سپس با کمک این داده‌ها به پیش‌بینی بازی‌ها در هنگام نمایش مجموعه جدیدی از مسابقات پرداختند.

پیش‌بینی مسابقات ورزشی

این نتایج در ژورنال ACM در 22 سپتامبر (29 شهریورماه) منتشر شده و نشان می‌دهد که الگوریتم‌ها می‌توانند نقش بازیکنان را نیز درک کنند – به عنوان مثال، تشخیص دفع پاسور دفاعی- با دقت میانگین ​​نزدیک به 85٪  قابل پیش‌بینی بوده است  و توانسته چندین کنش را در یک سلسله کنش‌ تا 44 فریم، با دقت میانگین ​​بیش از 80% پیش بینی کند. این ادراک شامل ضربه زدن، موقعیت‌یابی، دفع کردن، دویدن، آبشار، نشستن، ایستادن، افتادن و پریدن بوده است.

فراری برای آماده‌سازی بهتر تیم‌ها، آن‌ها را با استفاده از الگوریتم‌ها برای رقابت‌ آماده می‌کند. الگوریتم‌هایی که با فیلم‌های موجود از بازی حریف و استفاده از توانایی‌های پیش‌بینی خود برای تمرین بازی‌ها و سناریوهای خاص بازی، آموزش دیده‌اند.

فراری الگوریتم خود را در صف ثبت اختراع قرار داده است. و در حال حاضر با تیم هاکی مردان بیگ رد برای توسعه بیشتر نرم افزاری آن کار می‌کند.

فراری و دانشجویان فارغ‌التحصیلش به رهبری فرانک کیم، با استفاده از فیلم‌های بازی ارائه شده، الگوریتم‌هایی طراحی می‌کنند که به طور مستقل بازیکنان، اقدامات و سناریوهای بازی‌شان را شناسایی خواهد کرد‌.

یکی از اهداف این پروژه کمک به حاشیه نویسی فیلم بازی‌‌هاست، که وقتی به صورت دستی توسط اعضای تیم انجام شود، کاری به غایت خسته کننده است. بن راسل، مدیر اجرایی هاکی تیم مردان کرنل گفت:

برنامه ما تأکید زیادی بر تجزیه و تحلیل ویدیو و فناوری داده‌ها دارد. ما دائماً به دنبال راه‌هایی برای ارتقای سطح تحلیلی کادر مربیان هستیم تا بهتر بتوانیم به بازیکنان خود مشاوره دهیم. من بسیار تحت تاثیر تحقیقاتی قرار گرفته‌ام که پروفسور فراری و شاگردانش تا به کنون انجام داده‌ند. چرا که معتقدم که این پروژه پتانسیل این را دارد که به طور چشمگیری بر نحوه‌یِ مطالعه تیم ها و آماده‌سازی آن‌ها برای رقابت مثمر ثمر باشد.

فراتر از پیش‌بینی مسابقات ورزشی این الگوریتم به آینده شکل خواهد داد!

به گفته فراری، فراتر از ورزش، توانایی پیش بینی کنش‌های انسانی پتانسیل زیادی برای آینده تعامل انسان و ماشین در پی خواهد داشت. او خاطر نشان ساخته است که نسخه‌ی بهبود یافته‌ی این نرم افزار می‌تواند به ماشین‌های خودران کمک وافری کند تا تصمیمات بهتری  را در لحظه بگیرند، یا ربات‌ها و انسان‌ها را در کارخانه‌ها و انبارها از نظر تعاملی به هم نزدیکتر کند، و یا حتی بتواند با تقویت هوش مصنوعی رایانه‌ای، تجربه‌ی لذت‌بخش‌تری را از بازی های ویدیویی رقم بزند. بنا بر این کاربرد پیش‌بینی مسابقات ورزشی تنها یکی از امکانات بالقوه‌ی این الگوریتم است.

فراری، که دانشیار تحقیقات مهندسی بین دانشگاهی نیز هست ادامه داد:

انسان‌ها آنقدر که الگوریتم‌های یادگیری ماشین در حال حاضر آن‌ها را غیرقابل پیش‌بینی نشان می‌دهند، غیرقابل پیش‌بینی نیستند، زیرا اگر واقعاً همه ابعاد محتوا را در نظر بگیرید، یعنی در صورت استفاده از همه‌ی سرنخ‌های بافتی، و مشاهده‌ی گروهی افراد، می‌توانید در پیش‌بینی‌ها بسیار بهتر از آن چه که به نظر می‌رسد، عمل کنید.

بیشتر بخوانید:

شما درباره پیش‌بینی مسابقات ورزشی با هوش مصنوعی چه فکر می‌کنید؟ دیدگاه خود را در بخش «کامنت‌ها» با تکراتو به اشتراک بگذارید و اخبار فناوری را با ما دنبال کنید.

منبع:scitechdaily

ارسال برای دوستان در: واتساپ | تلگرام |





ارسال نظر