هوش مصنوعی، انقلاب در هاکی: کشف رازهای ستاره‌ها با داده‌های علمی!

آنالیز هاکی با کمک هوش مصنوعی: یک انقلاب ورزشی

محققان دانشگاه واترلو با بهره‌گیری از ابزارهای هوش مصنوعی (AI)، موفق به جمع‌آوری و تجزیه و تحلیل سریع‌تر و دقیق‌تر داده‌های مربوط به بازی‌های هاکی حرفه‌ای شده‌اند. این پیشرفت، تأثیرات چشمگیری بر دنیای ورزش خواهد داشت. در حال حاضر، آنالیز هاکی که یک حوزه رو به رشد است، به بررسی دستی ویدئوهای بازی‌ها وابسته است. تیم‌های حرفه‌ای هاکی، به خصوص در لیگ ملی هاکی (NHL)، بر اساس این اطلاعات، تصمیمات مهمی در مورد آینده‌ی بازیکنان اتخاذ می‌کنند.

دکتر دیوید کلاوسی، استاد گروه مهندسی طراحی سیستم‌های دانشگاه واترلو، بیان کرد: “هدف تحقیقات ما این است که بازی هاکی را از طریق ویدئو، به شکلی موثرتر و کارآمدتر از یک فرد، تفسیر کنیم.” او اضافه کرد: “یک انسان نمی‌تواند تمام اتفاقاتی که در یک بازی رخ می‌دهد را ثبت کند و مورد بررسی قرار دهد.”

بازیکنان هاکی با سرعت بالا و به صورت غیرخطی حرکت می‌کنند و در طول بازی، به سرعت روی یخ اسکیت می‌کنند. علاوه بر اعداد و نام‌های خانوادگی که روی پیراهن‌ها نوشته شده‌اند (و همیشه برای دوربین قابل مشاهده نیستند)، لباس‌ها هم ابزار مناسبی برای شناسایی بازیکنان نیستند، به‌ویژه در سرعت بالای بازی. این مسائل، پیگیری و آنالیز دستی هر بازیکن در طول بازی را بسیار دشوار کرده و احتمال بروز خطای انسانی را افزایش می‌دهد.

ابزار هوش مصنوعی که توسط کلاوسی و همکارانش توسعه یافته، برای حل این مشکلات طراحی شده است.

تحقیقات جدید: تحلیل عملکرد بازیکنان هاکی با استفاده از یادگیری عمیق

جان زلک، استاد مهندسی طراحی سیستم‌ها در دانشگاه واترلو، به همراه یوهائو چن، استاد پژوهش، و تیمی از دانشجویان مقطع تحصیلات تکمیلی، از تکنیک‌های یادگیری عمیق برای خودکارسازی و بهبود تحلیل عملکرد بازیکنان بهره می‌برند. این تحقیق، در همکاری با استاتلتس، یک شرکت آنالیز داده‌های عملکرد هاکی که در انتاریو مستقر است، انجام شده است.

تیم تحقیقاتی با بررسی فریم به فریم ویدئوهای پخش شده از مسابقات NHL، به‌صورت دستی، تیم‌ها، بازیکنان و حرکات آن‌ها را روی زمین یخ مشخص کردند. سپس، این داده‌ها را با استفاده از یک شبکه‌ی عصبی یادگیری عمیق پردازش کردند تا به سیستم آموزش دهند که چگونه یک بازی را تماشا کند، اطلاعات را جمع‌آوری کرده و تحلیل‌ها و پیش‌بینی‌های دقیقی ارائه دهد.

در آزمایش‌ها، الگوریتم‌های سیستم دقت بالایی را نشان دادند. این سیستم توانست ۹۴.۵ درصد از بازیکنان را به درستی شناسایی کند، ۹۷ درصد از تیم‌ها را تشخیص دهد و ۸۳ درصد از بازیکنان را به درستی شناسایی کند. تیم تحقیقاتی در حال کار بر روی بهبود نمونه‌ی اولیه‌ی خود است، اما استاتلتس در حال حاضر از این سیستم برای برچسب‌گذاری ویدئوهای بازی‌های هاکی استفاده می‌کند.

پتانسیل تجاری‌سازی این فناوری فراتر از هاکی است. با آموزش مجدد اجزای سیستم، می‌توان آن را در سایر ورزش‌های تیمی مانند فوتبال یا هاکی روی چمن نیز به کار برد. زلک گفت: “سیستم ما می‌تواند داده‌هایی را برای اهداف مختلف تولید کند. مربیان می‌توانند از آن برای طراحی استراتژی‌های برنده استفاده کنند، مسئولین جذب بازیکن می‌توانند بازیکنان مناسب را شناسایی کنند و آمارگیران می‌توانند راه‌هایی برای ایجاد برتری بیشتر برای تیم‌ها در زمین یخ یا زمین فوتبال پیدا کنند. این فناوری واقعاً پتانسیل تغییر صنعت ورزش را دارد.”

“`