Το NFL και η Amazon χρησιμοποιούν την τεχνητή νοημοσύνη για να εφεύρουν νέα στατιστικά για το ποδόσφαιρο

Το National Football League, όπως και οι περισσότερες

επα

γγελματικές αθλητικές βιομηχανίες, αγκαλιάζει την τεχνητή νοημοσύνη. Μέσω μιας συν

εργασία

ς με την

Amazon

Web Services που ονομάζεται Next Gen Stats, το NFL ελπίζει ότι οι έξυπνοι αλγόριθμοι, με τη βοήθεια εργαλείων συλλογής δεδομένων υψηλής τεχνολογίας, θα είναι σε θέση να εξάγουν σημαντικά δεδομένα από παιχνίδια και να απο

κρυπτο

γραφούν μοτίβα στις επιδόσεις των παικτών.

λέει η AWS

εμπνεύστηκε από υποβολές στο

2023 Big Data Bowl

ένας ετήσιος διαγωνισμός λογισμικού που διοργανώνεται από το NFL, όταν ξεκίνησε να εφεύρει μια νέα κατηγορία αναλυτικών στοιχείων που σχετίζεται με την ανάλυση της «πίεσης» στο παιχνίδι του ποδοσφαίρου.

Το AWS βοήθησε στην ανάπτυξη

Αλγόριθμοι με τεχνητή νοημοσύνη

που μπορεί να αναλύσει τη συμπεριφορά των παικτών στο γήπεδο και μπορεί να καταλάβει πόσο επιθετικός έπαιζε ένας αμυντικός, πόσο γρήγορος ήταν και ακόμη και πόσο γρήγορα απάντησε ένας στρατηγός. Αυτά τα αναλυτικά δεδομένα ποσοτικοποιούν την πίεση και με αυτόν τον τρόπο, επιτρέπουν στους αναλυτές παιχνιδιών να αναλύουν τις στρατηγικές που μπορεί να επηρεάσουν τα παιχνίδια. Αυτή η καινοτόμος σουίτα αναλυτικών στοιχείων υπερβαίνει τα παραδοσιακά στατιστικά στοιχεία που είναι περιορισμένα στο πόσα μπορούν να αποκαλύψουν. Ενώ τα παραδοσιακά δεδομένα μπορούν να σας πουν εάν ένας βιαστικός περνά από έναν στρατηγό, μπορεί να μην είναι σε θέση να παράσχει πληροφορίες για το πόσο μεγάλος αγώνας έγινε. Εδώ είναι όπου η πιθανότητα πίεσης παρακολουθείται από “

Στατιστικά Επόμενης Γενιάς

» εμβαθύνει σε περισσότερες λεπτομέρειες.

Οι συνεργάτες AWS και NFL έχουν επικεντρωθεί στην ανάπτυξη μοντέλων μηχανικής μάθησης που μπορούν να παρέχουν δεδομένα που σχετίζονται με

τρεις τομείς στο παιχνίδι

, σύμφωνα με την Amazon. Η πρώτη εφαρμογή δίνει στο AI τη δυνατότητα να εντοπίζει blockers και pass rushers σε plays pass. Δεύτερον, διδάσκοντας το εργαλείο πώς να ποσοτικοποιεί την «πίεση» σε ένα παιχνίδι. Και τέλος, η ανάπτυξη μιας διαδικασίας για την ανίχνευση μεμονωμένων αντιστοιχιών αποκλεισμού-γρουσού. Τελικά, η ανάπτυξη αυτής της τεχνολογίας παρακολούθησης AI παρέχει στους επαγγελματίες του πρωταθλήματος ποδοσφαίρου πολύτιμες πληροφορίες σχετικά με τα στατιστικά των παικτών που μπορούν να βοηθήσουν τους σκάουτερ ή τους προπονητές να επιλέξουν νέους παίκτες. Για παράδειγμα, το να γνωρίζετε ποιος παίκτης μπλόκαρε ή πέρασε έναν βιαστικό μπορεί να σας βοηθήσει να προσδιορίσετε εάν είναι κατάλληλος για μια επιθετική ενδεκάδα.

Στο παιχνίδι του ποδοσφαίρου, η ποσοτικοποίηση της απόδοσης των επιθετικών παικτών και των βιαστών που τους αντιμετωπίζουν μπορεί να είναι ένα δύσκολο κατόρθωμα, ακόμη και για τους ειδικούς του παιχνιδιού που έχουν το βλέμμα για αυτές τις γρήγορες κινήσεις. Οι αντιδράσεις των παικτών μπορεί να συμβούν σε χωριστές στιγμές και η απόδοση ενός ατόμου σε αυτές τις ανταλλαγές υψηλής ταχύτητας μπορεί να είναι δύσκολο να παρακολουθηθεί και πόσο μάλλον να ποσοτικοποιηθεί. Πράγματα όπως το πόσο κοντά έφτασε ένας αμυντικός στην επιθετική ενδεκάδα μπορούν να βοηθήσουν έναν προπονητή να καταλάβει τη δύναμη των παιχνιδιών του.

Το NFL συλλέγει δεδομένα για αυτά τα λογισμικά επεξεργασίας που υποστηρίζονται από AI χρησιμοποιώντας εργαλεία

εγκαθιστά στα δικά του πεδία

. Σε κάθε συμμετέχοντα χώρο NFL, υπάρχουν τουλάχιστον 20-30 δέκτες υπερευρείας ζώνης εντός του γηπέδου και υπάρχουν 2-3 ετικέτες αναγνώρισης ραδιοσυχνοτήτων (RFID) μέσα στα μαξιλαράκια ώμου κάθε παίκτη και σε άλλο εξοπλισμό παιχνιδιού, όπως μπάλες και αναρτήσεις. Αυτοί οι πομποί δεδομένων συλλέγουν πληροφορίες που τροφοδοτούνται μέσω ενός μοντέλου γραφικού νευρωνικού δικτύου (GNN), το οποίο επιτρέπει την αναμετάδοση των δεδομένων σε πραγματικό χρόνο. Χρησιμοποιώντας την τεχνητή νοημοσύνη, τα στατιστικά στοιχεία που εξάγονται μπορούν να μετατραπούν σε σημαντικές πληροφορίες.

Αυτές οι πληροφορίες μπορεί να μοιάζουν με μια σειρά από διαδραστικά γραφικά που βρίσκονται στο παιχνίδι Next Gen Stat

σελίδα προορισμού

. Μπορείτε να λάβετε μια ανάλυση των κινήσεων μεμονωμένων παικτών σε οποιοδήποτε δεδομένο παιχνίδι σε 2D μοντέλα και γραφήματα. Για παράδειγμα, μπορείτε να παρακολουθείτε την κίνηση τόσο των παικτών όσο και της μπάλας κατά τη διάρκεια ενός

Παιχνίδι πάσας 40 γιάρδων

στον αγώνα των San Francisco 49ers εναντίον των New York Giants στις 21 Σεπτεμβρίου.

Ενώ το εργαλείο AI φιλοξενείται στην υποδομή AWS, το τελικό προϊόν είναι μια συλλογή από ένα

πολυτομεακή εταιρική σχέση

μεταξύ των NFL, Zebra Technologies και Wilson Sporting Goods. Το έργο Next Gen Stats, το οποίο ξεκίνησε το 2017, δημιουργεί τώρα μια διοχέτευση δεδομένων που περιέχει ιστορικά δεδομένα διαθέσιμα για κάθε αναπαρ

αγωγή

πάσου από το 2018.

Εν τω μεταξύ, σε ένα παράλληλο έργο, οι μηχανικοί της AWS μοιράστηκαν ότι εργάζονται για την αυτοματοποίηση της αναγνώρισης αποκλειστών και βιαστών, έτσι ώστε τελικά, τα μοντέλα AI να μπορούν να αναγνωρίσουν αυτόνομα τους ρόλους των παικτών στο γήπεδο. Επί του παρόντος, αυτού του είδους οι πληροφορίες συλλέγονται με μη αυτόματο τρόπο μέσω γραφημάτων είναι επιρρεπείς σε σφάλματα ετικετών και συχνά χρειάζονται ώρες για να δημιουργηθούν από τον άνθρωπο.