NFL & Amazon rade na AI modelu za unapređenje statistike u američkom fudbalu
Nacionalna fudbalska liga, kao i većina profesionalnih sportskih industrija, prihvata veštačku inteligenciju. Kroz partnerstvo sa Amazon Web Services pod nazivom Next Gen Stats, NFL se nada da će inteligentni algoritmi, uz pomoć visokotehnoloških alata za prikupljanje podataka, moći da izvuku značajne podatke iz igara i dešifruju obrasce u performansama igrača. AWS kaže da je inspirisan prijavama na Big Data Bowl 2023, godišnje takmičenje u softveru koje organizuje NFL, kada je krenulo da izmisli novu kategoriju analitike koja se odnosi na analizu „pritiska“ u fudbalskoj igri.
AWS uključen u kreiranje algoritama sa veštačkom inteligencijom
AWS je pomogao da se naprave algoritmi sa veštačkom inteligencijom koji mogu da analiziraju ponašanje igrača na terenu i mogu da otkriju koliko je defanzivac igrao agresivno, koliko je bio brz, pa čak i koliko brzo je kvoterbek reagovao. Ovi granularni podaci kvantifikuju pritisak i na taj način omogućavaju analitičarima igara da seciraju strategije koje mogu uticati na igru. Ovaj inovativni skup analitike uzdiže se iznad tradicionalnih statistika koje su ograničene u tome koliko mogu da otkriju. Iako tradicionalni podaci mogu da vam kažu da li juriš nadmaši kvoterbeka, oni možda neće moći da pruže uvid u to koliko je borbe izvođeno. Ovo je mesto gde verovatnoća pritiska koju prati „Statistika sledeće generacije“ ulazi u detalje.
AWS i NFL partneri su se fokusirali na razvoj modela mašinskog učenja koji mogu da obezbede podatke koji se odnose na tri oblasti u igri, navodi Amazon. Prva aplikacija daje veštačkoj inteligenciji mogućnost da identifikuje blokere i jurišnike u pasovima. Drugo, podučavanje alata kako da kvantifikuje „pritisak“ u igri. I na kraju, razvoj procesa za otkrivanje pojedinačnih utakmica između blokera i juriša. Na kraju krajeva, razvoj ove tehnologije za praćenje veštačke inteligencije pruža profesionalcima u fudbalskoj ligi vredne informacije o statistici igrača koje mogu pomoći skautima ili trenerima da izaberu nove igrače. Na primer, saznanje koji je igrač blokirao ili prošao juriša može pomoći da se utvrdi da li su pogodni za ofanzivnu postavu.
U fudbalskoj igri, kvantifikovati učinak ofanzivnih igrača i juriša koji ih hvataju u koštac može biti težak podvig, čak i za stručnjake za igru koji imaju oko za ove brze pokrete. Reakcije igrača se mogu desiti u razdvojenim trenucima, a učinak pojedinca u ovim brzim razmenama može biti teško pratiti, a kamoli kvantifikovati. Stvari poput toga koliko se defanzivac približio ofanzivnoj postavi mogu pomoći treneru da shvati snagu njihove igre.
NFL prikuplja podatke za ove softvere za obradu koje pokreće veštačka inteligencija koristeći alate koje instalira u svojim poljima. Na svakom NFL mestu koje učestvuje, postoji najmanje 20-30 ultra-širokopojasnih prijemnika unutar terena i postoje 2-3 oznake za radio-frekventnu identifikaciju (RFID) unutar jastučića za ramena svakog igrača i na drugoj opremi za igru, kao što su lopte i postova. Ovi prenosioci podataka prikupljaju informacije koje se unose kroz model grafičke neuronske mreže (GNN), koji omogućava da se podaci prenose u realnom vremenu. Koristeći AI, statistički podaci koji se izdvajaju mogu se pretvoriti u smislene uvide.
Ovi uvidi mogu izgledati kao brojne interaktivne grafike koje se nalaze na odredišnoj stranici igre Next Gen Stats. Možete dobiti analizu pojedinačnih pokreta igrača u bilo kojoj igri u 2D modelima i grafikonima.
Dok je AI alat hostovan na AWS infrastrukturi, konačni proizvod je kompilacija multidisciplinarnog partnerstva između NFL-a, Zebra Technologies i Wilson Sporting Goods-a. Projekat Next Gen Stats, koji je započet 2017. godine, sada čini cevovod podataka koji sadrži istorijske podatke dostupne za svaki prolaz od 2018. godine.
U međuvremenu, u paralelnom projektu, AWS inženjeri su podelili da rade na automatizaciji identifikacije blokatora i juriša kako bi na kraju AI modeli mogli autonomno da identifikuju uloge igrača na terenu. Trenutno, ova vrsta informacija se prikuplja ručno putem grafikona, sklona je greškama u oznakama, a ljudi često generišu satima.
Izvor: Engadget
