Algoritmalar Takım Sporlarındaki Oyun İçi Hareketleri Tahmin Edebilir Mi?

Cornell'in Akıllı Sistemler ve Kontroller Laboratuvarı'nda geliştirilen algoritmalar, voleybol oyuncularının oyun içi hareketlerini %80'den fazla doğrulukla tahmin edebiliyor ve şimdi laboratuvar, araştırma projesinin uygulamalarını genişletmek için Big Red hokey takımıyla iş birliği yapıyor.

Algoritmalar, görsel verileri - örneğin bir sporcunun sahada nerede bulunduğu - bir sporcunun takımdaki özel rolü gibi daha örtük bilgilerle birleştirerek eylem tahminine bütünsel bir yaklaşım getirmeleri açısından benzersizdir.

Araştırmayı yöneten John Brancaccio Makine ve Havacılık Mühendisliği Profesörü Silvia Ferrari, ''Bilgisayarla görme, forma rengi ve bir oyuncunun pozisyonu veya vücut duruşu gibi görsel bilgileri yorumlayabilir'' dedi. ''Hala bu gerçek zamanlı bilgileri kullanıyoruz, ancak takım stratejisi ve oyuncu rolleri gibi gizli değişkenleri entegre ediyoruz, insanlar olarak bu belirli bağlamda uzman olduğumuz için çıkarım yapabiliyoruz.''

Ferrari ve doktora öğrencileri Junyi Dong ve Qingze Huo, algoritmaları, insanların spor bilgilerini edindikleri şekilde - maçları izleyerek - gizli değişkenleri çıkaracak şekilde eğitti. Algoritmalar, voleybol maçlarının videolarından veri çıkarmak için makine öğrenimini kullandı ve daha sonra bu verileri yeni bir oyun seti gösterildiğinde tahminler yapmaya yardımcı olmak için kullandı.

Sonuçlar 22 Eylül'de ACM Transactions on Intelligent Systems and Technology dergisinde yayınlandı ve algoritmaların oyuncuların rollerini çıkarabildiğini - örneğin bir savunma pasörünü bir blokçudan ayırt edebildiğini - ortalama %85 doğrulukla ve 44 kareye kadar bir dizi üzerinde birden fazla eylemi ortalama %80'den fazla doğrulukla tahmin edebildiğini gösterdi. Bu eylemler arasında smaç, set, blok, kazma, koşma, çömelme, düşme, ayakta durma ve zıplama yer alıyor.

Ferrari, takımların algoritmaları bir rakibin mevcut oyun görüntüleriyle eğiterek ve belirli oyunları ve oyun senaryolarını uygulamak için tahmin yeteneklerini kullanarak rekabete daha iyi hazırlanmak için kullanmasını öngörüyor.

Ferrari patent başvurusunda bulundu ve şimdi yazılımı daha da geliştirmek için Big Red erkek hokey takımıyla birlikte çalışıyor. Ferrari ve Frank Kim liderliğindeki yüksek lisans öğrencileri, takım tarafından sağlanan oyun görüntülerini kullanarak oyuncuları, eylemleri ve oyun senaryolarını otonom olarak tanımlayan algoritmalar tasarlıyor. Projenin amaçlarından biri, takım personeli tarafından manuel olarak gerçekleştirildiğinde sıkıcı bir görev olan oyun filmine açıklama eklenmesine yardımcı olmak.

Cornell erkek takımının hokey operasyonları direktörü Ben Russell, ''Programımız video analizi ve veri teknolojisine büyük önem veriyor'' dedi. ''Oyuncularımıza daha iyi hizmet verebilmek için koçluk ekibi olarak sürekli gelişmenin yollarını arıyoruz. Profesör Ferrari ve öğrencilerinin bugüne kadar yürüttükleri araştırmalardan çok etkilendim. Bu projenin takımların çalışma ve müsabakaya hazırlanma biçimlerini önemli ölçüde etkileme potansiyeline sahip olduğuna inanıyorum.''

Geliştirilmiş yazılımın otonom araçların daha iyi kararlar almasına yardımcı olabileceğini, depolarda robotları ve insanları birbirine yaklaştırabileceğini ve hatta bilgisayarın yapay zekasını geliştirerek video oyunlarını daha eğlenceli hale getirebileceğini söyleyen Ferrari'ye göre, sporun ötesinde, insan eylemlerini tahmin etme yeteneği, insan-makine etkileşiminin geleceği için büyük bir potansiyel taşıyor.

Aynı zamanda kampüsler arası mühendislik araştırmalarından sorumlu dekan yardımcısı olan Ferrari, ''İnsanlar şu anda makine öğrenimi algoritmalarının söylediği kadar öngörülemez değiller,'' diyor ve ekliyor: ''çünkü tüm içeriği, tüm bağlamsal ipuçlarını gerçekten dikkate alırsanız ve bir grup insanı gözlemlerseniz, ne yapacaklarını çok daha iyi tahmin edebilirsiniz.''

Araştırma, Deniz Araştırmaları Ofisi Kod 311 ve Kod 351 tarafından desteklendi ve ticarileştirme çabaları Cornell Teknoloji Lisanslama Ofisi tarafından destekleniyor.