الگوریتم ها حرکات تیم های ورزشی را با دقت 80 درصد پیش بینی می کنند -- ScienceDaily

نتایج در 22 سپتامبر در مجله منتشر شد تراکنش های ACM در سیستم ها و فناوری های هوشمند، و نشان می دهد که الگوریتم ها می توانند نقش های بازیکنان را استنباط کنند - به عنوان مثال، تشخیص پاس کننده دفاعی از مسدودکننده - با دقت متوسط \u200b\u200b\u200b\u200bنزدیک به 85٪، و می توانند چندین حرکت را در یک دنباله تا 44 فریم با دقت متوسط \u200b\u200bپیش بینی کنند. بیش از 80 درصد این اقدامات شامل ضربه زدن، قرار گرفتن، مسدود کردن، حفاری، دویدن، چمباتمه زدن، افتادن، ایستادن و پریدن بود.

فراری برای ثبت اختراع ثبت کرده است و اکنون با تیم هاکی مردان بزرگ قرمز برای توسعه بیشتر این نرم افزار همکاری می کند. فراری و دانشجویان فارغ التحصیلش به رهبری فرانک کیم، با استفاده از فیلم های بازی ارائه شده توسط تیم، در حال طراحی الگوریتم هایی هستند که به طور مستقل بازیکنان، اقدامات و سناریوهای بازی را شناسایی می کنند. یکی از اهداف این پروژه کمک به حاشیه نویسی فیلم بازی است، که وقتی به صورت دستی توسط اعضای تیم انجام شود، کاری خسته کننده است.

دانشجویان فراری و دکترا، جونی دونگ و کینگزه هو، الگوریتم هایی را آموزش دادند تا متغیرهای پنهان را به همان روشی که انسان ها دانش ورزشی خود را به دست می آورند - با تماشای بازی ها، استنتاج کنند. الگوریتم ها از یادگیری ماشینی برای استخراج داده ها از ویدیوهای بازی های والیبال استفاده کردند و سپس از این داده ها برای کمک به پیش بینی در هنگام نمایش مجموعه جدیدی از بازی ها استفاده کردند.

به گفته فراری که گفت نرم افزار بهبودیافته می تواند به خودروهای خودمختار کمک کند تا تصمیمات بهتری بگیرند، ربات ها و انسان ها را در انبارها به هم نزدیکتر کند، فراتر از ورزش، توانایی پیش بینی اعمال انسان پتانسیل زیادی برای آینده تعامل انسان و ماشین دارد. بازی های ویدیویی با تقویت هوش مصنوعی کامپیوتر لذت بخش تر می شوند.