В BYU разработали ИИ который может оказаться полезным для команд NFL

Скорее всего игроки и тренеры команд Philadelphia Eagles и Kansas City Chiefs провели немало часов в кинозалах на прошлой неделе в рамках подготовки к Суперкубку, изучая тактику игры и стратегию соперника, а также просматривая свои собственные игры, чтобы устранить слабые места.

Новая технология ИИ, разработанная инженерами Университета Бригама Янга (BYU), может значительно сократить время и затраты на изучение видеоматериалов с играми, а также улучшить стратегию игры за счет использования возможностей больших данных.

Профессор университета BYU Ди Джей Ли, студент магистратуры Джейкоб Ньюман и студенты докторантуры Эндрю Самсион и Шэд Торри используют искусственный интеллект для автоматизации трудоемкого процесса анализа и аннотирования игрового материала. Используя глубокое обучение и компьютерное зрение, исследователи создали алгоритм, который может последовательно находить и обозначать игроков на видео и определять расстановку команды нападения.

"Мы разговаривали об этом и поняли, что, возможно, мы сможем научить алгоритм делать это, - сказал Ли, профессор электротехники и вычислительной техники. - Поэтому мы организовали встречу с футбольным клубом университета, чтобы изучить их процессы, и сразу поняли: да, мы можем сделать это гораздо быстрее".

Несмотря на то, что исследования еще только начались, команда уже добилась более чем 90% точности при обнаружении и маркировке игроков с помощью своего алгоритма, а также 85% точности при определении расстановки. Они считают, что эта технология может в конечном итоге устранить необходимость в неэффективной и утомительной практике ручного аннотирования и анализа видеозаписей, используемой университетскими командами и командами NFL.

Ли и Ньюман сначала изучили реальные видеозаписи игр, предоставленные футбольной командой университета. Когда они начали его анализировать, то поняли, что им нужны дополнительные ракурсы, чтобы правильно обучить свой алгоритм. Поэтому они купили компьютерную игру Madden NFL 20, которая показывает поле сверху и игроков от 3-го лица, и вручную разметили 1 000 изображений и видео из игры.

Они использовали эти изображения для обучения алгоритма глубокого обучения для определения местоположения игроков, который затем передается в систему остаточных нейронных сетей для определения позиции, на которой играют игроки. Наконец, нейронная сеть использует информацию о местоположении и позиции, чтобы определить, какую расстановку (из более чем 25) использует нападение. Ли говорит, что алгоритм может точно определить расстановку на 99,5%, если информация о расположении и маркировке игроков верна.

Ли и Ньюман заявили, что система ИИ может найти применение и в других видах спорта. Например, в бейсболе она может определять положение игроков на поле и выявлять общие закономерности, чтобы помочь командам усовершенствовать методы защиты.

Алгоритм подробно описан в статье "Automated Pre-Play Analysis of American Football Formations Using Deep Learning", опубликованной в журнале Advances of Artificial Intelligence and Vision Applications in Electronics.