Σε ρόλο προπονητή ποδοσφαίρου δύναται να μπει η τεχνητή νοημοσύνη, καθώς η θυγατρική εταιρία της Google DeepMind σε συνεργασία με την Λίβερπουλ, ανέπτυξε ένα πρωτότυπο ποδοσφαιρικό σύστημα τεχνητής νοημοσύνης.
Με βάση αυτό οι προτεινόμενες βελτιώσεις του αυτοματοποιημένου προπονητή στις θέσεις των παικτών στα κόρνερ, κέρδισαν ως επί το πλείστον την έγκριση των εμπειρογνωμόνων, σύμφωνα με έγγραφο που δημοσιεύθηκε στο Nature Communications την Τρίτη 19 Μαρτίου. Συγκεκριμένα η DeepMind, που έχει χρησιμοποιήσει στο παρελθόν τους αλγορίθμους της για να σπάσει δύσκολα επιτραπέζια παιχνίδια, δήλωσε ότι τα μοτίβα που παρατηρούνται στα γήπεδα θα μπορούσαν επίσης να προσφέρουν μαθήματα για το πώς να εφαρμοστεί η τεχνητή νοημοσύνη σε άλλους τομείς όπως η ρομποτική και ο συντονισμός της κυκλοφορίας των οχημάτων στους δρόμους.
Στο γήπεδο, το σύστημα TacticAI της εταιρείας αντικατοπτρίζει τόσο τις δυνατότητες όσο και τους σημερινούς περιορισμούς των εντατικών προσπαθειών για τη χρήση της τεχνητής νοημοσύνης για την απόκτηση αθλητικού πλεονεκτήματος πέρα από αυτό που προσφέρουν οι υπάρχουσες μέθοδοι ανάλυσης δεδομένων. Η τεχνολογία υπόσχεται οφέλη στον προγραμματισμό καταστάσεων με προβλέψιμες αφετηρίες, δηλαδή όπως τα κόρνερ.
Όπως αναφέρει ο ερευνητής της DeepMind και συν-συγγραφέας της δημοσίευσης στο Nature, ο κ. Petar Veleskovic “Αυτό που είναι συναρπαστικό από την άποψη της Τεχνητής Νοημοσύνης είναι ότι το ποδόσφαιρο είναι ένα πολύ δυναμικό παιχνίδι με πολλούς μη προβλέψιμους παράγοντες που επηρεάζουν τα αποτελέσματα. Πρόκειται για ένα πραγματικά δύσκολο πρόβλημα”.
Το έργο της DeepMind είναι το προϊόν τριετούς συνεργασίας με την Λίβερπουλ για την ανάπτυξη της τεχνητής νοημοσύνης, μεταξύ άλλων σε τομείς όπως τα πέναλτι και η πρόβλεψη των κινήσεων των παικτών. Το τελευταίο μοντέλο της DeepMind χρησιμοποιεί γεωμετρική βαθιά μάθηση σε ένα σύνολο δεδομένων που περιλαμβάνει 7.176 εκτελέσεις κόρνερ από την αγγλική Premier League μεταξύ 2020 και 2023. Τα κόρνερ αποτελούν σημαντική ευκαιρία για τις επιτιθέμενες ομάδες: μαζί με άλλα λεγόμενα «στημένα», όπως οι εκτελέσεις ελεύθερων χτυπημάτων, αντιπροσωπεύουν περίπου το 30% όλων των γκολ.
Η TacticAI ανέλυσε τα αποτελέσματα από τα κόρνερ με διάφορες διαμορφώσεις παικτών, χρησιμοποιώντας κριτήρια όπως το ποιος ήταν ο αποδέκτης της μπάλας και αν ήταν σε θέση να σουτάρει. Στη συνέχεια πρότεινε βελτιώσεις θέσης και αξιολόγησε την αληθοφάνεια και τη χρησιμότητά τους σε μια τυφλή μελέτη περίπτωσης από πέντε ειδικούς της Λίβερπουλ: τρεις επιστήμονες δεδομένων, έναν αναλυτή βίντεο και έναν βοηθό προπονητή. Οι ειδικοί δεν μπορούσαν να διακρίνουν τα σενάρια που δημιούργησε η τεχνητή νοημοσύνη από τις πραγματικές καταστάσεις του αγώνα, δήλωσαν οι ερευνητές, προτιμώντας τις συμβουλές της TacticAI στο 90% των περιπτώσεων έναντι των υφιστάμενων στρατηγικών. Αυτό έδειξε ότι το εργαλείο «παρέχει εύκολα χρήσιμες, ρεαλιστικές και ακριβείς» προτάσεις.
Η προϊστορία
Όπως σημειώνουν οι Financial Times η χρήση της ανάλυσης δεδομένων για τη βελτίωση των αποτελεσμάτων στον αθλητισμό έχει γίνει ολοένα και πιο εξελιγμένη από τότε που ο Μάικλ Λιούις την έκανε ευρέως γνωστή με το βιβλίο του «Moneyball το 2003: The Art of Winning an Unfair Game». Ο Λιούις αφηγήθηκε πώς η ομάδα μπέιζμπολ Oakland Athletics χρησιμοποίησε νέες μετρήσεις των χαρακτηριστικών των παικτών για να ανταγωνιστεί τους καλύτερα χρηματοδοτημένους αντιπάλους της.
Το μέλλον
Οι αυξανόμενες δυνατότητες της Τεχνητής Νοημοσύνης έχουν πλέον κεντρίσει το ενδιαφέρον για τις πιθανές χρήσεις της σε όλο τον αθλητισμό. Το Εθνικό Πρωτάθλημα Ποδοσφαίρου των ΗΠΑ (δηλαδή το αμερικάνικο φούτμπολ) και η Amazon Web Services έχουν αναπτύξει ένα εργαλείο για την υγεία των παικτών, γνωστό ως Digital Athlete, το οποίο ελπίζουν ότι μπορεί με τον καιρό να είναι σε θέση να προβλέψει και να αποτρέψει τους τραυματισμούς.
Έργα όπως το TacticAI δίνουν ενδείξεις για το πώς μπορεί να εξελιχθεί η τεχνητή νοημοσύνη στο ποδόσφαιρο, δήλωσε ο κ. Goodarsan Gopaladesican, διευθυντής ποδοσφαιρικής νοημοσύνης στην Ιταλική ομάδα της Αταλάντα “Αυτός είναι ο τρόπος με τον οποίο η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να προσεγγίσουμε το ποδόσφαιρο με κατηγοριοποιημένο τρόπο – σε αντίθεση με το να σκεφτόμαστε ότι είναι απλώς μια μεγάλη συνεχής ροή και δεν ξέρουμε τι συμβαίνει”.
Πηγή:ot.gr
