Įkvėpta unikalių tolimųjų turinčių bandomas pantrumpas laikysena
Žengiant į dinaminį ir greitai besikeičiantį sporto pasaulį, surinkus sudėtingas statistikas visada buvo iššūkis. Su žaidėjų klibančioje į ledą ir įvykiams vykstant tuo pačiu metu, stebėjant kiekvieną mažą detalią tampa beveik neįmanoma užduotis vien žmonėms.
Vis dėlto Vaterlo Universiteto tyrėjai išsprendė šį monumentalų problemą – dirbtinis intelektas. Vykdydama dr. Davido Clausi ir jo komandos skyriuje „Sistemų projektavimo inžinerija” vadovaujant Vaterlo Universitetas sukūrė inovatyvius būdus, kaip rinkti žaidimo duomenis, naudojant AI technologiją.
Jų revoliucingos strategijos pagrindas yra naudojant gilius mokymosi algoritmus analizuoti transliuojamus žaidimo vaizdus. Klausdamas šiuos vaizdus į algoritmus, Clausi ir jo komanda gali tiksliai nustatyti žaidėjų padėtis, jų judėjimus ir net gauti įžvalgų apie jų veiksmus ant ledo.
Bendradarbiaudami su Stathletes, gerai žinoma ledo ritulio veiklos duomenų ir analitikos įmonė, Ontario valstijoje, Vaterlo universiteto tyrėjų komanda nustatė, kad jų įrankiai gali tiksliai sekė žaidėjus 94,5% greičiu. Be to, algoritmai gali tiksliai nustatyti komandas 97% laiko ir atskirus žaidėjus 83% laiko.
Šios inovatyvios technologijos pasekmės ženkliai išplito už sporto analitikos ribų. Kad ir kaip algoritmai tęsiasi ir gerėja, Clausi numato, kad ateityje ištaisys būsimas taikymo sritis, galbūt pasiekdamas žymiai daugiau nei ledo ritulio pasaulis.
Dažnai užduodami klausimai:
K: Kaip dirbtinis intelektas padeda rinkti sporto duomenis ledo ritulyje?
A: Dirbtinis intelektas naudojant giliuosius mokymosi algoritmus analizuoti transliuojamus žaidimo vaizdus nustato žaidėjų padėtis, judėjimus ir veiksmus ledo plote.
K: Kokia tikslumo yra Vaterlo Universiteto tyrėjų komandos sukurti įrankiai?
A: Įrankiai gali tiksliai sekė žaidėjus 94,5% greičiu, nustatė komandas su 97% tikslumu ir atskirus žaidėjus su 83% tikslumu.
K: Ar ši technologija turės pritaikymo už ledo ritulio ribų?
A: Taip, kaip algoritmai tobulėja, jie gali potencialiai būti pritaikyti įvairiose pramonėse, išskyrus sporto analitiką.
Šaltiniai:
– Vaterlo Universitetas: Universitetas Vaterlo
– Stathletes: Stathletes
Dažniausiai užduodami klausimai: Naudodami dirbtinį intelektą, rinkdami sporto duomenis ledo ritulyje
K: Kaip dirbtinis intelektas padeda rinkti sporto duomenis ledo ritulyje?
A: Dirbtinis intelektas, naudodamas giliuosius mokymosi algoritmus, analizuoja transliuojamus žaidimų vaizdo įrašus, kad nustatytų žaidėjų padėtį, judėjimą ir veiksmus ledo ritulyje.
K: Kokio tikslumo yra Vaterlo Universiteto tyrėjų komandos sukurti įrankiai?
A: Šie įrankiai gali tiksliai sekė žaidėjus 94,5% greičiu, identifikuodami komandas su 97% tikslumu ir atskirus žaidėjus 83% tikslumu.
K: Ar ši technologija turės pritaikymo už ledo ritulio ribų?
A: Taip, kadangi algoritmai toliau tobulėja, jie potencialiai gali būti pritaikyti įvairiose pramonėse, ne tik sporto analitikoje.
Apibrėžimai:
– Dirbtinis Intelektas: Kompiuterinių sistemų kūrimas, kurios gali vykdyti užduotis, kurios paprastai reikėtų žmogiškojo intelekto.
– Gilaus mokymosi algoritmai: Sąrašas mašininio mokymosi algoritmų, kurie imituoja žmogaus smegenų veikimą, naudodami neuronų tinklus analizuoti ir apdoroti sudėtingus duomenis.
– Transliuojami žaidimų vaizdo įrašai: Leisdami žaidimų vaizdo įrašai, kurie yra televizuojami ar transliuojami auditorijai.
– Sporto analitika: Praktika naudojant statistinius analizės ir duomenų kasimo metodus gauti įžvalgas ir priimti sprendimus sporto srityje.
Pasiūlymai įankstiniams ryšiams:
– Vaterlo Universitetas: Universitetas Vaterlo
– Stathletes: Stathletes
The source of the article is from the blog mgz.com.tw