Innovation

Dieser neue Algorithmus nimmt das Rätselraten aus dem Sport

Dieser neue Algorithmus nimmt das Rätselraten aus dem Sport

Algorithmen zur Sportanalyse sind keine Seltenheit. Sie wurden verwendet, um Spielerdaten zu kategorisieren, Leistungsmetriken zu vergleichen und sogar effektive Liga-Trades vorherzusagen. Keiner hat Gegner wie diesen neuen Algorithmus erfolgreich bewertet.

[Bildquelle:Pixabay]

Dieser neue Deep-Learning-Algorithmus von Disney Research, dem California Insitute of Technology und der STATS-Sportdatengruppe bietet Trainern einen Vorsprung gegenüber ihrer Konkurrenz. Die Methode verwendet die Spieldaten zu Spielerpositionen und Ballbewegungen, um Modelle zu erstellen, wie sich ein typischer Spieler eines anderen Teams in bestimmten Situationen verhalten würde. Die Modelle - oder "Geister" - ermöglichen es den Trainern, die Aktionen der Spieler mit denen zu vergleichen, die das Modell als effektiv vorschreibt.

Dies ist nicht das erste Mal, dass Ghosting im Spiel verwendet wurde. Die Toronto Raptors der NBA verwendeten eine frühere Version der Software, um Verteidigungsbewegungen vorherzusagen. Während es effektiv war, war der Prozess langwierig. Dieser neue Algorithmus verwendet einen automatisierten Ansatz über Deep-Learning-Techniken. Peter Carr, ein Wissenschaftler bei Disney Research, erklärte die Verbesserung:

"Unser Ansatz vermeidet die Notwendigkeit manueller Eingaben. Unser Ghosting-Modell kann in mehreren Stunden trainiert werden. Danach kann jedes Spiel in Echtzeit gespenst werden. Da es vollständig automatisiert ist, können wir problemlos Modelle für verschiedene Teilmengen von Daten lernen, z wie alle Spiele einer bestimmten Mannschaft. "

Die Deep-Learning-Technik verwendet dasselbe neuronale Netzwerksystem wie andere Deep-Learning-Systeme wie IBMs Watson. Deep Learning beseitigt die Linearität der meisten Algorithmen und ermöglicht es einem System, die Vorgänge im menschlichen Gehirn zu replizieren. Es verarbeitet mehrere Ergebnisse und durchsucht Tonnen von Daten, um zu einer beliebigen Anzahl möglicher Ergebnisse zu gelangen.

Insbesondere das von Disney geleitete Team nutzte wiederkehrende neuronale Netze. Mit diesem Tool können sie das aktuelle Gameplay analysieren und schnell Vorhersagen zu folgenden Aktionen treffen. Google hat diese Art von Technologie kürzlich verwendet, um sein Go-System zu erstellen.

Das System funktioniert mit den meisten wichtigen Sportarten. Die Forscher stellten jedoch fest, dass Fußball die größte Fehlerquote aufweist, da der Spielzustand am kontinuierlichsten ist.

Die Forscher präsentierten ihre Arbeiten letzte Woche auf der MIT Sloan Sports Analytics-Konferenz in Boston, Massachusetts. Trotz der Fehlerquote des Fußballs war dies der Sport, mit dem die Metriken des Algorithmus demonstriert wurden. Das Team sagte jedoch, dass American Football und Basketball erstklassige Sportarten sind, um die Technologie zu nutzen.

"Präzise Spieldaten von Sekunde zu Sekunde sind jetzt weit verbreitet und werden mit zunehmender Technologie immer gründlicher", sagte Markus Gross, Vice President bei Disney Research, in einer Pressemitteilung. "So wertvoll sie auch sind, Metriken wie" Wins-Above-Replacement "und" Expected Point Value "sind nicht das A und O der Sportanalyse. Wie diese neue Studie zeigt, beginnen wir erst zu realisieren das volle Potenzial dessen, was die Daten uns sagen können. "

In diesem Video unten können Sie mehr aus den Disney Research-Statistiken zum Thema Ghosting sehen:

Das vollständige Papier und die Analyse der Forscher finden Sie hier auf der Disney Research-Website: Datengesteuertes Ghosting mit Deep Imitation Learning.

SIEHE AUCH: Künstliches Intelligenzsystem könnte die sportlichen Aufstellungen revolutionieren

Schau das Video: The New 2021 Emonda SL 6 PRO. Unboxing. Bike Build. Initial Impression. Actual weight (November 2020).