“خوارزميات أفضل لتدريب أقل”.. نشر الذكاء الاصطناعي لتحسين الأداء الرياضي اعتماداً على تقنية “الكشف والتتبع البشري”
تعاون باحثو EPFL (هي واحدة من أكثر المؤسسات العلمية والتكنولوجية حيوية وعالمية في أوروبا). مع شركة Dartfish لتطوير برامج الفيديو عبر الإنترنت ونادي Lausanne Hockey (هو فريق هوكي الجليد الموجود في مدينة لوزان بسويسرا) لدفع حدود تحليل الأداء الرياضي من خلال تطبيق رؤية الكمبيوتر وتكنولوجيا التعلم الآلي للعمل على الجليد.
على الرغم من عدم وجود بديل لساعات طويلة من التدريب، فقد أصبح تحليل الفيديو الرياضي أمرًا ضروريًا في السباق للحصول على الميداليات. Dartfish ، وهي إحدى الشركات الفرعية EPFL التي تأسست في 1999، متخصصة في هذا المجال على وجه التحديد. تتيح تقنيتها للرياضيين والمدربين في كل من الرياضات الفردية والجماعية مراجعة لقطات الفيديو والبيانات – الحية والمسجلة – وتطوير استراتيجيات تكتيكية.
الكشف الآلي
تعتمد تقنية Dartfish على نظام آلي للكشف والتتبع البشري. لكن الحفاظ على معايير عالية من الدقة والموثوقية يمثل تحديًا. هذا هو المكان الذي يلعب فيه الباحثون في مختبر الذكاء المرئي للنقل (VITA) التابع لـ EPFL. يقول ألكسندر ألهي، رئيس مختبر فيتا: “نستخدم الكاميرات لاكتشاف وتتبع وتوقع السلوكيات البشرية”. “تم وضع كاميراتنا على السيارات والمباني – والآن في الساحات الرياضية”.
منذ حوالي عام، تعاونت مجموعة أبحاث Alahi مع شركة Dartfish في مشروع تموله وكالة الابتكار السويسرية Innosuisse. يهدفون معًا إلى تطوير نوع جديد من نظام تحليل الفيديو الذي من شأنه أن يجمع بين تقنية رؤية الكمبيوتر في مختبر VITA وخبرة Dartfish التي تركز على الرياضة. ولأنه – في لعبة هوكي الجليد على الأقل – يحتاج خط الهجوم القوي إلى ثلاثة لاعبين، فقد اختاروا نادي لوزان للهوكي (LHC) ليكون ساحة اختبار لجهازهم.
الاختبارات في ظروف العالم الحقيقي
قام العلماء بتركيب عشر كاميرات في Vaudoise Aréna، حيث يلعب LHC ألعابه المنزلية: أربعة في السقف لتتبع اللاعبين والحكام والقرص، وستة حول حافة الجليد لتحديد اللاعبين. بدأ الباحثون بالفعل في مراجعة العديد من التطابقات المسجلة، باستخدام اللقطات والبيانات المرتبطة بها لتدريب خوارزمياتهم على البيئة الجديدة.
يقول ألهي: “لقد حققنا حتى الآن معدل دقة يصل إلى 94٪ عندما يتعلق الأمر بالكشف”. لكن جزء التعقب في المعادلة أكثر صعوبة بكثير. للتغلب على هذه العقبة، سيطور الباحثون أساليب جديدة تعتمد على وضعيات أجسام اللاعبين. يجب أن يؤدي هذا إلى نتائج أكثر موثوقية في تتبع الأفراد.
3 أنواع من البيانات
بمجرد اكتمال نظام Dartfish، سينتج ثلاثة أنواع من البيانات. يشرح الرئيس التنفيذي “جان سيباستيان ميريو”: “أولاً، سوف يسجل مركز اللاعبين الفرديين كل 20 مللي ثانية.
ثانيًا، ستُنشئ إحصاءات المباراة التي تُظهر المسافة التي سافرها كل لاعب، وعدد التسديدات التي سددها، والمدة التي قضاها على الجليد، وما إلى ذلك.
وثالثًا، سيتم تنفيذ تسلسل تلقائي كامل للمباريات – وهو أمر يتم إجراؤه اليوم في الغالب يدويًا “.
يقول جون فوست، مدير الرياضة في LHC: “إن العلاقة المتنامية بين EPFL و LHC تبني أساسًا يزيد من إمكانات لاعبي LHC والنادي والأكاديمية”. “ستسمح شراكتنا للمصادم LHC بالوصول إلى آفاق جديدة داخل وخارج الجليد.” يضيف Quirin Söhnlein، رئيس قسم الأداء في LHC: “ستمنحنا الإحصائيات التفصيلية ميزة واضحة، مما يسمح لنا بنقل تحليلات المباريات إلى المستوى التالي”.
خوارزميات أفضل بتدريب أقل
في الوقت الحاضر، يصل مجال التعلم الآلي إلى نتائج مذهلة مع عدد هائل من الأمثلة. يوضح ألهي: “هذا يعني أنه كلما زادت البيانات لديك، كان أداء الخوارزميات أفضل”. “لكننا نريد تطوير طرق جديدة تقدم مستوى عالٍ من الأداء مع عدد محدود فقط من الأمثلة.” يرى البحث المشترك مع LHC كفرصة لتطوير نماذج الذكاء الاصطناعي مع مشاكل العالم الحقيقي. “في النهاية، نود التوصل إلى نظام تحليل بشري ميسور التكلفة يعمل مع أي نوع من الكاميرات وفي أي نوع من الأماكن – بدءًا من توقع ما إذا كان أحد المشاة سيتجول في البيئات الحضرية إلى توقع السلوك الجماعي في الرياضات الجماعية. “
تعزيز الروابط
سيساعد هذا البحث – وهو مثال آخر على نهج “المختبر الحي” – أيضًا في تعزيز الروابط عبر الصناعة. يقول باسكال فوليومينيت ، الذي بدأ التعاون بين EPFL و Dartfish و LHC من خلال مبادرة سبورتتيك EPFL. “إنه نهج يمكن تكراره في رياضات أخرى.” سيعمل هذا البحث على ترسيخ منطقة لوزان كمركز للابتكار الرياضي، مما يمهد الطريق لتطورات جديدة واعدة في المستقبل.
