هوش‎مصنوعی پیش‎بینی خواهد کرد که ورزشکاران در موقعیت‎های خاص چه واکنشی نشان می‎دهند

زمانی که صحبت از آنالیز ورزش‎ می‎شود، احتمالا به فکر شما ارائه‎ی آمار خام مانند تعداد شوت‎های زده شده به طرف دروازه خطور پیدا می‎‎کند. گرچه، این آمار واقعا به تیم‎ها اعلام نمی‎کند که چطور بایستی فراتر از پیشنهادات مبهم، بازی می‎کردند. محققان شرکت‎های دیزنی، Caltech و STATS عقیده دارند آن‎ها می‎توانند در این زمینه بهتر عمل کنند چون آن‎ها سیستمی توسعه داده‎اند که از یادگیری عمیق به منظور تحلیل فرآیندهای تصمیم‎گیری ورزشکاران استفاده می‎کند. شبکه‎های عصبی این سیستم پس از آموزش کافی براساس اعمال بازیکن در گذشته می‎تواند حرکات او را در آینده پیش‎بینی و یک “شبح” از عملکرد معمولی بازیکن به وجود آورد. اگر یک تیم در یک بازی شکست بخورد، این سیستم‎ می‎تواند عملکرد واقعی را در برابر شبح‎های پیش‎بینی‎ شده‎ی تیم‎های موثرتر قرار دهد تا مشخص شود بازیکنان می‎بایست به چه نحو رفتار می‎کردند.

تیم Toronto Raptors در حال حاضر یک سیستم ترسیم شبح دستی دارند که در آن مربیان محل‎هایی که بازیکنان بایستی در آن‎جا می‎بوده‎اند را علامت‎گذاری می‎کنند. ولی فناوری جدید این دردسر را حذف خواهد کرد. این سیستم می‎تواند در زمان آنی “شبح‎ها” را ایجاد کند، حتی در فوتبال و سایر ورزش‎ها که بازی مداوم می‎تواند منجر به پیش‎بینی‎هایی شود که به مرور زمان از نتایج واقعی منحرف شود. دانشمندان بر تقلید یادگیری تکیه دارند که در آن هوش‎مصنوعی بنیاد اعمال خود را براساس نمایش‎ها اعمال می‎کند تا پیش‎بینی‎ها در دراز مدت تحت کنترل باشند.

نتایج اولیه‎ی به دست‎ آمده نویدبخش هستند. در یک نمونه مسابقه‎ی فوتبال بین تیم‎های فولهام و سوانسی، یک تیم شبح از لیگ متوسط انگلستان که جایگزین سوانسی شد برای دفاع‎ کردن به کار گرفته شد ولی متاسفانه اصلا عملکرد خوبی نداشت. با این‎وجود، تعویض با شبح یک تیم دفاعی قوی به شکل بارزی شانس سوانسی را برای جلوگیری از گل خوردن بهبود بخشید.

با توجه به این‎که از این روش می‎توان برای هم حمله و هم طیف وسیع‎تری از ورزش‎ها استفاده کرد، می‎توان انتظار داشت که در آینده مربیان توصیه‎های مطمئن‎ترین به بازیکنان خود می‎کنند و ضعف‎هایی را تحت پوشش قرار می‎دهند که در غیر این‌‎صورت نادیده گرفته می‎شد