Spieler und Trainer der Philadelphia Eagles und Kansas City Chiefs werden diese Woche Stunden um Stunden in Filmräumen verbringen, um sich auf den Super Bowl vorzubereiten. Sie studieren Stellungen, Spielzüge und Formationen und versuchen herauszufinden, welche gegnerischen Tendenzen sie ausnutzen können, während sie auf ihren eigenen Film schauen, um Schwächen auszugleichen.
Neue Technologien für künstliche Intelligenz, die von Ingenieuren der Brigham Young University entwickelt werden, könnten den Zeit- und Kostenaufwand für das Filmstudium für Super Bowl-Teams (und alle NFL- und College-Football-Teams) erheblich reduzieren und gleichzeitig die Spielstrategie verbessern, indem sie die Macht von Big Data.
BYU-Professor DJ Lee, Masterstudent Jacob Newman und Ph.D. Die Studenten Andrew Sumsion und Shad Torrie verwenden KI, um den zeitaufwändigen Prozess der manuellen Analyse und Kommentierung von Spielmaterial zu automatisieren. Mithilfe von Deep Learning und Computer Vision haben die Forscher einen Algorithmus entwickelt, der Spieler aus Spielfilmen konsistent lokalisieren und kennzeichnen und die Bildung des Offensivteams bestimmen kann – ein Prozess, der die Zeit einer ganzen Reihe von Videoassistenten in Anspruch nehmen kann.
„Wir hatten ein Gespräch darüber und stellten fest, whoa, wir könnten wahrscheinlich einem Algorithmus beibringen, dies zu tun“, sagte Lee, Professor für Elektrotechnik und Computertechnik. „Also haben wir ein Treffen mit BYU Football vereinbart, um ihren Prozess kennenzulernen, und wussten sofort, ja, wir können das viel schneller machen.“
Während die Forschung noch am Anfang steht, hat das Team mit seinem Algorithmus bereits eine Genauigkeit von mehr als 90 % bei der Spielererkennung und -kennzeichnung sowie eine Genauigkeit von 85 % bei der Bestimmung von Formationen erzielt. Sie glauben, dass die Technologie letztendlich die Notwendigkeit für die ineffiziente und langwierige Praxis der manuellen Kommentierung und Analyse von aufgezeichneten Videos, die von NFL- und College-Teams verwendet werden, beseitigen könnte.
Lee und Newman sahen sich zunächst echtes Spielmaterial an, das von der Fußballmannschaft der BYU bereitgestellt wurde. Als sie mit der Analyse begannen, stellten sie fest, dass sie einige zusätzliche Blickwinkel benötigten, um ihren Algorithmus richtig zu trainieren. Also kauften sie eine Ausgabe von Madden 2020, die das Spielfeld von oben und hinter der Offensive zeigt, und beschrifteten manuell 1.000 Bilder und Videos aus dem Spiel.
Sie verwendeten diese Bilder, um einen Deep-Learning-Algorithmus zu trainieren, um die Spieler zu lokalisieren, der dann in ein Residual Network-Framework einfließt, um zu bestimmen, welche Position die Spieler spielen. Schließlich verwendet ihr neuronales Netzwerk die Standort- und Positionsinformationen, um zu bestimmen, welche Formation (von mehr als 25 Formationen) die Offensive verwendet – alles von der Pistol Bunch TE bis zur I Form H Slot Open.
Lee sagte, dass der Algorithmus Formationen zu 99,5 % genau identifizieren kann, wenn die Spielerposition und die Beschriftungsinformationen korrekt sind. Die I-Formation, bei der vier Spieler hintereinander aufgereiht sind – Center, Quarterback, Fullback und Running Back – erwies sich als eine der am schwierigsten zu identifizierenden Formationen.
Lee und Newman sagten, das KI-System könnte auch in anderen Sportarten Anwendung finden. Beim Baseball könnte es beispielsweise Spielerpositionen auf dem Spielfeld lokalisieren und gemeinsame Muster identifizieren, um Teams dabei zu unterstützen, ihre Verteidigung gegen bestimmte Schlagmänner zu verfeinern. Oder es könnte verwendet werden, um Fußballspieler zu lokalisieren, um effizientere und effektivere Formationen zu bestimmen.
„Sobald Sie diese Daten haben, können Sie noch viel mehr damit machen; Sie können sie auf die nächste Ebene bringen“, sagte Lee. „Big Data können uns helfen, die Strategien dieses Teams oder die Tendenzen dieses Trainers zu verstehen. Es könnte Ihnen helfen zu wissen, ob sie wahrscheinlich auf 4th Down und 2 setzen oder ob sie punten werden. Die Idee, KI für zu verwenden Sport ist wirklich cool, und wenn wir ihnen auch nur 1 % Vorteil geben können, wird es sich lohnen.“