Algorithmen für die Sportanalyse sind keine Seltenheit. Sie wurden verwendet, um Spielerdaten zu kategorisieren, Leistungsmetriken zu vergleichen und sogar effektive Liga-Trades vorherzusagen. Allerdings hat keiner Gegner wie diesen neuen Algorithmus erfolgreich bewertet.
[Bildquelle : Pixabay ]
Dieser neue Deep-Learning-Algorithmus von Disney Research , die Sportdatengruppe des California Insitute of Technology und STATS, gibt den Trainern einen Vorsprung gegenüber ihrer Konkurrenz. Bei dieser Methode werden anhand der Spieldaten zu Spielerpositionen und Ballbewegungen Modelle erstellt, wie sich ein typischer Spieler eines anderen Teams während eines bestimmten Zeitraums verhalten würdeSituationen. 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. Obwohl dies effektiv war, war der Prozess langwierig. Dieser neue Algorithmus verwendet einen automatisierten Ansatz über DeepLerntechniken 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 gespenstert werden. Da es vollständig automatisiert ist, können wir problemlos Modelle für verschiedene Teilmengen von Daten lernen, 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 hat wiederkehrende neuronale Netze genutzt. 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 seine zu erstellen. Go-System .
Das System funktioniert mit den meisten wichtigen Sportarten. Die Forscher stellten jedoch fest, dass Fußball die größte Fehlerquote aufweist, da der Spielstatus am kontinuierlichsten ist.
Die Forscher stellten ihre Arbeit letzte Woche auf der MIT Sloan Sports Analytics-Konferenz in Boston, Massachusetts, vor. Trotz der Fehlerquote des Fußballs war dies der Sport, mit dem sie die Metriken des Algorithmus demonstrierten. Das Team sagte jedoch, American Football und Basketball seien Hauptsportartenin dem die Technologie verwendet werden soll.
"Präzise Spieldaten von Sekunde zu Sekunde sind mittlerweile allgemein verfügbar und werden mit zunehmender Technologie immer gründlicher", sagte Markus Gross, Vizepräsident bei Disney Research, in a 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, sind wir gerechtbeginnen, das volle Potenzial dessen zu erkennen, was die Daten uns sagen können. "
Weitere Informationen zu Ghosting finden Sie in diesem Video unten in den Disney Research-Statistiken :
Sie können das vollständige Papier und die Analyse der Forscher hier auf der Disney Research-Website lesen : Datengesteuertes Ghosting mit Deep Imitation Learning .