ניו-טק מגזין | אוקטובר 2024 | המהדורה הדיגיטלית

Out Of the b o x

משחק ותיק, אסטרטגיות

חדשניות מערכת ניו-טק מגזינים גרופ

בינה מלאכותית מסייעת לזהות תבניות במשחקי כדורגל, לדייק בטקטיקות ולמנוע פציעות באימונים אנדרה אגאסי ובוריס בקר נפגשו על מגרש הטניס כיריבים מסוף שנות ולאורך כעשור. שנים רבות אחרי סוף התחרות על המגרש, אגאסי 80 ה חשף בראיון את אחד הכלים שעזרו לו מול יריבו. רגע לפני חבטת ההגשה – חבטה שעשויה להיות מכרעת – בקר היה מסגיר מבלי משים את הכיוון שאליו התכוון לשגר את הכדור: הוא היה משרבב את הלשון בכיוון שהעיד על כוונתו. כלומר, במשחק הופיעה תבנית, ומי שזיהה אותה וגייס את הידע לטובתו עשוי היה להשיג יתרון במגרש. משחקי ספורט מספקים הרבה נתונים כמותיים שאפשר לאסוף ולנתח, בניסיון לזהות תבניות מועילות ולמצוא דפוסים בסטטיסטיקה. ברגע שמפצחים את התבניות ואת הגורמים להן, אפשר לפתח דרכים להסיט את התוצאה למקום הרצוי. לדוגמה, ניתוח סטטיסטי של משחקי כדורסל הוביל לשינוי בשיטות המשחק, ולטקטיקה שבה המאמן מעדיף להנחות את שחקניו לזרוק מעבר לקשת השלוש. ניתוח ) בספורט מסייע להחליט על רכש שחקנים, big data של נתוני עתק ( לעצב שיטות אימון ותזונה ולפתוח טקטיקות במשחקים. שחקנית חדשה עולה למגרש ניתוח נתוני עתק בספורט ושימוש בסטטיסטיקה שנגזרת מהם בשביל להשיג תוצאות טובות יותר החלו עוד במחצית השנייה של המאה . עם התקדמות הטכנולוגיה הצטרפה לנבחרת שחקנית חדשה – 20 ה הבינה המלאכותית. היא יעילה במיוחד בזיהוי תבניות כשמציגים לה מידע רב וטובה בהכללות. מאמנים שגייסו אותה לשורותיהם מקווים שהיא תסייע לשפר את ביצועי הספורטאים. מועדון הספורט ברצלונה, בדומה למועדוני ספורט גדולים אחרים ברחבי העולם, מחזיק מרכז חדשנות ומחקר לשיפור הישגי המועדון. באחד המחקרים שפרסם המרכז בדקו החוקרים איזה מיקומים אופייניים של שחקנים על מגרש הכדורגל מאפשרים ליצור מהלכים שיש בהם יתרון. לשם כך הם אספו נתונים ברזולוציה גבוהה מעשרות משחקים, נתונים שכללו את מיקום הכדור ומיקום השחקנים בעשרות אלפי מסירות בין שחקנים ואירועים שבאו בעקבות המסירות. על

בסיס הדוגמאות האלה הם אימנו מערכת שחזתה את ההסתברות למהלך מוצלח בעקבות מסירה לשחקן מסוים. בעזרת התחזיות האלה ניסו החוקרים לקבוע לאילו שחקנים, מאילו שחקנים ובאיזה מיקומים על המגרש מסירות יכולות להועיל לקבוצה או – במקרה שמדובר באסטרטגיה בהגנה – להקשות על הקבוצה היריבה. ניתוח מהסוג הזה יכול להשפיע על החלטות אסטרטגיות של מאמנים. הגדרת היעד בעיה אחת בשימוש בבינה מלאכותית היא שבכדורגל קשה להגדיר שיפור במצבה של קבוצה. במשחק מעורבים שחקנים רבים על מגרש גדול, מהלכים שעשויים להוביל לשער יכולים להימשך דקות רבות, והאירוע היחיד שקובע את הצלחת הקבוצה, השער, מתרחש פעמים בודדות במשחק. מערכות שמשלבות למידת מכונה ובינה מלאכותית זקוקות ליעד, להגדרה ברורה שהמערכת שואפת אליה. השימוש בשערים בתור יעד הוא לא יעיל כי הם נדירים, ולכן לא קל לעצב מערכות לבניית טקטיקה לשם שיפור ההתנהלות של הקבוצה , xG במשחק באמצעים של למידת מכונה. מדדי הסתברות, למשל מדד מפותחים בשביל להתמודד עם הבעיה של הגדרת היעד. אלה מדדים שמסייעים לחשב הסתברות של שער, הסתברות שאותה הקבוצה התוקפת תרצה להגדיל והקבוצה המגִנה תרצה להקטין. שיפור מצבה הכללי של הקבוצה במשחק הוא אתגר קשה, ולכן אפשר לנסות להתמקד במצבים ספציפיים. גוגל ומועדון הכדורגל ליברפול פרסמו לאחרונה כלי לניתוח בעיטות קרן. החוקרים שאפו לשפר את השחקנים על המגרש. הם הציגו 22 ניתוח הקשרים המורכבים בין את המצב על המגרש באמצעות נתונים אישיים של כל שחקן, למשל מיקומו על המגרש, מהירותו, מיקומו ביחס לכדור ונתוניו הגופניים – משקלו וגובהו. תיאור המצב במגרש כולל גם את הקשרים בין עם התקדמות הטכנולוגיה הצטרפה לנבחרת שחקנית חדשה – הבינה המלאכותית. אילוסטרציה של רובוט בכדורגל . Shutterstock, DRN Studio קרדיט:

New-Tech Magazine l 62