AI如何打開體育分析

專業運動隊使用高級跟踪系統投資數百萬美元的數據分析，以研究每個衝刺，通道和本地解決方案。但是，該分析的結果是行業秘密，這使許多運動的研究變得複雜。

現在，滑鐵盧大學的兩名研究人員戴維·拉德克（David Radke）和凱爾·蒂爾貝里（Kyle Tilberi）使用AI來對齊遊戲領域。研究，”建模跟踪數據以促進體育分析研究“出現在第24屆自治國際和多機構系統國際會議的過程中 arxiv 預印服務器。

到了 Google Research Football’s 教師的教育環境，研究人員開發了一個可以模仿和記錄無限足球比賽的系統。

為了開始所有內容，他們從3,000場模擬足球比賽中產生並保存了數據，這導致了一系列複雜而復雜的數據，目標和運動，供研究人員學習。

滑鐵盧哲學博士Radke說：“儘管研究人員可以訪問許多有關情節運動的數據，例如棒球，諸如足球和曲棍球之類的連續體育運動，但很難分析。”畢業於計算機科學，目前是芝加哥Blackhox NHL的高級研究員。

“儘管AI產生的玩家不能像萊昂內爾·梅西（Lionel Messi）一樣發揮作用，但他們生成的模擬數據集仍然可用於開發體育分析工具。”

數據集（例如由團隊生成的數據集）對於研究人員，發燒友和小型研究小組特別有用，這些小組可能無法廣泛訪問專有體育數據。

Waterloo哲學博士Tilberi說：“允許研究人員擁有這些數據，打開各種機會。”計算機科學領域的學生，同樣成為研究的合作者。 “這是訪問體育分析數據的民主化。”

“儘管數據集與團隊生成的數據集相似，對於體育愛好者來說特別有趣，但它們也對人工智能研究產生了更大的影響。

Radke說：“從本質上講，入侵的體育分析是對複雜多代理系統的一種理解。”

“我們越好模擬運動狀況中人類行為的複雜性，對人工智能研究的有用越有用。反過來，更先進的多機構系統將幫助我們更好地了解體育類型的入侵。”

拉德克（Radke）和團隊認為，體育分析師的未來是基於跟踪數據的進步。因此，他們希望對運動感興趣的研究人員無需跟踪數據，將使用其數據集和存儲庫來獲得此類數據的經驗。