一種新的人工智能算法可以預測排球運動員的比賽中的行動，準確率超過80%。現在，開發該算(suan)法的康奈爾智能系統和(he)控制實驗室正在與(yu)Big Red冰球(qiu)隊合作，擴大該研究項目的應(ying)用。
這些算法的(de)獨特之處在(zai)于，它們(men)對行動(dong)預測采(cai)取了(le)一種全面的(de)方法，將視覺數據--例如(ru)(ru)，運動(dong)員在(zai)球場上的(de)位(wei)置(zhi)--與更隱含(han)的(de)信息相結合，如(ru)(ru)運動(dong)員在(zai)團隊中的(de)具體角色。
領(ling)導這項研究的Silvia Ferrari說：“計算機(ji)視(shi)(shi)覺可以解釋視(shi)(shi)覺信息(xi)，如球衣顏色和球員(yuan)的位(wei)置或(huo)身體姿勢。”她(ta)是機(ji)械和航空航天工程的約翰-布(bu)蘭卡西(xi)奧教(jiao)授。“我(wo)(wo)們仍然使(shi)用這種實時信息(xi)，但(dan)整合了隱藏的變量，如團隊戰略和球員(yuan)角色，我(wo)(wo)們作(zuo)為(wei)人類(lei)能夠推(tui)斷的東西(xi)，因為(wei)我(wo)(wo)們是這種特定環境的專(zhuan)家(jia)。”
Ferrari和(he)(he)博士生董俊毅和(he)(he)霍清澤通過觀看(kan)比賽(sai)訓(xun)練算法(fa)來(lai)推斷(duan)隱藏(zang)的變量(liang)--與人類獲得(de)體育知識的方式相(xiang)同。這些(xie)算法(fa)使用(yong)機器(qi)學習從排球比賽(sai)的視頻中提取數(shu)據，然后在顯示一組新的比賽(sai)時使用(yong)這些(xie)數(shu)據來(lai)幫(bang)助做出(chu)預(yu)測(ce)。
康(kang)奈爾大(da)學(xue)智能(neng)系(xi)統和控(kong)制實驗(yan)(yan)室開發的算法可以預測(ce)排球運動(dong)員(yuan)在(zai)比(bi)賽(sai)中的行動(dong)，準確率超過80%，現在(zai)該(gai)(gai)實驗(yan)(yan)室正在(zai)與Big Red冰球隊合作，以擴大(da)該(gai)(gai)研究(jiu)項目的應(ying)用(yong)。
該(gai)成果于(yu)9月22日發表(biao)在《ACM智(zhi)能系統與技(ji)術》雜志(zhi)上，并(bing)顯示該(gai)算法可以(yi)推斷(duan)球(qiu)員的角(jiao)色--例如(ru)，區分防守傳球(qiu)者和阻擋者--平均準確率(lv)接近85%，并(bing)且(qie)可以(yi)在多達(da)44幀的序列(lie)中(zhong)預測多個動作，平均準確率(lv)超(chao)過(guo)了80%。這些(xie)動作包括扣球(qiu)、攔(lan)截、跑步(bu)、墊球(qiu)、下蹲(dun)、站立、跌倒和跳(tiao)躍。
機器學習是一種利用計算機在大規模數據集中檢測模式，然后根據計算機從這些模式中學習到的內容進行預測的技術。這使得機器學習成為一種特定的、狹窄的人工智能類型。
Ferrari設想團(tuan)隊使用(yong)這些算(suan)法來更好(hao)地準(zhun)備比賽，用(yong)對手的現有比賽錄(lu)像來訓練(lian)(lian)它們，并使用(yong)它們的預測(ce)能力(li)來練(lian)(lian)習特定的戰術和比賽場景
Ferrari已經申請(qing)了一(yi)項(xiang)專利(li)，目(mu)前正與Big Red男(nan)子冰球(qiu)隊(dui)合作，進(jin)一(yi)步開發該(gai)軟件。利(li)用球(qiu)隊(dui)提供的(de)(de)比賽錄像(xiang)，Ferrari和她的(de)(de)研(yan)究生在 Frank Kim的(de)(de)帶領下，正在設計算(suan)法，以自主識別球(qiu)員、行(xing)動和比賽場(chang)景。該(gai)項(xiang)目(mu)的(de)(de)一(yi)個目(mu)標是(shi)幫助(zhu)注釋游戲(xi)影片，如果由團(tuan)隊(dui)工作人(ren)員手動執行(xing)，這是(shi)一(yi)項(xiang)繁瑣的(de)(de)任務。
“我(wo)們的(de)項目主要強(qiang)調視(shi)頻分析(xi)和(he)(he)數據(ju)技術，”康奈爾男(nan)子冰球(qiu)隊(dui)(dui)運營總監Ben Russell說。“我(wo)們一直(zhi)在尋找作為教練組的(de)發展(zhan)方式(shi)，以(yi)便(bian)更好地服務我(wo)們的(de)球(qiu)員。”迄(qi)今為止，Ferrari教授(shou)和(he)(he)她的(de)學生所進行(xing)的(de)研(yan)究給我(wo)留下了(le)非常深刻的(de)印象。我(wo)相信(xin)這個項目有(you)可能極大地影響(xiang)球(qiu)隊(dui)(dui)研(yan)究和(he)(he)準(zhun)備比賽的(de)方式(shi)。"
Ferrari說(shuo)，除了體育之外，預測人(ren)類(lei)行動的(de)(de)能力(li)對未來的(de)(de)人(ren)機互動有(you)著巨大的(de)(de)潛力(li)。她(ta)說(shuo)，改進后的(de)(de)軟件可以(yi)幫助自動駕駛汽車做出更好的(de)(de)決定，使機器(qi)人(ren)和人(ren)類(lei)在(zai)倉庫中更緊密(mi)地聯系在(zai)一起，甚(shen)至(zhi)可以(yi)通過加強計算機的(de)(de)人(ren)工智(zhi)能使視頻(pin)游戲變得更有(you)趣。
“人類(lei)并不(bu)像現在(zai)的(de)(de)機(ji)器(qi)學習(xi)算法那樣不(bu)可預(yu)測，”Ferrari說(shuo)，她(ta)也是負責跨校(xiao)區工(gong)程研究的(de)(de)副院(yuan)長，“因(yin)為(wei)如(ru)果你(ni)真正考慮到所(suo)(suo)有的(de)(de)內容，所(suo)(suo)有的(de)(de)背景(jing)線(xian)索，并且你(ni)觀察一群人，你(ni)可以在(zai)預(yu)測他們要(yao)做什么(me)方(fang)面做得更好。”
