Comment l'IA ouvre le livre de jeu sur l'analyse sportive
Les équipes sportives professionnelles versent des millions de dollars dans l'analyse des données, en utilisant des systèmes de suivi avancés pour étudier chaque sprint, passez et décision sur le terrain. Les résultats de cette analyse sont cependant des secrets de l'industrie, ce qui rend les sports difficiles à étudier pour les chercheurs.
Maintenant, deux chercheurs de l'Université de Waterloo, le Dr David Radke et Kyle Tilbury utilisent l'IA pour niveler les règles du jeu. L'étude, «Simulat Tracking Data to Advance Sports Analytics Research», est apparue dans les actes de la 24e Conférence internationale sur les agents autonomes et les systèmes multi-agents et a été publié sur la arxiv serveur de préimprimée.
En appuyant dans l'environnement d'apprentissage du renforcement de Google Research Football, les chercheurs ont développé un système qui peut simuler et enregistrer des matchs de football illimités.
Pour commencer les choses, ils ont généré et enregistré des données de 3 000 jeux de football simulés, ce qui a entraîné un ensemble de données riches et complexes de laissez-passer, de buts et de mouvements de joueurs que les chercheurs à étudier.
« Alors que les chercheurs ont accès à de nombreuses données sur les sports épisodiques comme le baseball, les sports de jeux d'invasion continue comme le football et le hockey sont beaucoup plus difficiles à analyser », a déclaré Radke, un récent Ph.D. de Waterloo. Diplômé en informatique et actuellement chercheur principal pour les Blackhawks de Chicago de la LNH.
« Bien que les joueurs générés par l'AI-AI ne puissent pas exactement jouer comme Lionel Messi, les ensembles de données simulés qu'ils génèrent sont toujours utiles pour développer des outils d'analyse sportive. »
Des ensembles de données comme ceux générés par l'équipe sont particulièrement utiles pour les chercheurs, les fans enthousiastes et les petites équipes de recherche qui peuvent ne pas avoir un accès approfondi aux données sportives propriétaires.
« Permettre aux chercheurs d'avoir ces données ouvriront toutes sortes d'opportunités », a déclaré Tilbury, un Ph.D. Étudiant en informatique qui a également co-écrit la recherche. « C'est une démocratisation de l'accès à ce type de données d'analyse sportive. »
«Alors que des ensembles de données comme celui généré par l'équipe sont particulièrement intéressants pour les amateurs de sport, ils ont également des implications plus importantes pour la recherche sur l'IA.
« À la base, l'analyse sportive des jeux d'invasion consiste à comprendre des systèmes multi-agents complexes », a déclaré Radke.
« Plus nous serons à modéliser la complexité du comportement humain dans une situation sportive, plus c'est utile pour la recherche sur l'IA. À son tour, des systèmes multi-agents plus avancés nous aideront à mieux comprendre les sports de jeu d'invasion. »
Radke et l'équipe pensent que l'avenir de l'analyse sportive s'appuie sur les progrès dans l'espace du suivi des données. Ils espèrent donc que les chercheurs intéressés par le sport sans accès au suivi des données utiliseront leurs ensembles de données et leur référentiel pour acquérir de l'expérience en travaillant avec ce type de données.
