Искусственный интеллект в крикете оценивает удачливость игрока и другие параметры



    Малознакомая русскоязычному миру игра «крикет» невероятно популярна в Великобритании, Индии, Северной Америке, на Карибах, в Южной Африке и Австралии. Cloud4Y предлагает познакомиться с ней поближе и узнать, как технологии (в том числе и облачные) помогли выявить важные нюансы игры, влияющие на результат. В тексте будет некоторое количество терминов, но мы постарались их раскрыть. Если же вы честно прочитали весь текст, но мало что поняли, то не огорчайтесь. В самом конце для вас подготовлена короткая выжимка из статьи.

    Крикет – популярная игра, и новые технологии существенно на нее повлияли. С их помощью можно более точно следить за всеми игровыми процессами, контролируя даже мельчайшие детали. Крикет и технологии с недавних пор идут рука об руку, а тренерский штаб имеет возможность отслеживать скорость мяча, предсказывать расстояние, которое мяч преодолевает, отлетая от биты, а также время, когда он достигнет границы игрового поля. Благодаря технологиям можно глубже понять тонкости игры. А через несколько лет отпадёт и необходимость в судействе, так как его заменит искусственный интеллект.

    ИИ и наука о данных совершают революцию во всех областях промышленности, в том числе в крикете. Компания Microsoft разрабатывает технологии, которые позволяют собирать подробную информацию об ударах (по мячу) во время матча. А Spektacom, основанный бывшим капитаном и тренером сборной Индии по крикету, изучает научные основы игры с использованием ИИ и интернета вещей.

    В крикете два главных действующих персонажа: боулер (англ. bowler) подаёт мяч, а бэтсмен (англ. batsman) отбивает мяч битой. В чём здесь наука?

    Бывший капитан и тренер Анил Камбл одним из первых стали изучать игру именно с научной точки зрения. Камбл создал программный продукт наподобие скорингового листа для анализа данных в 1996 году. В то время индийская команда впервые внедрила цифровую систему в свою стратегию по крикету, чтобы повысить эффективность игры.



    «В разговорах с профессионалом мы в основном слышали, что бэтсмен имеет более весомую роль в игре, чем боулер», — объясняет Кумбл. По его словам, у боулеров просто нет права сказать, что мяч им не подходит. Но, с другой стороны, бэтсмены могут регулировать толщину своей биты в миллиметрах или менять ее вес в унциях. Они могут вносить в свою биту любые изменения, которые в итоге повлияют на игру.

    Так и началось зарождение Spektacom: технологии, которая ненавязчиво мониторит и анализирует ход игры.

    ИИ и Power Bat




    Искусственный интеллект и продвинутая аналитика потихоньку захватывают мир. В 2017 году на церемонии вручения награды ICC Champion Trophy была представлена новая крикетная бита с датчиком в верхней части. Технологию разработала, а затем и дорабатывала компания Intel. Назвали изобретение Power Bat. Технология может предоставлять четыре параметра данных о любом ударе в режиме реального времени:

    • Скорость полёта мяча
    • Качество броска бэтсмена
    • Траекторию мяча после удара об биту или ее край
    • Сила броска

    Чуть позже была создана наклейка с IoT сенсором. Размером она с кредитную карту, а весит всего пять граммов. Наклейка точно так же фиксирует информацию от биты о скорости, качестве удара и кручении после удара. Затем эти данные объединяются и могут быть выведены на экран комментаторов и зрителей или переданы в приложение.

    Как работают наклейки с датчиками?




    На задней части биты, рядом с наклейкой спонсора, расположена такая же «наклейка» сенсора. Она почти незаметна. Датчик уникален, так как одинаково эффективен для всех видов бит. Он собирает информацию и обрабатывает её с помощью машинного обучения, позволяя игрокам и тренерам получать игровую статистику в режиме реального времени. Кстати, наклейку-сенсор надо заряжать примерно 90 минут. Так что фраза «поставил биту на зарядку» уже скоро может стать вполне обычной в этом мире спорта.

    Чтобы всё работало как надо, важно поместить наклейку в нужное место. Для предоставления аналитики игры данные в режиме реального времени собираются в облаке. Там их обрабатывает ИИ, и вы можете смотреть таблицы прогнозов и графики прямо во время игры. Передача данных от биты к трансляторам для своевременного анализа требует скорости передачи, равной скорости света.

    К сожалению, игровые площадки для матчей по крикету недостаточно ровные, как это должно быть для максимальной эффективности игры. Кроме того, на площадках нет беспроводной связи для быстрой передачи данных. Поэтому для передачи и отображения данных в режиме реального времени необходима новая надёжная технология.

    Microsoft предложила свой подход. Компания использовала Stump Box – энергоэффективное устройство, которое соединяется с датчиком по Bluetooth. Stump Box помещается под землей за калиткой (это три деревянных столбика). Данные (например, характеристики удара) забираются из Stump Box, и в ту же секунду демонстрируются комментаторам. Правда, всё ещё имеются определённые проблемы с обменом данными между битой и устройством на платформе Microsoft.



    Использование ИИ в крикете выглядит очень захватывающе и перспективно. Технология позволяет изменить подход к выбору игроков и тренеров. И, разумеется, способна кардинально изменить игру, которую любят в Великобритании, Индии, Северной Америке, на Карибах, в Южной Африке и Австралии.

    Преимущества сенсорных наклеек на битах
    • Вышеописанный функционал доступен в мобильном приложении.
    • Тренеры получают наглядную картину слабых и сильных сторон бэтсмена.
    • Тренеры могут давать спортсменам рекомендации по усилению игры.

    Как национальные лиги по крикету используют искусственный интеллект для отбора суперзвезд в спорте?




    Теперь можно поговорить о перспективах искусственного интеллекта и машинного обучения в крикете. Индийский институт в Мадрасе совместно со спортивной медиа-организацией ESPNcricinfo (в их распоряжении имеется большая актуальная база данных по крикету.) представили уникальную технологическую программу «Superstars»,  которая предсказывает судьбу игрока, а также план игры.

    Исследователи попытались выявить несколько суперзвезд крикета из сотен тысяч участников. База данных, содержащая подробную информацию об игроках, собиралась почти 10 лет с использованием сложных алгоритмов и научных методов. Эти методы связаны с машинным обучением, позволяющим получить доступ к данным об игроке в режиме реального времени. Ещё одни плюс технологии: она способствует прозрачности процесса подбора. Никто не сможет оспорить решения по выбору игрока, так как в его основе не человеческие предпочтения, а сухой компьютерный анализ. Алгоритм в реальном времени оценивает скорость реакции, даёт оценку действий игрока и всего процесса игры.

    Но нужно учитывать и другую сторону игры. Машинное обучение реагирует на события, заложенные людьми. То есть  правильно предсказать каждую конкретную ситуацию невозможно. Алгоритмы работают на основе качественного анализа и рассказывают о судьбе матча. Например, боулер может вымотать бэтмена, но не в каждой попытке это удаётся. Боулер может быть достаточно умным, чтобы не дать команде гоняться за максимально большим победным счетом, но алгоритм подсчитывает только победные очки, которые он берёт. Короче говоря, это не абсолютный способ считать удачу в матче или команде.

    Метрика прогноза

    • Платформа используется для прогнозирования игровых событий. Она:
    • Предсказывает вероятность победы подающей команды.
    • Предсказывает шансы на победу команды, которая выбрала бить первой.
    • Предсказывает вероятность рана (набора очков) и вероятность калитки на каждой серии подач.
    • Рассчитывает вероятный результат для боулеров обеих команд.

    Данные прошлых лет позволяют тренировать метрику прогноза, повышая точность предсказания различных событий игры. Затем метрика сопоставляет результаты игры в реальном времени с информацией, уже поступившей в неё, чтобы сформировать результат. 

    Умная статистика

    Все заинтересованные стороны получили возможность изучать новые увлекательные особенности игры, в том числе индексы давления, быстрые викеты (калитки), индекс качества игрока и т.д. Технология показывает идеального бэтсмена или боулера, основываясь на очках, которые он зарабатывает или сохраняет во время игры в большинстве и при решающих оверах (сериях подач).

    Стратегия интеллектуального анализа данных для выбора игроков

    Спортивные организации используют эту технологию отбора игроков на матч, чтобы добиться выдающихся результатов. Данная тактика также помогает подбирать оптимальный порядок игроков. Она помогает тренерам, показывая среднюю результативность боулеров и определяя игрока, который лучше других подходит команде.

    Кроме того, технология помогает улучшить навыки отдельных игроков и их общую эффективность. Команда перед матчами работает над своими слабыми местами, что увеличивает шансы на победу.

    Методы анализа данных в крикете

    Данные, полученные в результате машинного обучения с помощью ИИ, помогают выявить сильные и слабые стороны соперника. Команда может находить новые способы борьбы с принципиальными соперниками. Кроме того, это также помогает тренеру управлять командой на основе визуального представления данных. Появляется возможность анализировать в режиме реального времени мелкие детали вроде карты поля, области вокруг поля и т.д. Это ложится в основу плана тренировки и работы команды на поле.

    Технологические достижения




    С течением времени технологии в значительной степени повлияли на крикет, сделав его более увлекательным. Матч по крикету завоевал больше поклонников и фанатов после открытия сникометра (технологии, позволяющей определить, коснулся ли мяч для крикета биты на пути к калитке), stump-камеры (это микрокамера, встроенная в один из трёх пней), светодиодных перемычек-бейлов (расположены на столбиках) и Hawk-Eye (программно-аппаратный комплекс, моделирующий траекторию игрового снаряда).

    Сникометр помогает судье в принятии решений, поскольку даёт возможность определить, попал ли мяч в биту или нет. Аллан Пласкетт, английский исследователь, впервые представил этот прибор в середине 1990 годов. Hawk-Eye помогает в принятии окончательных решений, связанных с LBW (Leg before wicket), когда за отражение мяча ногой перед калиткой бэтсмена удаляют с поля. Использование дронов с камерой во время матча также достойно восхищения и не может быть не отмечено. С их помощью удобно анализировать происходящее внутри питча (площадки в центре поля).

    Для бэтсмена

    Влияет ли наука о данных на игрока с битой? Да, и очень сильно. Если обобщить, то ему будет полезна следующая информация:

    • Общее количество (очков) ранов в матче
    • Количество мячей, которые он отбил
    • Количество заработанных с его помощью четверок и шестерок
    • Для конкретных боулеров — их скорость бега
    • Скорость забивания на конкретных бросках

    Для боулера

    • Боулер, в свою очередь, может увидеть:
    • Сколько ранов он дал игроку соперника
    • Количество мячей, которые он подал
    • Среднее количество боулингов
    • Количество калиток на подачу

    Таким образом, технология послужила стимулом для развития крикета и повышения его зрелищности. Она помогает боулерам правильно подавать мяч, который бэтсмену не удаётся отразить. В свою очередь это помогает бэтсмену понять, как эффективно реагировать на подачу боулера.

    Методы машинного обучения в области прогнозной аналитики помогают предсказать шансы на победу или проигрыш в игре. Скотт Брукер и Шеймус Хоган впервые применили эту стратегию для прогнозирования ран-рейта.

    Кроме того, есть необходимость в большем развитии искусственного интеллекта в крикете, чтобы сделать игру еще более захватывающей. К тому же, AI сокращает необходимость в некоторых дорогостоящих специалистах и экономит средства на их транспортировку, питание, проживание.

    Коротко о сути
    Что подарили технологии крикету?

    Сенсорные наклейки, микрокамеры на калитках, системы Hawk-Eye и другие решения делают игру динамичнее и справедливее, одновременно с этим предоставляя массу полезных данных всем заинтересованным лицам. Обобщённая статистика, данные по конкретным игрокам, возможность менять стратегию по ходу матча, основываясь на фактах — вот в чём выгода от использования технологий.

    1. Вся информация с датчиков и камер собирается и анализируется в облаке, а комментаторы и команды мгновенно получают обработанные и визуализированные данные.
    2. Благодаря сенсорам на бите можно предугадывать траекторию, скорость и дальность полёта мяча.
    3. Тренерский штаб получает информацию о том, сколько в среднем очков набирает боулер, узнавать сильные и слабые стороны каждого игрока в команде.
    4. Появляется возможность отслеживать скорость бега боулеров, скорость мяча на успешной подаче.
    5. Предсказывается вероятность набора командой очков на подачах.
    6. Появилась возможность определить сильные/слабые стороны игроков своей команды и соперника. И подстроиться под них.
    7. Судьи видят, попал ли мяч в биту, играл ли бэтсмен ногой и другие детали, которые могут повлиять на ход матча.
    8. Система находит суперзвёзд крикета, основываясь на цифрах и фактах, а не тренерских/зрительских симпатиях.


    Что ещё интересного есть в блоге Cloud4Y

    ИИ снова победил пилота F-16 в воздушном бою
    «Сделай сам», или компьютер из Югославии
    Госдепартамент США создаст свой великий файерволл
    Искусственный интеллект поёт о революции
    Внутри центра обработки данных Bell Labs, 1960-е

    Подписывайтесь на наш Telegram-канал, чтобы не пропустить очередную статью. Пишем не чаще двух раз в неделю и только по делу
    Cloud4Y
    #1 Корпоративный облачный провайдер

    Комментарии 2

      +1
      сам занимаюсь спортивной аналитикой, остались вопросы
      1. в статье описан процесс парсинга данных, по сути видеораспознавание. это щас есть в любом виде спорта. в чем инновационность то?
      2. модель предсказывает вероятность победы команд…
      а метрики будут? а то я тоже могу монетку бросить
      3. собрать важные метрики и отсмотреть их глазами — понятный подход. только где здесь прорыв за счет машинного обучения?
        0
        Спасибо за ваш вопрос.
        Парсинг данных, видеораспознавание — да. Про любой вид спорта вы преувеличиваете, но по сути правы. В крикете раньше только биты совершенствовали. Считалось, что она чуть ли не решает исход матча. Сейчас оказалось, что и от бросающего много зависит. И что можно мелкие нарушения с помощью технологий фиксировать (когда ногой мяч отбивают, достаточно лёгкого касания для изменения траектории). Соколиный глаз, как и в теннисе, как ВАР в футболе — этого раньше не было, а теперь есть. Игра становится честнее и динамичнее.
        Метрики предсказания — увы, этой информации нет. Я посмотрел отрывок презентации, об этом почти не говорили.
        Машинное обучение — собирает информацию о каждом игроке, о взаимодействии бэтсмена и боулера. Например, если один отбивающий плохо принимает мячи от подающего, зато берёт от другого, то их можно поменять местами. Это не всегда понятно в игре, но собранные и проанализированные данные показывают эффективность каждого отдельного противостояния. Показывают, кто хорошо бежит, кто отбивает мячи слишком коряво (отслеживание тракетории с помощью наклейки-сенсора) или наоборот. Кто действительно является лидером команды.

        Вот как-то так.

      Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

      Самое читаемое