อัลกอริทึมที่พัฒนาขึ้นในห้องปฏิบัติการสำหรับระบบอัจฉริยะและการควบคุมของ Cornell University โดยทีมนักวิจัยสามารวิเคราะห์พฤติกรรมการเคลื่อนไหวของผู้เล่นตามสถานการณ์ต่างๆ ของจังหวะในเกมการแข่งขันวอลเลย์บอลได้อย่างแม่นยำมากกว่า 80% และตอนนี้ห้องปฏิบัติการกำลังร่วมมือกับทีมฮ็อกกี้ Big Red เพื่อขยายแอปพลิเคชันของโครงการวิจัยต่อไป
Image Credit : https://news.cornell.edu และ Cornel University
Silvia Ferrari – the John Brancaccio Professor of Mechanical and Aerospace Engineering ซึ่งเป็นผู้นำการวิจัยนี้ ได้ใช้ข้อมูลแบบเรียลไทม์เพื่อนำมาวิเคราะห์รวบรวมจากวิดีโอเกมการแข่งขันจริง ซึ่งผสานรวมตัวแปรอื่นที่ไม่สามารถมองด้วยตาเปล่าได้ อาทิเช่น เทคติกกลยุทธ์ของทีมและบทบาทของผู้เล่นแต่ละตำแหน่ง ตัวเซต ตัวรุก ตัวรับ ตัวรับเฉพาะหรือตัวลิเบอโร รวมถึงขอบเขตพื้นที่ในสนามที่จะบังคับพฤติกรรมของตำแหน่งตัวผู้เล่น เช่น พื้นที่เขตแนวรุกจะห้ามไม่ให้ผู้เล่นจากตำแน่งตัวรับกระโดดเล่นบอลเป็นต้น ซึ่งข้อมูลเหล่านี้เป็นสิ่งที่มนุษย์สามารถอนุมานขึ้นมา ด้วยเหตุนี้ Ferrari จึงต้องทำให้ตัวเองเป็นผู้เชี่ยวชาญในบริบทเหล่านั้น เพื่อสร้างอัลกอริทึมเสมือนจริง
กีฬา วอลเลย์บอล เป็นต้นแบบในการสร้างอัลกอริทึมที่ใช้แมชชีนเลิร์นนิงเพื่อดึงข้อมูลพฤติกรรมในทุกการเคลื่อนไหวจากวิดีโอบันทึกเกมการแข่งขันจริง โดยนักศึกษาระดับปริญญาเอกของทีม Ferrari ได้ฝึกฝนอัลกอริทึมเพื่ออนุมานตัวแปรที่ซ่อนอยู่ในลักษณะเดียวกับที่มนุษย์ได้รับความรู้ด้านกีฬาจากการชมเกมการแข่งขัน ไม่ว่าจะเป็นเทคติกรูปแบบการเข้าทำคะแนน เทคติกรูปแบบการตั้งรับ บทบาทหน้าที่ของผู้เล่นในแต่ละตำแหน่ง จากนั้นใช้ข้อมูลดังกล่าวเพื่อช่วยในการคาดการณ์เตรียมการฝึกซ้อมและแผนการแข่งขันในครั้งต่อไป
ผลลัพธ์การศึกษาถูกตีพิมพ์ในวันที่ 22 กันยายน ในวารสาร ACM Transactions on Intelligent Systems and Technology และแสดงให้เห็นว่าอัลกอริธึมเหล่านั้นสามารถอนุมานบทบาทของผู้เล่นในเกมการแข่งขันจริงได้ ตัวอย่างเช่น การจำแนกพฤติกรรมรูปแบบการเคลื่อนไหวของผู้เล่นตำแหน่งตัวบล็อคเพื่อสกัดวิถีของบอลจากผู้เล่นตัวตีของทีมคู่แข่ง โดยมีข้อมูลความแม่นยำโดยเฉลี่ยเกือบ 85% ทำให้ระบบสามารถเรียนรู้ได้ว่าผู้เล่นคนไหนควรทำหน้าที่ใดในแต่ละจังหวะตามสถานการณ์นั้นๆ ของเกมการแข่งขันและนอกจากนี้ยังสามารถวิเคราะห์รูปแบบการเล่นล่วงหน้าในจังหวะแต่ละสถานการณ์ของเกมการแข่งขันได้หลายรูปแบบสูงสุดถึง 44 เฟรม โดยมีความแม่นยำเฉลี่ยมากกว่า 80% จากพฤติกรรมการเคลื่อนไหวในรูปแบบต่างๆ :
การพุ่งเข้าหาบอล
การเซตบอล
การขึ้นบล็อกบอล
การงัดบอล
การวิ่งเข้าหาบอล
การอยู่ในท่าย่อเตรียมรับบอล
การล้มในสถานการณ์ต่างๆ
การยืนในสถานการณ์ต่างๆ
การกระโดดในสถานการณ์ต่างๆ
Silvia Ferrari ได้วาดภาพทีมกีฬาจากการใช้อัลกอริธึมเพื่อใช้สำหรับการเตรียมความพร้อมสำหรับการแข่งขันเกมต่อไปให้มีประสิทธิภาพได้ดียิ่งขึ้น โดยการฝึกให้ผู้เล่นผ่านฟุตเทจการแข่งขันที่มีอยู่ของคู่แข่ง และใช้ความสามารถการวิเคราะห์เพื่อฝึกฝนแผนการเล่นให้เสมือนสถานการณ์ในเกมจริงที่เลือกเฉพาะเจาะจงได้
Silvia Ferrari ได้ยื่นจดสิทธิบัตรอัลกอริธึมเกมการแข่งขันวอลเลย์บอล และกำลังทำงานร่วมกับทีมฮอกกี้ชายของ Big Red เพื่อพัฒนาแอปพลิเคชันต่อไป การใช้ฟุตเทจของเกมการแข่งขันที่จัดเตรียมโดยทีม Ferrari และนักศึกษาระดับบัณฑิตศึกษา นำโดย Frank Kim กำลังออกแบบอัลกอริธึมที่สามารถระบุข้อมูลผู้เล่น พฤติกรรม และสถานการณ์ในเกมได้โดยอัตโนมัติ เป้าหมายหนึ่งของโครงการคือการเพิ่มตัวช่วยในการใส่คำบรรยายประกอบในเทปเกมการแข่งขัน
ถ้ามองถึงประโยชน์ของระบบ AI Sports จากทีมวิจัยของ Cornell University สามารถนำไปต่อยอดให้กับพัฒนาการฝึกซ้อมของทีมกีฬาเพื่อเพิ่มเติมศักยภาพให้เกมการแข่งขันได้อย่างมีประสิทธิภาพมากยิ่งขึ้น ผลมาจากทีมกีฬามีแผนการฝึกซ้อมตรงกับสถานการณ์ที่เสมือนจริงมากขึ้น ซึ่งสามารถวิเคราะห์รูปแบบของการซักซ้อมเทคติกแผนการแข่งขันล่วงหน้าก่อนที่เจอกับบรรยากาศสถานการณ์การแข่งขันจริง ด้วยความแม่นยำ 80% ถือว่าใกล้เคียงกับความเป็นจริงที่นักกีฬาจะต้องเจอ รู้เขารู้เรา รบร้อยครั้ง ชนะร้อยครั้ง