its murr Schunk

AI proniká do sportovního zpravodajství

Významné globální sportovní události se snaží nabídnout fanouškům co nejlepší zážitky. Jedním z nových způsobů, jak zpřístupnit ještě sofistikovanější prožitky, je využití umělé inteligence a strojového učení.

 

Průzkum společnosti NTT mezi téměř 3700 respondenty ve věku od 18 do 65 let z Velké Británie, USA, Singapuru, Austrálie, Německa a Francie, vykresluje mj. i obraz budoucích sportovních zážitků. Ústředním bodem jsou měnicí se návyky fanoušků. Už dnes pro živé aktualizace výsledků využívá současně při sledování závodu další digitální zařízení, jako je mobil nebo tablet, až polovina (51 %) respondentů napříč všemi věkovými skupinami. A to hlavně pro získání přístupu k datům a statistikám, přičemž 4 z 10 fanoušků by uvítali ještě podrobnější a rozsáhlejší informace.

Sportovní zážitky? Hlavně na (fungující) síti
Touha mileniálů po neustálém propojení se promítá i do sportovní oblasti – více než polovina (55 %) respondentů ve věku 18 až 34 let uvedla, že jejich zájem o přímou účast na sportovní události by zvýšily lepší podmínky a možnosti na stadionech, jako je např. dokonalejší konektivita nebo technicky vyspělejší zařízení. Téměř tři čtvrtiny (73 %) příslušníků této věkové kategorie tvrdí, že špatná konektivita pro ně znamená dokonce zhoršení kvality sportovního zážitku.
Průzkum poukazuje na to, že AI i strojové učení jsou velmi účinné technologie pro zpřístupnění poutavějších zážitků a sportovní organizace musí usilovat o inovativní řešení, která by naplnila očekávání digitálně zdatných fanoušků. Pouze čtvrtina (26 %) respondentů bez ohledu na věk si je však vědoma toho, že tyto technologie jsou již v rámci sportovních událostí využívány.
Příkladem je letošní ročník slavného etapového závodu Tour de France (TDF). Pořadatel závodu (organizace A.S.O.) potřeboval reagovat na změny struktury fanouškovské základny TDF, kdy ubývalo tradičních diváků. Mladší generace se postupně stále více přesouvala od televize na sociální sítě. Snahou je proto dodávat informace fanouškům, kteří primárně konzumují informace přes sociální média a vyžadují čím dál větší množství doprovodných informací o tom, co se v průběhu etap děje a jak se vyvíjejí. Nastoupily tedy nové nástroje a technologie.

Konkrétně jde o:
– Le Buzz – nový model strojového učení (název je z francouzského pojmu pro rozruch okolo módní novinky), který měl na letošní TDF svoji premiéru a jehož úkolem je analyzovat dění v pelotonu. Získané informace využívá k předpovídání klíčových událostí včetně zvýšeného rizika pádu, roztrhání pelotonu nebo změny dynamiky.
– Předvídání favoritů aktuální etapy – tato technologie využívající strojové učení byla poprvé otestována v roce 2017. Letošní vylepšená verze umožňuje na základě dosavadního průběhu závodu lépe živě předpovídat favority již během aktuální etapy.
– Predikce úspěšnosti – technologie pro lepší vyhodnocování jednotlivých strategií v různých částech etapy prostřednictvím vytváření individuálních modelů založených na strojovém učení pro každý 10km úsek.
– Aktuální přesné informace a předpovědi – #NTTPredictor zveřejňuje informace o průběhu závodu na Twitteru (@letourdata).
Více než polovina (54 %) respondentů ve věku 18 až 34 let (především generace tzv. mileniálů) věří, že AI je schopna úspěšně předpovídat výsledky sportovních událostí a zhruba stejná část (52 %) zastává názor, že díky přesným předpovědím jsou sportovní události mnohem zajímavější.

Jak funguje „sportovní“ AI na TDF
Každý jezdec nese pod sedlem GPS tracker a „datový batůžek“ sloužící k odesílání televizních obrazů v robustní komunikační síti. NTT také vezme data minulá a současná a používá je k vyladění modelů pomocí AI, aby předpovídalo závod. Výsledkem je až 98% pokrytí pro každého jezdce každou sekundu Tour de France, včetně všech klíčových momentů, jako jsou hlavní stoupání apod.
Jeden z prediktorů, zvaný „Le Buzz“, sleduje pozici každého jezdce v pelotonu, aby vytvořil model skupiny a jejího chování, a upozornil, když dojde k situaci, která by mohla signalizovat kritický okamžik, jako je pád, útok nebo rozdělení pelotonu. Když počítač vidí nějakou změnu v chování nebo utváření pelotonu, zašle okamžitě upozornění.
Další algoritmy strojového učení aplikuje NTT na výběr favoritů, kandidátů na etapová vítězství, pomocí výsledků minulých šesti let vypovídajících o kvalitách závodníka. Model zahrnuje asi 35 různých funkcí, které jsou vloženy do sady, a produkuje své výsledky denně, vytváří profil jezdce a jeho schopností a mapuje je v podmínkách konkrétní fáze. Bere v úvahu i profily týmů – jak často spolu jezdili jezdci v Tour, jaké jsou jejich vlastnosti v týmu jako skupina apod. Součástí modelu jsou také data z předchozích fází, což pomáhá předpovídat výsledek těch následujících.

Jiný model strojového učení se zaměřuje na potenciál pro odtržení od pelotonu a pravděpodobnost vítězství v etapě. Ten zpracovává každých 10 km trati a bere v úvahu profil etapy, vzdálenost do cíle, časové mezery mezi skupinami, postavení každého jezdce v obecné klasifikaci a to, co se stalo v podobné situaci v minulosti.



„Nepředvídáme, zda odtržení bude úspěšné nebo neúspěšné. Předpovídáme procentuální pravděpodobnost, že odtržení bude úspěšné," říká Peter Gray, vicepresident sekce globálních technologií pro sport společnosti NTT. „Třeba v etapě, kterou vyhrál Caleb Ewan, jsme mohli vidět, že ve fázi sprintu, kdy se utvářelo odtržení, existuje asi 20% šance. Ale s postupem k cíli a zmenšováním startovní mezery se procentuální pravděpodobnost úspěšnosti průlomu snižuje. Počítač však není neomylný a jezdci mohou vzdorovat šancím, jako se stalo v 10. etapě, kdy několik preferovaných jezdců, kteří byli upřednostňováni v soutěži o vítězství, zůstalo v bočním větru. Nebo třeba při 8. etapě, v níž vyhrál Thomas De Gendt, jemuž systém predikoval jen 20% šanci na vítězství, změnil díky svému mimořádnému výkonu vítězné finále ve svůj prospěch.
Kdybychom dokázali předpovědět každý výsledek, sport by byl nudný. Věc, která ho činí vzrušujícím je, že lidé někdy vzdorují prognózám a objeví se nečekaný vítěz. Strojové učení a umělá inteligence rozhodně mají svou roli, ale krása sportu je jeho nepředvídatelnost. Při sestavování datové sady je možné určit, jaké vlastnosti jsou stěžejní pro vzrušující závod. Ale ten dělají především závodníci, takže výsledek nikdy nebude jistý na 100 %,“ konstatuje Peter Gray.

Vladimír Kaláb

 
Publikováno: 27. 9. 2019 | Počet zobrazení: 416 článek mě zaujal 74
Zaujal Vás tento článek?
Ano