નેશનલ ફૂટબોલ લીગ, મોટાભાગના વ્યાવસાયિક રમત ઉદ્યોગોની જેમ, કૃત્રિમ બુદ્ધિ અપનાવી રહી છે. નેક્સ્ટ જનરેશન સ્ટેટ્સ નામની એમેઝોન વેબ સેવાઓ સાથેની ભાગીદારી દ્વારા, NFL આશા રાખે છે કે ઉચ્ચ તકનીકી ડેટા સંગ્રહ સાધનોની મદદથી, બુદ્ધિશાળી અલ્ગોરિધમ્સ, રમતોમાંથી અર્થપૂર્ણ ડેટા કાઢવામાં અને ખેલાડીઓના પ્રદર્શનમાં પેટર્નને સમજવામાં સક્ષમ હશે. AWS કહે છે કે તે NFL દ્વારા આયોજિત વાર્ષિક સોફ્ટવેર સ્પર્ધા 2023 બિગ ડેટા બાઉલમાં સબમિશન દ્વારા પ્રેરિત છે, જ્યારે તેણે વિશ્લેષણની નવી શ્રેણીની શોધ કરી હતી જે ફૂટબોલ રમતોમાં “દબાણ” ના વિશ્લેષણ સાથે સંબંધિત હતી.
AWS એ AI-સંચાલિત અલ્ગોરિધમ્સ બનાવવામાં મદદ કરી જે મેદાન પર ખેલાડીઓની વર્તણૂકનું વિશ્લેષણ કરી શકે અને ડિફેન્ડર કેટલી આક્રમક રીતે રમ્યો, તે કેટલી ઝડપી હતી અને ક્વાર્ટરબેક કેટલી ઝડપથી રમ્યો તે પણ જાણી શકે. પ્રતિક્રિયા આપી. આ દાણાદાર ડેટા દબાણને પ્રમાણિત કરે છે અને આમ કરવાથી, રમત વિશ્લેષકોને રમતને અસર કરી શકે તેવી વ્યૂહરચનાઓનું વિશ્લેષણ કરવાની મંજૂરી આપે છે. એનાલિટિક્સનો આ નવીન સ્યુટ પરંપરાગત આંકડાઓથી ઉપર છે જે તેઓ કેટલી જાહેર કરી શકે છે તેમાં મર્યાદિત છે. જ્યારે પરંપરાગત ડેટા તમને કહી શકે છે કે જો કોઈ રનર ક્વાર્ટરબેકમાંથી પસાર થાય છે, તો તે કેટલી લડાઈ થઈ તે વિશે માહિતી પ્રદાન કરી શકશે નહીં. આ તે છે જ્યાં “નેક્સ્ટ જનરલ સ્ટેટ્સ” દ્વારા ટ્રૅક કરાયેલ દબાણ સંભવિત વધુ વિગતમાં અમલમાં આવે છે.
એમેઝોન મુજબ, AWS અને NFL ભાગીદારોએ મશીન-લર્નિંગ મોડલ્સ વિકસાવવા પર ધ્યાન કેન્દ્રિત કર્યું જે ગેમ પ્લેના ત્રણ ક્ષેત્રો સંબંધિત ડેટા પ્રદાન કરી શકે. પ્રથમ એપ્લિકેશન એઆઈને બ્લોકર્સને ઓળખવાની અને પાસ નાટકો પર રશર્સ પસાર કરવાની ક્ષમતા આપે છે. બીજું, રમતમાં “દબાણ” ની માત્રા નક્કી કરવા માટે સાધનને શીખવો. અને અંતે, વ્યક્તિગત બ્લોકર-રશર મેચઅપ્સ શોધવા માટેની પ્રક્રિયાનો વિકાસ. આખરે, આ AI-ટ્રેકિંગ ટેક્નોલોજીનો વિકાસ ફૂટબોલ લીગના વ્યાવસાયિકોને ખેલાડીઓના આંકડાઓ પર મૂલ્યવાન માહિતી પ્રદાન કરે છે જે સ્કાઉટ્સ અથવા કોચને નવા ખેલાડીઓ પસંદ કરવામાં મદદ કરી શકે છે. ઉદાહરણ તરીકે, ક્યા ખેલાડીઓ રોકે છે અથવા રશર પાસ કરે છે તે જાણવું એ નક્કી કરવામાં મદદ કરી શકે છે કે તેઓ અપમાનજનક લાઇનઅપ માટે યોગ્ય છે કે કેમ.
ફૂટબોલની રમતમાં, આક્રમક ખેલાડીઓના પ્રદર્શનનું માપન કરવું અને તેઓનો સામનો કરનારા ધસારો મુશ્કેલ પરાક્રમ બની શકે છે, રમતના નિષ્ણાતો માટે પણ કે જેમની આ ઝડપી ગતિવિધિઓ પર નજર હોય છે. ખેલાડીઓની પ્રતિક્રિયાઓ વિવિધ ક્ષણો પર થઈ શકે છે અને આ હાઈ-સ્પીડ એક્સચેન્જોમાં વ્યક્તિના પ્રદર્શનને ટ્રૅક કરવું અને તેનું પ્રમાણ નક્કી કરવું મુશ્કેલ હોઈ શકે છે. ડિફેન્ડર અપમાનજનક લાઇનઅપની કેટલી નજીક જાય છે જેવી બાબતો કોચને તેમની રમતની શક્તિઓને સમજવામાં મદદ કરી શકે છે.
NFL આ AI-સંચાલિત પ્રોસેસિંગ સોફ્ટવેર માટે તેના પોતાના ક્ષેત્રોમાં સ્થાપિત સાધનોનો ઉપયોગ કરીને ડેટા એકત્રિત કરે છે. દરેક ભાગ લેનાર NFL સ્થળ પર, મેદાનની અંદર ઓછામાં ઓછા 20-30 અલ્ટ્રા-વાઇડ બેન્ડ રીસીવરો અને દરેક ખેલાડીના ખભાના પેડ્સની અંદર અને અન્ય રમત ગિયર પર 2-3 રેડિયો-ફ્રિકવન્સી આઇડેન્ટિફિકેશન (RFID) હોય છે, જેમ કે બોલ અને RFID ટૅગ્સ. . પોસ્ટ. આ ડેટા ટ્રાન્સમિટર્સ ગ્રાફિક ન્યુરલ નેટવર્ક મૉડલ્સ (GNN) દ્વારા આપવામાં આવતી માહિતી એકત્રિત કરે છે, જે ડેટાને વાસ્તવિક સમયમાં રીલે કરવાની મંજૂરી આપે છે. AI નો ઉપયોગ કરીને, જે ડેટા કાઢવામાં આવે છે તેને અર્થપૂર્ણ આંતરદૃષ્ટિમાં રૂપાંતરિત કરી શકાય છે.
જાયન્ટ્સે બ્રોક પ્રુડીને તેના 39માંથી 33 ડ્રોપબેક (84.6%) પર હરાવ્યા, જે NGS યુગમાં રમતમાં સૌથી વધુ બ્લિટ્ઝ દર છે.
એ જ રીતે, પુરડીએ તેની કારકિર્દીનો સૌથી ઝડપી ફેંકવાનો સમય (2.34 સેકન્ડ) સરેરાશ કર્યો.
💡 પર્ડી વિ. બ્લિટ્ઝ: 20/31, 247 યાર્ડ્સ, 2 ટીડી
દ્વારા સંચાલિત @awscloud pic.twitter.com/GDUCG9NK6A
– નેક્સ્ટ જનરલ સ્ટેટ્સ (@NextGenStats) 22 સપ્ટેમ્બર 2023
આ આંતરદૃષ્ટિ નેક્સ્ટ જેન સ્ટેટ ગેમ લેન્ડિંગ પેજ પર જોવા મળતા ઘણા ઇન્ટરેક્ટિવ ગ્રાફિક્સ જેવી દેખાઈ શકે છે. તમે 2D મોડલ્સ અને ગ્રાફમાં કોઈપણ રમતમાં વ્યક્તિગત ખેલાડીની હિલચાલની વિગતો મેળવી શકો છો. ઉદાહરણ તરીકે, તમે 21 સપ્ટેમ્બરના રોજ સાન ફ્રાન્સિસ્કો 49ersની રમત વિ. ધ ન્યૂ યોર્ક જાયન્ટ્સમાં 40-યાર્ડ પસાર થતા રમત દરમિયાન ખેલાડીઓ અને બોલ બંનેની ઝડપને ટ્રેક કરી શકો છો.
જ્યારે AI ટૂલ્સ AWS ઈન્ફ્રાસ્ટ્રક્ચર પર હોસ્ટ કરવામાં આવે છે, ત્યારે અંતિમ ઉત્પાદન NFL, Zebra Technologies અને Wilson Sporting Goods વચ્ચે મલ્ટિડિસિપ્લિનરી ભાગીદારીનું સંકલન છે. નેક્સ્ટ જનરલ સ્ટેટ્સ પ્રોજેક્ટ, જે 2017 માં શરૂ થયો હતો, હવે ડેટા પાઇપલાઇન બનાવે છે જેમાં 2018 થી દરેક પાસ પ્લે માટે ઉપલબ્ધ ઐતિહાસિક ડેટાનો સમાવેશ થાય છે.
દરમિયાન, એક સમાંતર પ્રોજેક્ટમાં, AWS એન્જિનિયરોએ શેર કર્યું કે તેઓ બ્લોકર્સ અને રશર્સની ઓળખને સ્વચાલિત કરવા પર કામ કરી રહ્યા છે જેથી આખરે, AI મોડલ મેદાન પર ખેલાડીઓની ભૂમિકાને સ્વાયત્ત રીતે ઓળખી શકે. હાલમાં, આ પ્રકારની માહિતી ચાર્ટિંગ દ્વારા મેન્યુઅલી એકત્રિત કરવામાં આવે છે, જે લેબલની ભૂલો માટે સંવેદનશીલ હોય છે, અને ઘણી વખત મનુષ્યો માટે તેને જનરેટ કરવામાં કલાકો લે છે.
આ લેખ મૂળરૂપે Engadget પર https://www.engadget.com/the-nfl-and-amazon-are-using-ai-to-invent-new-football-stats-173508576.html?src=rss પર પ્રકાશિત કરવામાં આવ્યો હતો. .