هوش مصنوعی به زمان سنجی مسابقات المپیک کمک می‌کند، اما چگونه؟

در تاریخ ۱۰ آوریل ۱۸۹۶، حدود ۱۷ دونده در اولین مارتن المپیک رقابت کردند. طول مسیر مسابقه، حدود ۴۰ کیلومتر بود که ورزشکارانی از پنج کشور مختلف در آن شرکت داشتند و درنهایت، اسپریدون لوئیس، فروشنده آب یونانی طی دو ساعت و ۵۸ دقیقه و ۵۰ ثانیه پیروز شد.

ثانیه به ثانیه مسابقه حساس است، تنها با یک شمارش اشتباه و یا یک ثانیه جابجایی رنگ مدل‌ها عوض می‌شود.

چگونه این آمار تأثیرگذار به دست می‌آیند؟ همان زمان‌سنجی که در آغاز آن مسابقه‌ی تاریخی توسط داور شروع به کار کرد، با دوچرخه جلوتر از دوندگان تحویل داده شد تا سه ساعت بعد، زمان عبور لوئیس از خط پایان در آتن را ثبت کند.

شرکت سوئیسی امگا از سال ۱۹۳۲ خدمات رسمی زمان‌سنجی را به مسابقات المپیک ارائه می‌دهد و پیشرفت‌های جدید را در خدمات خود تلفیق می‌کند. شاید بارزترین آن‌ها‌، دوربینی به نام Magic Eye باشد که در سال ۱۹۴۸ در لندن ارائه شد و به‌عنوان تلاش مشترک میان امگا و شرکتی بریتانیایی ساخته شد. پیش‌از‌این، این چشم انسان بود که منتظر فشار کرونومتر بود تا مشخص کند که کدام ورزشکار ابتدا از خط پایان عبور می‌کند.

البته در آن زمان، از این فناوری با احتیاط استفاده می‌شد و در سال ۱۹۴۸ در مواردی همچنان برای نشان دادن زمان از دست استفاده می‌شد. ۲۰ سال طول کشید تا استفاده از دوربین‌های خط پایان فراگیر شود و در مکزیک ۱۹۶۸، سرانجام برای زمان‌سنجی مسابقات از الکترونیک استفاده شد و دوربین‌های خط پایان ده رکورد جهانی جدید را ثبت کردند. اگرچه با وجود شایستگی این فناوری، حدود ۴۵ زمان‌نگهدار دستی نیز به مکزیک فرستاده شد تا در صورت بروز مشکل، بتوانند مسابقات را کنترل کنند.

شرکت امگا چگونه از هوش مصنوعی برای اینکار استفاده کرده است؟

اما شاید جالب‌ترین نکته این باشد که امگا چگونه هوش مصنوعی خود را برای یادگیری والیبال ساحلی آموزش داده است. آلن زوبریست، سرپرست امگا تایمینگ می‌گوید: «در والیبال درحال استفاده از دوربین‌های با فناوری‌های بینایی ماشین هستیم تا نه‌تنها ورزشکاران بلکه توپ را دنبال کنیم. درواقع، از ترکیبی از فناوری‌های دوربین و هوش مصنوعی برای انجام این کار استفاده می‌کنیم».

بخش تحقیق و توسعه امگا تایمینگ از ۱۸۰ مهندس تشکیل می‌شود و روند توسعه با سیستم‌های موقعیت‌یابی و حسگرهای حرکتی از سال ۲۰۱۲ آغاز شده است. هدف رسیدن به نقطه‌ای بود که در آن امگا بتواند برای چندین ورزش در بیش از ۵۰۰ رویداد ورزشی، داده‌های زنده دقیقی از عملکرد ورزشکاران ارائه دهد. همچنین اندازه‌گیری، پردازش و انتقال داده‌ها حین رویدادها کمتر از یک دهم ثانیه طول خواهد کشید، به‌طوری که این اطلاعات با چیزی که تماشاگران روی صفحه‌نمایش می‌بینند، مطابقت خواهد داشت.

درمورد والیبال ساحلی، لازم است که از فناوری‌های موقعیت‌یابی و تشخیص حرکت استفاده کنید و سیستم هوش مصنوعی را آموزش دهید تا بتواند انواع ضربات، انواع پاس‌ها و نیز مسیر پرواز توپ را تشخیص دهد و سپس این داده‌ها را با اطلاعات حاصل از حسگرهای ژیروسکوپی که در لباس بازیکنان تعبیه شده است، ترکیب کنید. حسگرهای حرکتی به سیستم اجازه می‌دهند که جهت حرکت ورزشکاران و نیز ارتفاع پرش، سرعت و موارد دیگر را تشخیص دهد. پس از پردازش، همه به صورت زنده در اختیار گوینده‌ها قرار می‌گیرد تا به شکل گرافیک نمایش داده شده یا در گزارش‌ها استفاده شود.

به‌گفته‌ی زوبریست، یکی از سخت‌ترین درس‌هایی که هوش مصنوعی باید یاد می‌گرفت، ردیابی دقیق توپ هنگام بازی زمانی بود که دوربین دیگر آن را نمی‌‌دید. او می‌گوید:

گاهی‌اوقات، توپ توسط بخشی از بدن ورزشکار پوشانده می‌شود. بعضی مواقع توپ از قاب تصویر بیرون می‌رود، بنابراین چالش این بود که وقتی توپ را نمی‌بینید، آن را ردیابی کنید. یعنی نرم‌افزار باید بتواند پیش‌بینی کند که توپ به کجا می‌رود و سپس هنگامی که دوباره ظاهر شد، فاصله‌ی زمانی بین زمان ناپدید شدن و سپس برگشت آن را محاسبه کند و سپس داده‌های گمشده را پر کند و پس‌از‌آن، به‌طور خودکار ادامه دهد. این یکی از بزرگ‌ترین مسائلی بود که باید حل می‌شد.

ردیابی توپ برای هوش مصنوعی به‌منظور تعیین اتفاقاتی که در طول بازی می‌دهد، بسیار مهم است. زوبریست توضیح می‌دهد:

وقتی بتوانید توپ را دنبال کنید، متوجه خواهید شد که کجا بوده است و چه زمانی تغییر جهت داده است و سپس الگورتیم با ترکیب اطلاعات حاصل از حسگرهای موجود روی لباس ورزشکاران، نوع ضربه را تشخیص می‌دهد. شما می‌دانید که کدام تیم و کدام بازیکن ضربه را زده است. بنابراین، ترکیبی از هر دو فناوری است که به ما کمک می‌کند تا در اندازه‌گیری داده‌ها دقیق عمل کنیم.

امگا تایمینگ ادعا می‌کند که سیستم والیبال ساحلی آن‌ها به‌خاطر حسگرها و چندین دوربین که با سرعت ۲۵۰ فریم در ثانیه کار می‌کنند، ۹۹ درصد دقت دارد. اگرچه توبی برکون، استاد بینایی کامپیوتر و پردازش تصویر در دانشگاه دورهام علاقمند است که ببیند آیا عملکرد سیستم مذکور در جریان مسابقات رضایت‌بخش است یا نه و مهم‌تر اینکه آیا تحت‌تأثیر تفاوت در نژاد و جنس قرار می‌گیرد و به اشتباه می‌افتد. برکون می‌گوید:

کاری که انجام شده است، قابل‌توجه است و برای اینکه تمام حرکات را به هوش مصنوعی آموزش دهید، به مجموعه داده بزرگی نیاز دارید. اما یکی از مسائل مهم، دقت است. سیستم چقدر در رابطه با حرکات مختلف اشتباه می‌کند؟ چقدر مسیر توپ را گم می‌کند؟ و همچنین اینکه آیا درمورد نژادها و جنس‌های مختلف عملکرد یکنواختی دارد؟ آیا مثلا دقت آن درمورد تیم زنان آمریکا و تیم زنان غنا هر دو برابر ۹۹ درصد است؟

زوبریست به سیستم جدید اطمینان دارد و توضیح می‌دهد که درحالی‌که به کار گرفتن متخصصانی از گوگل یا آی‌بی‌ام می‌توانست راحت‌تر باشد، امگا نمی‌توانست این کار را بکند. او می‌گوید:

چیزی که بسیار مهم است، خواه برای امتیازدهی یا زمان‌سنجی، این است که نباید بین تفسیر عملکرد و نتیجه‌ی نهایی اختلافی وجود داشته باشد. بنابراین، برای محافظت از یکپارچکی نتیجه، نمی‌توانیم به شرکت دیگری تکیه کنیم. باید تخصصی داشته باشیم که بتوانیم نتیجه و چگونگی رسیدن ورزشکاران به آن نتیجه را توضیح دهیم.

زوبریست درمورد به‌روزرسانی‌های آینده‌ی شرکت توضیح زیادی نمی‌دهد، اما می‌گوید:

بازی‌های ۲۰۲۴ پاریس مهم خواهند بود و نوآوری‌های کاملا جدیدی را در آن‌ها شاهد خواهید بود. قطعا این پیشرفت‌ها درمورد زمان‌سنجی، امتیازدهی و حسگرهای حرکت و سیستم‌های موقعیت‌یابی خواهد بود. در لس‌آنجلس ۲۰۲۸ نیز پروژه‌های بسیار جالبی خواهیم داشت که تازه آن‌ها را شروع کرده‌ایم.