هوش مصنوعی اینتل و فناوری سه‌بعدی به آموزش ورزشکاران کمک می‌کند

اینتل به تازگی اعلام کرده که فناوری هوش مصنوعی «رهگیری سه بعدی ورزشکاران» (3DAT) آن‌ها، توسط  Exos که یک شرکت متمرکز بر آماده‌سازی عملکرد انسانی است به کار گرفته می شود. هوش مصنوعی اینتل برای کمک به آموزش ورزشکاران حرفه ای که مشتاق عضویت در لیگ ملی فوتبال (NFL) و سایر سازمان ها هستند استفاده می‌شود.

فناوری 3DAT هوش مصنوعی اینتل با به کارگیری دوربین فیلمبرداری با سرعت ۶۰ فریم در ثانیه، اطلاعات اسکلتی را هنگام دوی سرعت ثبت می‌کند. سپس این داده‌ها با استفاده از قابلیت‌های هوش مصنوعی «ارتقای یادگیری عمیق» که در آخرین نسل پردازنده‌های مقیاس‌پذیر Intel Xeon به کار رفته در سرویس ابری اینتل، تعبیه شده، تجزیه و تحلیل می‌شوند.

Ashton Eaton، دارنده دو مدال طلای المپیک و مهندس توسعه محصول در گروه فناوری المپیک اینتل، می‌گوید هدف این است که درک این مسئله که چگونه ساختارهای اسکلتی مختلف می‌توانند یک ورزشکار را نسبت به دیگری برتری دهند، برای مربیان و ورزشکاران ساده‌تر شود. او افزود: ما نمی‌دانیم چرا افراد می‌برند یا می‌بازند. چیزهای زیادی هستند که نمی‌دانیم.

Eaton خاطرنشان کرد با داشتن بینشی جدید، ممکن است بهینه‌سازی رژیم‌های آمادگی براساس ساختار اسکلت یک ورزشکار خاص امکان‌پذیر باشد. اطلاعاتی در مورد سرعت، شتاب و بیومکانیک، همه در گزارش‌هایی که با مربیان و ورزشکاران به اشتراک گذاشته می‌شوند ارائه می‌شود. وی در ادامه گفت: این داده‌ها می‌توانند حیاتی باشند زیرا تنها یک صدم ثانیه می‌تواند باعث برد و باخت یک ورزشکار شود.

نکته قابل توجه در مورد این رویکرد از دید یک ورزشکار این است که نیازی به اتصال سنسور به بدن آن‌ها نیست. تمام داده‌ها با استفاده از یک دوربین کوچک ضبط می‌شود که می‌تواند در داخل یا خارج از خانه استفاده شود.

مشخص نیست سازمان‌هایی که در نهایت ورزشکاران حرفه‌ای را استخدام می‌کند،  چگونه ممکن است از این قابلیت استفاده کنند، اما اکثر تیم‌های ورزشی حرفه‌ای در حال حاضر برای ارزیابی بازیکنان، به طور گسترده از تجزیه و تحلیل کردن استفاده می‌کند. Exos به طور خاص در حال کار با بسیاری از پیشتازان فوتبال کالج است. هدف آموزش و آمادگی برای رویدادهایی مانند مسابقات College Pro Days است که NFL برای ارزیابی بازیکنان برگزار می‌کند.

بازیکنان نیز می‌توانند از مزایای آن استفاده کنند، زیرا این داده ها برای جلوگیری از آسیب دیدگی و یا کمک به بهبود سریع آن‌ها به کار می‌رود. به عنوان مثال، بسیاری از شکستگی‌ها در اثر فشار مکرر بر روی یک استخوان خاص رخ می‌دهد، چیزی که به طور بالقوه می‌تواند زودتر شناسایی و از آن جلوگیری شود.

Eaton اشاره کرد هرچقدر که بینش ایجاد شده توسط هوش مصنوعی اینتل مفید باشد، با این حال عوامل زیادی نیز وجود دارند که در هر زمانی بر عملکرد یک ورزشکار تاثیر می‌گذارند. فناوری رهگیری سه بعدی ورزشکاران (3DAT) فقط داده‌های اسکلتی را ضبط می‌کند. فناوری هوش مصنوعی مورد نیاز برای ضبط چگونگی تعامل عضلات با بقیه بدن هنوز ایجاد نشده است. همچنین نشان داده شده است که همه چیز، از وضعیت عاطفی تا میزان خواب یک ورزشکار، می‌تواند عملکرد او را تحت تاثیر قرار دهد.

Eaton گفت: ورزشکاران نباید لزوماً درباره شاخص‌های اسکلتی جمع آوری شده وسواس داشته باشند؛ به جای آن می‌توانند از یک نقطه داده برای به حداکثر رساندن پتانسیل خود استفاده کنند.

با این وجود، واضح است که هوش مصنوعی به طور فزاینده در آموزش‌های ورزشی در سطح حرفه‌ای و مبتدی نقش مهمی خواهد داشت. چالش موجود این است که بفهمیم چگونه می‌توان به کارآمدترین شکل ممکن به این هدف دست یافت.

در ضمن، احتمال اینکه هوش مصنوعی برای پیش‌بینی اینکه چه کسی در مسابقات برنده خواهد شد، استفاده شود. این توانایی، همانطور که می‌دانیم، احتمالاً به پایان ورزش و در نهایت نابودی صنعت چند میلیارد دلاری شرط‌‍‌بندی منجر خواهد شد. اما داده‌های مورد استفاده برای محاسبه احتمالات در قمارخانه‌ها و سایر سالن‌های شرط‌بندی به زودی تحت تاثیر الگوریتم‌های تعبیه شده در مدل‌های هوش مصنوعی قرار می‌گیرند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید.