აქედან დაარტყი აი ესე - ამ სიტყვებით არა, მაგრამ იგივე შინაარსით ურჩევს Google-ის DeepMind-ის მიერ შექმნილი AI მოდელი, Tactic AI საფეხბურთო კლუბ ლივერპულის სამწვრთნელო შტაბს კუთხურების ტაქტიკის შემუშავებისას.
ლივერპულთან 5-წლიანი თანამშრომლობის ფარგლებში, Google DeepMind-მა შექმნა ხელოვნური ინტელექტის სისტემა, რომელსაც შეუძლია მწვრთნელებს მისცეს რჩევები კუთხურების შესრულებაზე. TacticAI AI ასისტენტია, რომელსაც კუთხური დარტყმების შედეგების პროგნოზირება და საფეხბურთო ტაქტიკის ვერსიების გენერირება შეუძლია.
რა არის Tactic AI
კუთხური დარტყმისას მაღალია გოლის გატანის ალბათობა, თუმცა თითოეული ინდივიდუალური შემთხვევა ბევრი ფაქტორის გათვალისწინებას მოითხოვს. სწორედ ამას აკეთებს TacticAI. ის გეომეტრიული ღრმა სწავლების გამოყენებით პროგნოზირებს შედეგებს და შესაბამის საფეხბურთო ტაქტიკას აგენერირებს.
გეომეტრიული ღრმა დასწავლა არის მანქანური სწავლების მიმართულება, რომელიც ფოკუსირებულია გეომეტრიული სტრუქტურების მქონე მონაცემების დამუშავებაზე. მაგალითად, ისეთი მონაცემებისთვის, როგორიცაა გრაფები, მანძილის მატრიცები, 3D ობიექტები და ა.შ. დამუშავების პროცესში კი ინარჩუნებს მათ გეომეტრიულ თვისებებს, როგორიცაა, მასშტაბს, სივრცეში გადაადგილებას და ა.შ.
კონკრეტულად, მოდელი სწავლობს ზოგადად ადამიანის ინტუიციური ქმედებებისა და თამაშის ტაქტიკის ნიმუშებს ერთობლიობაში და აგენერირებს ეფექტური რეაგირების ტაქტიკურ სვლებს. AI სისტემა ექსპერტებს აძლევს შესაძლებლობას, ვირტუალურ სივრცეში ჩაატარონ სხვადასხვა ტაქტიკური ექსპერიმენტები და მოედანზე გადაიტანონ მხოლოდ საუკეთესო შანსების მქონე ტაქტიკური სვლები.
ლივერპულის საფეხბურთო კლუბის ექსპერტებმა TacticAI, მრავალწლიანი კვლევითი თანამშრომლობის ფარგლებში, არაერთხელ გამოიყენეს. მეტიც, TacticAI-ის გენერირებულ ტაქტიკურ რეკომენდაციებს ანიჭებდნენ უპირატესობას შემთხვევათა 90%-ში, პრაქტიკაში ნანახ ტაქტიკურ წყობებთან შედარებით.
როგორ მუშაობს
ამ ფოტოზე გამოსახულია TacticAI-ის ძირითადი სტრუქტურა. TacticAI აერთიანებს პროგნოზირებისა და გენერაციულ მოდელებს, რომლებსაც შეუძლიათ გააანალიზონ, რა მოხდა წინა თამაშებში და როგორ უნდა შეიცვალოს ტაქტიკა კონკრეტული შედეგის მიღწევის ალბათობის გასაზრდელად.
TacticAI მწვრთნელებს ექსპერიმენტების ჩატარების საშუალებას აძლევს. მათ შეუძლიათ განიხილონ მოთამაშეების განლაგების ალტერნატიული ვარიანტები თითოეული ტაქტიკური სვლისთვის და შეაფასონ ალტერნატივების შესაძლო შედეგები. მოედანზე კი საუკეთესო ალბათობის მქონე ტაქტიკური სვლა გადაიტანონ, რათა საუკეთესო შედეგები მიიღონ.
ამ ეტაპზე TacticAI-ის შეუძლია სამი ძირითადი საკითხის გადაწყვეტა:
რა მოხდება კუთხური დარტყმის დრო რომელიმე კონკრეტული ტაქტიკური განლაგებისას? მაგალითად, ყველაზე მაღალი ალბათობით ვინ მიიღებს ბურთს და იქნება თუ არა კარში დარტყმის მცდელობა?
რა მოხდა, როცა კონკრეტული განლაგებით უკვე გათამაშდა? მსგავსი ტაქტიკა კარგად მუშაობდა წარსულში?
როგორ შეგვიძლია შევცვალოთ ტაქტიკა კონკრეტული შედეგის მისაღწევად? მაგალითად, როგორ უნდა განლაგდნენ მცველები, რომ შემცირდეს კარში დარტყმის მცდელობის ალბათობა?
სიცხადისთვის, შემდეგ ფოტოზე გამოსახულია, თუ როგორ მუშაობს TacticAI და რისი პროგნოზირება შეუძლია კონკრეტული ტაქტიკური სვლის შეფასებისას.
პირველ ეტაპზე ხდება მოთამაშე ფეხბურთელების პოზიციებისა და განლაგების (მათ შორის, კონკრეტული ფეხბურთელის ინდივიდუალური მახასიათებლების, სიჩქარის, სიმაღლის და ა.შ. გათვალისწინებით) მოდელირება.
A გამოსახულებაზე მოცემულია, თუ როგორ გარდაიქმნება კუთხური დარტყმის მომენტი გრაფიკულ ნახაზად და როგორ ამუშავებს TacticAI ამ კუთხურ დარტყმას. მოდელი ოთხივე შესაძლო კომბინაციას (თუ მოედნის რომელი კუთხიდან ხდება კუთხური დარტყმა) აფასებს და გადასცემს TacticAI-ის ძირითად მოდელს.
შედეგად, TacticAI მწვრთნელებს ეხმარება გოლის გატანის მაღალი ალბათობის კუთხური დარტყმის ძიებაში ან პირიქით, კონტრტაქტიკის გამოცდასა და შერჩევაში.
რა სარგებელი მოაქვს
ტრადიციულად, ტაქტიკებისა და კონტრტაქტიკების შესამუშავებლად, ფეხბურთელები და მწვრთნელები ხელახლა უყურებენ ხოლმე ჩატარებული მატჩების მრავალ ვიდეოს მსგავსი მაგალითების საძიებლად და მეტოქე გუნდების თუ კონკრეტული მოთამაშეების თამაშის სტილის შესასწავლად.
TacticAI-ის გამოყენებით მწვრთნელს შეუძლია რეალური, უკვე გათამაშებული ტაქტიკა დაამუშავოს ვირტუალურ სივრცეში, თუმცა შეცვალოს პარამეტრები - მაგალითად ფეხბურთელების მონაცემები და შესაბამისად შეარჩიოს შემადგენლობა. მოდელს შეუძლია ბევრი ასეთი სცენარის გენერირება, მწვრთნელს კი შეუძლია სწრაფად იპოვოს ყველაზე მაღალი ალბათობის ვარიანტი.
გარდა ამისა, TacticAI-ის გენერაციულ მოდელს შეუძლია დაეხმაროს მწვრთნელს კუთხური დარტყმების ტაქტიკების დახვეწაში კონკრეტული შედეგების მაქსიმიზაციისთვის. მაგალითად, ურჩიოს მცველების ოპტიმალური განლაგება კარში ბურთის დარტყმის შანსის შესამცირებლად. TacticAI-ის ტაქტიკური რეკომენდაციებიდან კი მწვრთნელს შეუძლია სწრაფად აღმოაჩინოს თამაშისთვის საჭირო პატერნები, მათ შორის, შეარჩიოს შესაბამისი მოთამაშეები ტაქტიკის წარმატებისთვის ან წარუმატებლობისთვის. ამიტომ, TacticAI დროის მნიშვნელოვან რესურსს უთავისუფლებს მწვრთნელებს და ექსპერტებს, რომლებსაც შეუძლიათ სწრაფად და მარტივად მოძებნონ წარსული თამაშებიდან სასურველი ტაქტიკები ან ახალი ტაქტიკები გამოსცადონ ვირტუალურ გარემოში.
TacticAI-ის პრაქტიკაში გამოყენებაზე დაკვირვების შედეგებით, TacticAI-მა ზუსტად იწინასწარმეტყველა კუთხური დარტყმებისას ბურთის მიმღები ფეხბურთელები და კონკრეტული გათამაშების სიტუაციები. მაგალითად, ფეხბურთელების მოედანზე გადაადგილების შესახებ TacticAI-ის პროგნოზი რეალური თამაშის მსგავსი იყო. გარდა ამისა, მოდელის მიერ გენერირებულ ტაქტიკურ რეკომენდაციებს შემთხვევათა 90%-ში მიენიჭა უპირატესობა (შერჩევის პროცესში შემფასებლებმა არ იცოდნენ, რომელი ტაქტიკა იყო რეალური თამაშიდან და რომელი იყო TacticAI-ის მიერ გენერირებული). ეს კი ადასტურებს TacticAI-ის პროგნოზების სიზუსტესა და პრაქტიკულობას.
ფეხბურთის მიმდინარეობა მხოლოდ ტექნიკური თამაშის დეტალებზე არ არის დამოკიდებული. როგორ წარიმართება თამაში, დამოკიდებულია ბევრ ადამიანურ ფაქტორზეც ფიზიკური მდგომარეობიდან ფსიქოლოგიურ განწყობამდე. ადამიანური პატერნების აღმოჩენა სამწვრთნელო გუნდისთვისაც კი გამოწვევაა ხოლმე. ამ ეტაპზე TacticAI-ს არ შეუძლია ადამიანური ფაქტორების გათვალისწინება. TacticAI-ის მიზანი რეალურ სამყაროში არსებული პრობლემების გადაჭრა და შედეგების მაქსიმიზაციაა, მაგრამ ფეხბურთი AI-სთვისაც გამოწვევებით სავსე და დინამიური სფეროა.