Wie planbar ist Erfolg im Sport? Hierzu gehen die Meinungen auseinander. Fakt ist: Während sich viele Fußball-Klubs lediglich auf Panik-Käufe in der Winterpause vorbereiten, arbeiten an anderer Stelle Top-Experten an intelligenteren Methoden, um nachhaltigen Erfolg im Sport zu realisieren. Wie kann eine Innovation wie Deep Learning den professionellen Sport verändern?
Der Beitrag How is Deep Learning affecting Sports? wurde zunächst im August 2017 auf Quora veröffentlicht. Eine spannende Antwort lieferte Arjun Dutt, „Director of Inception: Deep Learning & AI Startups“ bei NVIDIA:
I don’t know about you, but I was not the most athletic kid growing up. It took me forever to make a jump shot well. When I started playing golf after college my short game was an absolute disaster. I always had a hard time visualizing what I needed to do differently. Having a coach watch and tell me what to do never seemed to do the trick.
Once, after a particularly awful few holes, a buddy of mine filmed me with his iPhone and just watching myself duff the ball made a huge impact. Deep learning has the potential to use simple data like video captured on a phone and turn it into a huge asset for sports – both players and fans. (Arjun Dutt, Director of Inception: Deep Learning & AI Startups NVIDIA)
Deep Learning „wie Moneyball auf Steroiden“
Arjun Dutt verweist in seiner Antwort auf das populäre Beispiel „Moneyball“. Moneyball steht in der Sportindustrie exemplarisch für den Wandel von traditionell-qualitativen hin zu datengetriebenen, analytischen Argumentationen bei der Kaderplanung. Es begann im Baseball, viele anderen Sportarten haben den Ansatz zumindest teilweise adaptiert.
Dutt widmet sich des Weiteren dem Thema „Künstliche Intelligenz“ (AI). AI sei wie „Moneyball auf Steroiden“. Was er meint: AI lässt den Moneyball-Ansatz wie ein Kinderspiel aussehen. Künstliche Intelligenz ist ein wahrer Wendepunkt für den Sport.
Was er nicht meint: Menschliche Teams werden in absehbarer Zeit nicht gegen AI-Roboter auf dem Spielfeld antreten. Deep Learning konzentriert sich als AI-Teildisziplin auf die Erkennung von Mustern sowie verstärkendes Lernen. Forscher und Technologie-Startups nutzen Deep Learning bereits in verschiedenen Sportarten.
Sie trainieren ihre Deep-Learning-Anwendungen auf Basis großer Datenmengen. Damit erlangen sie strategische Einblicke in Bereiche wie Spielerfähigkeiten, Spielmuster und Teamtaktiken.
Wie radikal verändert AI den Sport?
Arjun Dutt erläutert die Innovation am Beispiel Baseball. Professor Claudio Silva (New York University) und Berater Carlos Dietrich (MLB Advanced Media) haben eine Metrik-Engine entwickelt, die jede Bewegung der Spieler und des Balls während eines Spiels verfolgt.
Das System nimmt all diese Daten auf und kann dann Muster identifizieren, die Trainern helfen können, Spieler zu managen, Strategien zu planen und sogar, Vorhersagen für ein Spiel zu treffen.
Im Eishockey nutzt das in Toronto ansässige Startup ICEBERG künstliche Intelligenz, um den Teams ein differenziertes Verständnis von Daten zu vermitteln, die hinter der Positionierung und Aktivität der Spieler stehen. Die Firma sammelt Videoaufnahmen eines Spiels und verwandelt sie in Millionen von Datenpunkten, basierend auf der Bewegung der Spieler, der Gegner und des Pucks.
Wenn man Deep Learning auf diese Daten anwendet, kann man die verschiedenen Spielfaktoren besser kennenlernen. Ein Beispiel: Wo auf dem Eis sind einzelne Spieler mit ihren Slapshots am gefährlichsten?
Natürlich müssen die Spieler noch selbst spielen. Aber künstliche Intelligenz gibt ihnen und ihren Managern bessere Einblicke darüber, wie sie trainieren, wo sie ihr Spiel verbessern können, wo sie sich positionieren können, um zu punkten oder wie sie ihre Gegner davon abzuhalten, dasselbe zu tun.
AI verändert auch radikal weniger traditionelle Sportarten. AI-Systeme haben laut Dutt die besten eSports-Spieler der Welt bei „Multi Player“-Spielen wie Super Smash Bros. und die besten Pokerprofis der Welt in No-Limit Texas Hold’em geschlagen.
Speziell die Pokerleistung wird als besonders bedeutsam betrachtet, da es ein Spiel von „unvollkommenen Informationen“ ist, aufgrund von versteckten Lochkarten. Dies ist ein viel anspruchsvolleres AI-Problem, als einen Großmeister beim Schach zu schlagen. Dort sei „jede mögliche Bewegung bekannt“.
Den vollständigen Beitrag von Arjen Dutt könnt ihr hier lesen.
Auch interessant
Künstliche Intelligenz verbessert Fan Experience
Sportsponsoring: GumGum Sports erhöht Medienwerte dank künstlicher Intelligenz
Moneyball: Die Kunst, ein unfaires Spiel zu gewinnen
Übernimmt der Moneyball-Guru den FC Barnsley?
