Dès le premier coup d’envoi du Super Bowl LVIII dimanche au Allegiant Stadium de Las Vegas, une plateforme d’intelligence artificielle suivra chaque mouvement sur le terrain pour garantir la sécurité des joueurs.
Comme beaucoup d’autres ligues sportives professionnelles, la NFL est depuis des années à l’avant-garde de la transformation basée sur les données. En 2015, par exemple, la ligue a considérablement augmenté ses efforts de collecte de données en équipant tous les joueurs de capteurs RFID. Cette saison, la NFL travaille en étroite collaboration avec Amazon Web Services (AWS) pour lancer un nouveau portail de club pour leurs efforts communs. C’est l’athlète numérique.
Digital Athlete est une plateforme qui utilise l’IA et l’apprentissage automatique (ML) pour prédire quels joueurs présentent un risque élevé de blessure en fonction de leur jeu et de leur position. La plateforme capture les données des étiquettes RFID des joueurs, de 38 caméras de suivi optique 5K placées autour du terrain qui capturent 60 images par seconde, ainsi que d’autres données telles que la météo, l’équipement et le type de jeu, et capture l’expérience du joueur. . L’une de ces sources de données est le système de statistiques de nouvelle génération (NGS), qui capture les données de position, de vitesse et d’accélération de chaque joueur en temps réel.
Digital Athlete capture et traite 6,8 millions d’images vidéo pendant les matchs de chaque semaine, enregistrant environ 100 millions de positions et d’emplacements de joueurs sur le terrain. Pendant les entraînements, nous traitons environ 15 000 kilomètres de données de suivi des joueurs par semaine, ce qui équivaut à plus de 500 millions de points de données.
« Nous effectuons des millions de simulations de scénarios de jeu pour indiquer aux équipes quels joueurs présentent le plus grand risque de blessure, et les équipes peuvent utiliser ces informations pour informer les équipes », a déclaré Julie Sauza, responsable mondiale des sports chez AWS. développer des cours individualisés de prévention des blessures.
Sauza est responsable des sports chez AWS depuis plus de trois ans, après avoir été responsable du développement commercial et de la stratégie chez ESPN et Second Spectrum, qui fournit un suivi et des analyses de données pour la NBA et d’autres ligues sportives. Aujourd’hui, elle et son équipe chez AWS aident les organisations de sport et de divertissement à créer des solutions basées sur les données qui couvrent tout, depuis l’engagement des fans et la gestion des sites jusqu’à la stratégie de jeu, le dépistage et l’élaboration de règles.
La NFL a piloté Digital Athlete la saison dernière, le rendant disponible aux 32 équipes cette saison.
changer le jeu
La première étape de la création de Digital Athlete consistait à utiliser la vision par ordinateur et le ML pour apprendre à l’IA à extraire des informations des séquences de jeu et d’entraînement. Par exemple, avant que la plateforme d’IA puisse suivre les impacts sur la tête, elle devait capturer des images de casques sous tous les angles et apprendre à les identifier. Une fois que nous avons pu identifier les casques, nous avons pu reconnaître les impacts de casques et croiser les données NGS pour déterminer quels joueurs étaient impliqués.
Avec toutes les données à sa disposition, Digital Athlete peut reconstituer les circonstances du moment et de la manière dont la blessure s’est produite et exécuter des simulations de n’importe quel jeu en utilisant un ensemble différent de joueurs. La modélisation de la réduction des risques peut ensuite être utilisée pour analyser les données d’entraînement afin de déterminer la quantité d’entraînement idéale d’un athlète tout en minimisant le risque de blessure. L’équipe travaille actuellement sur une fonctionnalité appelée estimation de pose. Il s’agit d’évaluer les mouvements du joueur dans l’espace et dans le temps afin de mieux comprendre comment le positionnement du corps peut entraîner des blessures.
Sauza souligne que ces données aideront non seulement à créer des programmes d’entraînement personnalisés pour les joueurs, mais orienteront également la prise de décision au niveau de la ligue. Les données utilisées par Digital Athlete ont été un facteur clé dans la nouvelle règle de capture équitable de la NFL pour les coups d’envoi, qui a fait ses débuts en 2023. Selon les anciennes règles, une équipe devait tenter d’attraper et de renvoyer un coup d’envoi à moins que le botteur ne frappe le ballon dans ou au-delà de la zone des buts. Cela permet au retourneur de coup de pied de réclamer une bonne prise même si le ballon est botté en dehors de la zone des buts, mettant ainsi fin au jeu de retour de coup de pied et plaçant le ballon sur la ligne des 25 verges de l’équipe qui revient.
Le but de cette nouvelle règle est de réduire les retours de coup d’envoi de 7 %, ce qui, selon les données, entraînera une réduction de 15 % des commotions cérébrales dues à ce jeu.
«Les porteurs de ballon du coup d’envoi se heurtent souvent de front.» «Je pense que cela montre que les règles et la façon dont le jeu est joué changent.»
L’un des objectifs de Digital Athlete est de découvrir des corrélations similaires entre les scénarios de jeu et les conséquences des blessures, en mettant en évidence les risques qui peuvent être atténués.
« Si nous pouvons trouver un jeu ou une règle particulière qui augmente le risque de blessure, nous pouvons modifier cette règle », dit-elle.
Des données plutôt que de l’intuition
L’objectif ultime des athlètes numériques est d’utiliser des données, plutôt que des intuitions, pour comprendre ce qui se passe sur le terrain pendant les matchs et les entraînements. Cela a également été démontré dans d’autres domaines du jeu. Par exemple, les équipes informées par les analyses sont plus susceptibles de tenter des quatrièmes conversions.
« Je ne pouvais pas parler de choses comme ça auparavant. J’avais de l’intuition et des choses comme ça. Dites-moi ce que vous savez intuitivement et je pourrai le prouver ou le réfuter. »
Sauza dit que cela s’applique à toutes les entreprises, pas seulement au sport.
« Il est important d’avoir un état d’esprit curieux », dit-elle. « Commencez par une stratégie de données, construisez une base de données, puis posez des questions.
Une transformation réussie basée sur les données nécessite ensuite de savoir que la création de capacités d’IA est un processus itératif et nécessite de la patience à mesure que ces capacités se développent au fil du temps, dit-elle.
« Vous ne vous contentez pas de créer un modèle, de le configurer et de l’arrêter, n’est-ce pas ? Les modèles deviennent plus intelligents à mesure que vous les utilisez », a déclaré Sauza.
février 26, 2024
Comment l’IA contribue à améliorer la sécurité des joueurs de la NFL
Dès le premier coup d’envoi du Super Bowl LVIII dimanche au Allegiant Stadium de Las Vegas, une plateforme d’intelligence artificielle suivra chaque mouvement sur le terrain pour garantir la sécurité des joueurs.
Comme beaucoup d’autres ligues sportives professionnelles, la NFL est depuis des années à l’avant-garde de la transformation basée sur les données. En 2015, par exemple, la ligue a considérablement augmenté ses efforts de collecte de données en équipant tous les joueurs de capteurs RFID. Cette saison, la NFL travaille en étroite collaboration avec Amazon Web Services (AWS) pour lancer un nouveau portail de club pour leurs efforts communs. C’est l’athlète numérique.
Digital Athlete est une plateforme qui utilise l’IA et l’apprentissage automatique (ML) pour prédire quels joueurs présentent un risque élevé de blessure en fonction de leur jeu et de leur position. La plateforme capture les données des étiquettes RFID des joueurs, de 38 caméras de suivi optique 5K placées autour du terrain qui capturent 60 images par seconde, ainsi que d’autres données telles que la météo, l’équipement et le type de jeu, et capture l’expérience du joueur. . L’une de ces sources de données est le système de statistiques de nouvelle génération (NGS), qui capture les données de position, de vitesse et d’accélération de chaque joueur en temps réel.
Digital Athlete capture et traite 6,8 millions d’images vidéo pendant les matchs de chaque semaine, enregistrant environ 100 millions de positions et d’emplacements de joueurs sur le terrain. Pendant les entraînements, nous traitons environ 15 000 kilomètres de données de suivi des joueurs par semaine, ce qui équivaut à plus de 500 millions de points de données.
« Nous effectuons des millions de simulations de scénarios de jeu pour indiquer aux équipes quels joueurs présentent le plus grand risque de blessure, et les équipes peuvent utiliser ces informations pour informer les équipes », a déclaré Julie Sauza, responsable mondiale des sports chez AWS. développer des cours individualisés de prévention des blessures.
Sauza est responsable des sports chez AWS depuis plus de trois ans, après avoir été responsable du développement commercial et de la stratégie chez ESPN et Second Spectrum, qui fournit un suivi et des analyses de données pour la NBA et d’autres ligues sportives. Aujourd’hui, elle et son équipe chez AWS aident les organisations de sport et de divertissement à créer des solutions basées sur les données qui couvrent tout, depuis l’engagement des fans et la gestion des sites jusqu’à la stratégie de jeu, le dépistage et l’élaboration de règles.
La NFL a piloté Digital Athlete la saison dernière, le rendant disponible aux 32 équipes cette saison.
changer le jeu
La première étape de la création de Digital Athlete consistait à utiliser la vision par ordinateur et le ML pour apprendre à l’IA à extraire des informations des séquences de jeu et d’entraînement. Par exemple, avant que la plateforme d’IA puisse suivre les impacts sur la tête, elle devait capturer des images de casques sous tous les angles et apprendre à les identifier. Une fois que nous avons pu identifier les casques, nous avons pu reconnaître les impacts de casques et croiser les données NGS pour déterminer quels joueurs étaient impliqués.
Avec toutes les données à sa disposition, Digital Athlete peut reconstituer les circonstances du moment et de la manière dont la blessure s’est produite et exécuter des simulations de n’importe quel jeu en utilisant un ensemble différent de joueurs. La modélisation de la réduction des risques peut ensuite être utilisée pour analyser les données d’entraînement afin de déterminer la quantité d’entraînement idéale d’un athlète tout en minimisant le risque de blessure. L’équipe travaille actuellement sur une fonctionnalité appelée estimation de pose. Il s’agit d’évaluer les mouvements du joueur dans l’espace et dans le temps afin de mieux comprendre comment le positionnement du corps peut entraîner des blessures.
Sauza souligne que ces données aideront non seulement à créer des programmes d’entraînement personnalisés pour les joueurs, mais orienteront également la prise de décision au niveau de la ligue. Les données utilisées par Digital Athlete ont été un facteur clé dans la nouvelle règle de capture équitable de la NFL pour les coups d’envoi, qui a fait ses débuts en 2023. Selon les anciennes règles, une équipe devait tenter d’attraper et de renvoyer un coup d’envoi à moins que le botteur ne frappe le ballon dans ou au-delà de la zone des buts. Cela permet au retourneur de coup de pied de réclamer une bonne prise même si le ballon est botté en dehors de la zone des buts, mettant ainsi fin au jeu de retour de coup de pied et plaçant le ballon sur la ligne des 25 verges de l’équipe qui revient.
Le but de cette nouvelle règle est de réduire les retours de coup d’envoi de 7 %, ce qui, selon les données, entraînera une réduction de 15 % des commotions cérébrales dues à ce jeu.
«Les porteurs de ballon du coup d’envoi se heurtent souvent de front.» «Je pense que cela montre que les règles et la façon dont le jeu est joué changent.»
L’un des objectifs de Digital Athlete est de découvrir des corrélations similaires entre les scénarios de jeu et les conséquences des blessures, en mettant en évidence les risques qui peuvent être atténués.
« Si nous pouvons trouver un jeu ou une règle particulière qui augmente le risque de blessure, nous pouvons modifier cette règle », dit-elle.
Des données plutôt que de l’intuition
L’objectif ultime des athlètes numériques est d’utiliser des données, plutôt que des intuitions, pour comprendre ce qui se passe sur le terrain pendant les matchs et les entraînements. Cela a également été démontré dans d’autres domaines du jeu. Par exemple, les équipes informées par les analyses sont plus susceptibles de tenter des quatrièmes conversions.
« Je ne pouvais pas parler de choses comme ça auparavant. J’avais de l’intuition et des choses comme ça. Dites-moi ce que vous savez intuitivement et je pourrai le prouver ou le réfuter. »
Sauza dit que cela s’applique à toutes les entreprises, pas seulement au sport.
« Il est important d’avoir un état d’esprit curieux », dit-elle. « Commencez par une stratégie de données, construisez une base de données, puis posez des questions.
Une transformation réussie basée sur les données nécessite ensuite de savoir que la création de capacités d’IA est un processus itératif et nécessite de la patience à mesure que ces capacités se développent au fil du temps, dit-elle.
« Vous ne vous contentez pas de créer un modèle, de le configurer et de l’arrêter, n’est-ce pas ? Les modèles deviennent plus intelligents à mesure que vous les utilisez », a déclaré Sauza.
Intelligence artificielle
Source link
Partager :
Articles similaires