செயற்கை நுண்ணறிவு ஹாக்கி வீடியோவை பகுப்பாய்வு செய்தல்

செயற்கை நுண்ணறிவைப் பயன்படுத்தி ஹாக்கி விளையாட்டுகளின் வீடியோவை தானாக பகுப்பாய்வு செய்ய தொழில்நுட்ப வளர்ச்சியில் ஆராய்ச்சியாளர்கள் முக்கிய முன்னேற்றம் அடைந்துள்ளனர்.

வாட்டர்லூ பல்கலைக்கழகத்தின் பொறியாளர்கள் தற்போதுள்ள இரண்டு ஆழமான கற்றல் AI நுட்பங்களை இணைத்து வீரர்களை அவர்களின் ஸ்வெட்டர் எண்கள் மூலம் 90 சதவிகித துல்லியத்துடன் அடையாளம் கண்டுள்ளனர்.

“அணியில் உள்ள வீரர்கள் தங்கள் தலைக்கவசம் மற்றும் சீருடைகள் காரணமாக மிகவும் ஒத்ததாக தோன்றுகின்றனர். எனவே, இதில் குறிப்பிடத்தக்கது என்னவென்றால் ஒரு ஹாக்கி வீடியோவில் ஒரு குறிப்பிட்ட வீரரை நீங்கள் அடையாளம் காண கவனிக்கவேண்டிய முக்கிய குறிப்பு ஜெர்சி எண்” என்று சிஸ்டம் டிசைனிங் இன்ஜினியரிங் மாணவர் PhD கனவ் வாட்ஸ் கூறினார்.

வாட்டர்லூவில் உள்ள விஷன் அண்ட் இமேஜ் ப்ராசசிங் (VIP-Vision and Image Processing) லேப் உறுப்பினர்கள் பிளேயர் செயல்திறனைப் பகுப்பாய்வு செய்வதற்கும் மற்ற தரவு சார்ந்த நுண்ணறிவுகளை உருவாக்குவதற்கும் செயற்கை நுண்ணறிவு (AI- Artificial Intelligence) மென்பொருளில் தொழில் பங்குதாரர் ஸ்டாத்லெட்ஸ் இன்க் உடன் இணைந்து செயல்படுவதால் பிளேயரை அடையாளம் காண்பது ஒரு சிக்கலான சவாலின் ஒரு அம்சமாகும்.

ஆராய்ச்சியாளர்கள் தேசிய ஹாக்கி லீக் விளையாட்டுகளிலிருந்து 54,000 க்கும் மேற்பட்ட படங்களின் தரவுத் தொகுப்பை உருவாக்கியுள்ளனர். இது போன்ற மிகப்பெரிய தரவுத் தொகுப்பு – புதிய படங்களில் ஜெர்சி எண்களை அடையாளம் காண AI வழிமுறைகளுக்கு பயிற்சி அளிக்க இதைப் பயன்படுத்தினர்.

உதாரணமாக, எண் 12 மற்றும் இரண்டு ஒற்றை இலக்கங்கள், 1 மற்றும் 2 ஆகிய இரண்டையும் இணைப்பதன் மூலம் துல்லியம் அதிகரிக்கப்பட்டது. இது AI துறையில் பல பணி கற்றல் என அறியப்படுகிறது.

“ஒரே விஷயத்தைக் கற்பிக்க வெவ்வேறு பிரதிநிதித்துவங்களைப் பயன்படுத்துவது செயல்திறனை மேம்படுத்தலாம்” என்று வாட்ஸ் கூறினார். “நாங்கள் ஒரு சிறந்த பிரதிநிதித்துவம் மற்றும் இலக்க வாரியான பிரதிநிதித்துவத்தை சிறந்த முடிவுகளுடன் இணைத்தோம்.”

வீடியோவில் வீரர்களைக் கண்காணிக்கவும், அவர்களை பனியில் கண்டுபிடிக்கவும் மற்றும் அவர்கள் என்ன செய்கிறார்கள் என்பதை அடையாளம் காணவும் ஆராய்ச்சி குழு AI-ஐ உருவாக்கி வருகிறது.

சமீபத்திய ஆண்டுகளில் விரிவான பகுப்பாய்வு ஹாக்கி மற்றும் பிற விளையாட்டுகளில் பெரும் முன்னேற்றங்களைச் செய்துள்ளது, ஆனால் பெரும்பாலான சமயங்களில் இன்னும் மக்கள் ஒளிபரப்பு வீடியோவைப் பார்த்து குறிப்புகளை எடுத்துக்கொள்கிறார்கள்.

“நீங்கள் கற்பனை செய்தபடி, ஒரு நபர் மூன்று காலங்களின் முழு ஹாக்கி விளையாட்டின் வீடியோவை கைமுறையாக சிறுகுறிப்பு செய்வது நீண்ட நேரம் தேவைப்படும். ஆனால் இயந்திர-கற்றல் அமைப்புகள் சில நிமிடங்களில் வீடியோக்களிலிருந்து தரவை உருவாக்க முடியும்” என்று வாட்ஸ் கூறினார்.

அவர்கள் இதுவரை ஹாக்கியில் கவனம் செலுத்தியிருந்தாலும், ஆராய்ச்சியாளர்கள் தங்கள் தொழில்நுட்பத்தை கால்பந்து போன்ற மற்ற குழு விளையாட்டுகளுக்கு மாற்றங்களுடன் மாற்ற முடியும் என்று எதிர்பார்க்கிறார்கள்.

வாட்ஸ் தனது முனைவர், வாட்டர்லூ பொறியியல் பேராசிரியர்கள் டேவிட் கிளாசி மற்றும் ஜான் ஜெலெக் மற்றும் போஸ்ட்டாக்டோரல் சக மெஹர்னாஸ் ஃபானி ஆகியோருடன் வீரர்களை அடையாளம் காணும் பணியில் ஒத்துழைத்தார்.

இந்த மாதம் விளையாட்டுகளில் மல்டிமீடியா பகுப்பாய்வு குறித்த 4 வது சர்வதேச ACM கருத்தரங்கில், ஐஸ் ஹாக்கியில் ஜெர்சி எண் அங்கீகாரத்திற்கான மல்டி-டாஸ்க் லர்னிங் என்ற ஆராய்ச்சி இதழை அவர் வழங்க உள்ளார்.

References:

• Moura, H. D., Kholkine, L., Van Damme, L., Mets, K., Leysen, C., De Schepper, T., & Latré, S. Low cost player tracking in field hockey.
• Li, H., & Zhang, M. (2021). Artificial Intelligence and Neural Network-Based Shooting Accuracy Prediction Analysis in Basketball. Mobile Information Systems, 2021.
• Narynov, S., Zhumanov, Z., Gumar, A., Khassanova, M., & Omarov, B. (2021, September). Detecting School Violence Using Artificial Intelligence to Interpret Surveillance Video Sequences. In International Conference on Computational Collective Intelligence (pp. 401-412). Springer, Cham.
• Li, B., & Xu, X. (2021). Application of artificial intelligence in basketball sport. Journal of Education, Health and Sport, 11(7), 54-67.