量子位 宣布 | "大众年夜众号 QbitAI
Hoang Le从小便是足球迷。
他少年时的足球英雄是齐达内,而现在他认为梅西是历史上最好的足球运动员。与足球有关的事Le都能轻松应对,但有一件事除外:
如何教会电脑优雅的踢球?
为了做好这件事,Le和他在加州理工的同事们,不得不放弃传授教化掌握权,从教电脑踢球的一线退却撤退一步。换句话说便是:无教胜有教。
这个团队揭橥的研究表明,机器学习可以让打算机创造足球天下的真谛,而且想要让打算机学好,人类专家最好不要插手学习的过程。
所谓“无监督学习”正在取得本色性打破,并准备把AI带到未知且不可想象的领域。无监督学习不仅可以催生新的产品和创新,而且可以成为科学小说的根本。更主要的是,这将寻衅我们何以为人的理念。
这个打破从足球之外开始。
2013年,NBA多伦多猛龙队推出一套名为“鬼影”的演习系统。这套系统剖析球员的数据,并在球队的防守体系中创造漏洞。当然,这套系统也被用来创造对手的防守漏洞。
当Le和他加州理工的团队第一次听到“鬼影”时,并不知道这套系统详细如何事情,但他们知道这套系统的剖析,是基于猛龙队教练团队的专业洞察。
也便是说,“鬼影”虽然可以称为一个篮球AI,但这个AI的各种“思路”,仍旧受限于人类教练实现制订好的策略。也便是说,永久无法创新。
在机器学习领域,Le和他的团队知道利用监督机器学习算法的局限性。
而无监督机器学习的方法则要有趣得多。所谓无监督学习,便是机器基于数据创造模式的过程中,不须要人类的插手,不须要参考人类规则。但是长期以来,研究职员没有搞明白这一方法如何在实践中办理问题。
虽然这一方法困难且耗时,但无监督学习可能是人工智能实现自主创新的一条出路。
“我们做这件事的原始动力,是想看看AI能否直接从数据中学会足球”,Le说。幸运的是,加州理工与迪士尼有深入互助,这意味着Le的团队可以从ESPN得到大量的足球数据,然后根本这些数据设计一个机器学习系统。
在监督学习中,研究职员可以给数据打上不同的标签;而在无监督学习中,Le和他的同事们无法让机器明白场上不同位置的球员,分别对应若何的“角色”,以是他们把研究分为两个种别:进攻和防守。
那么,若何才算左后卫?
或者说,左后卫在场上该当涌如今什么位置?这是一个大略,而又难以明确回答的问题。通过利用无监督学习的方法,Le和团队直接让AI通过不雅观察和追踪原始数据,来分辨场上不同位置的球员。
只管这种方法不能给出左后卫的观点,但AI能创造场上11个追踪点中,总有一些存在非常相似的对应关系,而且这些追踪点的相似性在于行动办法,而不是“种别”相同;而且这种学习还能创造不同位置之间的相互关联。
这意味着,基于给定的一堆数据,AI可以快速学习一个团队的进攻或者防守策略。
“如果你是一个教练,就能问AI:在同样的情形下,另一个球队会如何应对”,Le说无论是整体计策,还是每个球员位置等细节,教练都能得到答案。
同样,这套AI可以用来剖析自己球队,或者对手的策略。比方在某次防守中,教练想稽核不同球员的主要性,可以直接让AI仿照出结果。
以一场富勒姆对阵斯旺西的英超比赛为例,当时富勒姆(赤色)正在发起进攻,斯旺西(蓝色)一方进行防守。在实际的比赛中,富勒姆将球打进斯旺西的球门。
我们从防守的角度来进行剖析:斯旺西还有多少改进空间?
来看看人工智能的答案。
上图中左边是实际的比赛情形,模型预测:斯旺西的失落球概率为69.1%。中间的部分,是AI按照英超均匀水平模拟出的防守走位(白色),模型预测:失落球概率为71.8%。而右边是基于曼城的数据,AI模拟出的防守走位,这次失落球概率降为41.7%。
这个过程用下面的动图可以更清晰的展示出来:
“只要有良好的追踪数据,这套AI就可以扩展到其他运动,例如是像篮球、曲棍球等”,Le特殊希望这套系统能被运用到猛龙队,也便是引发他们灵感的源头。
当然,无监督学习的运用,远远不限于足球领域。
Google的AlphaGo也运用了类似的技能,以是AlphaGo时常能有人类棋手未曾想到的下法,震荡并且影响全体人类围棋天下,推动围棋向前发展。
这类学习技能可以产生强大的机器智能,例如探索火星的机器人站在一个阴郁的火山口时,可以自己决定对什么物质感兴区,并且网络起来后续研究。
不依赖人类的先入之见,AI自行深刻的理解了游戏。
在筛选足球数据的过程中,AI看到了团队阵型和个体位置之间的关系,深刻的理解了比赛的战术计策。这表明,当代的机器学习算法可以产生这样一个AI,并且这个AI能够比拟赛本身产生全新的见地。
见识过机器对足球的洞悉之后,并没有减弱Le对付足球的热爱。当然他认为人类足球队的教练办法,可能会发生从未有过的改变。
“这是一个非常激动民气的时候”,他说:
“你以为,AI下一步会干什么?”
好啦,足球的故事讲到这里。想不想看看上面提到这个足球AI的论文?在量子位微信"大众年夜众号(ID:QbitAI)对话界面,回答“足球AI”几个字,就可以得到。
△ 论文截图
以前量子位也有过几篇运动与AI的宣布,这里推举一下:
《超级碗另一壁:大逆转背后,你没看到的人工智能大PK》
《NBAのAI故事:教练,我不想打球,我想替你指挥》
《日本女排的新陪练:可以模拟对手球风的机器人》
其余,来日诰日便是周一了。不上班~
招聘
我们正在招募编辑、运营等岗位,事情地点在北京中关村落,期待你的到来,一起体验人工智能的风起云涌。
干系细节,请在"大众号对话界面,回答:“招聘”两个字。
One More Thing…
本日AI界还有哪些事值得关注?在量子位(QbitAI)公众年夜众号会话界面回答“本日”,看我们全网包罗的AI行业和研究动态。笔芯~