В тренировках российских футболистов задействуют искусственный интеллект

ИКС: Тренировать российских футболистов и баскетболистов будет искусственный интеллект

06 / 08 ‘18

«Центр спортивных инновационных технологий и подготовки сборных команд» Департамента спорта и туризма города Москвы в конце мая 2018 года заключил контракт с компанией «Спринт» на разработку математической модульной системы по использованию искусственного интеллекта и современных мобильных приложений в практической работе тренера, сообщает ИКС-Медиа со ссылкой на портал TAdviser

Целью проекта ставится оптимизация процесса подготовки спортсменов для роста соревновательных результатов на российской и международной арене.

Создаваемая модульная система должна состоять из трех основных блоков: искусственный интеллект для оптимизации тактики игроков, мобильные приложения для выявления и купирования травм, а также инструменты спортивной статистики.

Система с использованием искусственного интеллекта должна использоваться для оптимизации тактики игроков в летних игровых видах спорта, таких как баскетбол, футбол и волейбол. Исполнителем контракта должны быть представлены различные способы математического представления тренировочной нагрузки, выявлены оптимальные методики способа формализации экспертных знаний и т.д.

Обратите внимание

Для выявления и купирования травм головного мозга у высококвалифицированных спортсменов должны быть разработаны специальные мобильные приложения и математические алгоритмы. Кроме того, должна быть создана адекватная математическая модель, позволяющая составить прогноз возвращения спортсменов к профессиональной спортивной деятельности с учетом критериев оценки результатов тестирований.

Для оптимизации процесса подготовки спортсменов тренеры должны получить инструменты спортивной статистики и анализа результатов.

Как отмечается в ТЗ, задача идентификации значимых изменений в соревновательных результатах спортсмена или показателях спортивной работоспособности представляет собой ключевой для работы тренера инструмент, который позволяет делать обоснованные заключения об эффективности как отдельных диетологических, физиотерапевтических, энвиронментальных и тренировочных воздействий, так и эффективности тренировочного процесса в целом. При этом в спорте высших достижений в летних видах важно идентифицировать величины так называемых малейших значимых изменений.

Все работы по проекту должны быть выполнены до 30 ноября 2018 года. Стоимость контракта составила 7,9 млн руб.

«Центр спортивных инновационных технологий и сборных команд» Департамента физической культуры и спорта города Москвы (ГКУ «ЦСТиСК» Москомспорта) появился в результате объединения «Центра сборных команд» и «ЦСТ Москомспорта».

До объединения ГУ «Центр инновационных спортивных технологий» (ЦСТ) Москомспорта была единственной организацией в Москве, которая разрабатывала и внедряла передовые инновационные технологии по всем направлениям развития спортивной отрасли.

ГУ «Центр сборных команд» Москомспорта осуществляла специализированную подготовку спортсменов к официальным всероссийским и международным соревнованиям различного уровня в составе сборных команд страны, проводила учебно-тренировочные сборы, а также организовывала участие московских спортсменов в соревнованиях.

Новый объединенный центр обеспечивает внедрение инновационной системы подготовки спортсменов и осуществляет научно-методическое, медицинское и технологическое обеспечение спортивной отрасли столицы.

Источник: http://www.aetp.ru/market-news/item/418200

Железный вратарь: как искусственный интеллект используют в футболе — Офтоп на vc.ru

В нашей прошлой статье мы рассказывали, как искусственный интеллект выигрывает у людей во всех настольных и компьютерных играх. К чемпионату мира мы решили посмотреть, как дела обстоят в футболе. Оказалось, что здесь ИИ пока не конкурирует с человеком, а наоборот — расширяет его возможности.

Футбольное поле в любом месте

26 мая, в день финала Лиги Чемпионов в Киеве, Nissan показала небольшого робота Pitch-R, который за 20 минут расчерчивает линии футбольного поля на любой ровной поверхности.

Идея компании в том, чтобы каждый смог сыграть в футбол на настоящем поле.

Если бы Nissan продавал этот концепт, вы смогли бы его купить, найти подходящее место для игры и подождать, пока робот, снабженный датчиками и камерами, нарисует вам разметку экологичной краской, которая исчезнет через несколько дней.

Даже при применении Pitch-R на профессиональных стадионах сажать газон и ухаживать за ним будет все так же человек, а рутинную покраску можно частично автоматизировать.

Профессиональная съемка любительских матчей

Стартап Veo создает AI-камеру для записи футбольных матчей. Ее бета-версия умеет следить за мячом, распознавать опасные моменты и самостоятельно наводит свой «взгляд» на игроков. При необходимости Veo можно управлять и дистанционно.

СЕО компании говорит, что в мире записывается менее 1% всех футбольных матчей — только популярные чемпионаты и команды с крупными бюджетами могут себе позволить постоянные профессиональные съемки.

Это значит, что миллионы голов и красивых моментов остаются только в памяти игроков и их немногочисленных зрителей.

Важно

Veo не заменяет футбольных операторов: камера небольшая и не может брать крупные планы, зато хорошо подходит для точечной съемки. Кроме того, учитывая, что ее создают именно для тех матчей, которые сейчас вообще не записываются, речь идет скорее о повышении интереса к локальным небольшим командам, а не о замене профессиональных операторов в крупнейших матчах.

Топовые клубы используют камеры и GPS, чтобы собирать статистику: сколько пробежал каждый игрок, сколько пасов отдал, сколько раз терял мяч. Такая статистика покажет сухие цифры, но с их помощью невозможно понять, как именно игрок принимает решения на поле и как «набегает» свои километры.

Ученые из Ливерпуля предлагают использовать искусственный интеллект, чтобы сканировать поле и фиксировать каждое движение игрока, вплоть до мышц.

Обладая такими знаниями, тренеры смогут четче видеть, насколько действия игроков на поле соответствуют их позиции, насколько их стиль отвечает выбранной тактике, и как они сочетаются друг с другом.

Это позволит анализировать игру и выявлять слабые звенья на более глубоком уровне.

Поиск игроков с помощью AI

Идеальная слаженность на поле всех игроков команды — мечта любого тренера, но найти подходящего по стилю, духу и навыкам игрока очень сложно, а цена ошибки велика: восьмизначные трансферы уже стали нормой. Здесь на помощь также приходит искусственный интеллект.

Нидерландский стартап SciSports в партнерстве SAS использует машинное обучение и нейросети, чтобы каждую неделю анализировать около 1500 матчей в 210 чемпионатах по всему миру. Это позволяет в деталях измерить качество игры, способности и стоимость более 200 тысяч игроков.

SciSports уже оказывает услуги многим европейским командам и игрокам.

Совет

Так один из нидерландских клубов нашел форварда из второго дивизиона, который на поле выглядел посредственно, но данные показали, что у него есть навык, который он не мог использовать в своей команде.

Его наняли на позицию запасного нападающего, но вскоре он вошел в основу и стал одним из самых результативных игроков в стране.

Искусственные футболисты

Разработчики футбольных роботов грезят о том, чтобы победить человека. Пока матча между людьми и машинами не произошло, для тренировки и улучшения прототипов ежегодно проводится чемпионат по футболу среди роботов RoboCup. Впервые RoboCup прошел в 1997 году: все было максимально примитивно, с роботами на колесах, но уже в 2003 появились прямоходящие модели.

Команда B-Human, многократные чемпионы RoboCup

Чтобы создать достойного противника, в соревновании каждый год ужесточают правила. Зеленый ковер меняют на искусственный газон, а линии разметки и мяч перекрашивают в белый цвет — более сложный для распознавания. По скромным прогнозам организаторов, команда роботов сможет выйти на поле со сборной-чемпионом мира и выиграть не раньше 2050 года.

Перед создателями искусственных футболистов стоит еще много неразрешенных проблем. Как рассчитать силу удара на бегу? Как увидеть мяч, когда солнце светит в «глаза»? Как заставить робота бегать 90 минут без подзарядки и не слишком утяжелять его аккумуляторами? Что произойдет при столкновении человека и робота? Как обезопасить в этой ситуации людей?

RoboCup поднимает эти вопросы не только в контексте футбола. Многое в будущем взаимодействии человека и робота все еще неясно, но газон, окруженный трибунами, может стать одним из первых тестовых полигонов для такого общения.

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать

Источник: https://vc.ru/flood/39883-zheleznyy-vratar-kak-iskusstvennyy-intellekt-ispolzuyut-v-futbole

OpenAI Universe. Открытая платформа для тренировки сильного ИИ

Набор задач для обучения с подкреплением сильного ИИ в рамках универсальной платформы OpenAI

Основанная Илоном Маском и соратниками некоммерческая организация OpenAI, которая ставит целью создание безопасного (то есть общедоступного и открытого) искусственного интеллекта, сделала очередной шаг для осуществления своих планов. OpenAI представила связующее программное обеспечение Universe для тренировки и обучения сильного ИИ. Теоретически, обучение может происходить на всей информации человечества, доступной через интернет. Это игры, веб-сайты и прочие приложения.

Всего девять строчек кода — и вашему ИИ доступны тысячи окружений для тренировки.

С помощью программной платформы Universe интеллектуальный агент будет использовать компьютер в точности так же, как это делает человек: он будет смотреть на пиксели компьютерного экрана и взаимодействовать при помощи клавиатуры и мыши (пока виртуальных).

Искусственный интеллект познает мир через интерфейс программы VNC для удалённого доступа к рабочему столу Предполагается тренировать интеллектуального агента на полном наборе задач. Платформа Universe открывает для ИИ любые задания, которые человек способен решать за компьютером.

Окружения OpenAI Gym

Открытие всеобщей универсальной платформы — продолжение планомерных действий OpenAI по созданию всемирного открытого универсального ИИ. В апреле текущего года организация выпустила публичную бета-версию инструментария OpenAI Gym для разработки и сравнения алгоритмов обучения с подкреплением.

«Спортзал» OpenAI Gym состоит из большого количества окружений (от симулятора гуманоидного робота до игр Atari). Есть сайт для сравнения и воспроизведения результатов.

OpenAI Gym совместим с алгоритмами, написанными в любом фреймворке, в том числе Tensorflow и Theano.

Изначально окружения создаются на Питоне, но в будущем разработчики планируют сделать возможность реализовать их на любом языке программирования.

OpenAI считает, что обучение с подкреплением — важный способ машинного обучения, который позволит в значительной степени усовершенствовать ИИ. В процессе обучения таким методом испытуемая система (агент) обучается, взаимодействуя с некоторой средой. В отличие от традиционного обучения с учителем, откликом на принятые решения ИИ являются сигналы подкрепления, при этом некоторые правила подкрепления формируются динамически и труднодоступны пониманию человека, то есть базируются на одновременной активности формальных нейронов.
Сигнал подкрепления распознаётся модулем оптического распознавания текста на скорости 60 fps: видео

Связующий софт OpenAI Universe

Представленная сегодня Universe — это связующее программное обеспечение, которое полностью поддерживает среду набор инструментов и среду выполнения окружений OpenAI Gym. Благодаря этому связующему ПО планируется кардинально увеличить количество окружений для тренировки ИИ.

Если раньше крупнейший каталог приложений для обучения с подкреплением включал в себя только 55 игр Atari (Atari Learning Environment), то на платформе Universe ожидается появление игр от многих других разработчиков, в том числе Valve, EA и Microsoft.

С самого начала через «миддлварь» Universe доступны тысячи игр (флэш-игры, многопользовательские змейки Slither, Starcraft, GTA V ми другие), разнообразные браузерные задачи (вроде заполнения форм) и приложения (такие как головоломки fold.it).

Практически любую игру можно свободно запустить с помощью питоновской библиотеки universe, которая опубликована в открытом доступе на Github.

import gym
import universe # register Universe environments into Gym env = gym.make('flashgames.DuskDrive-v0') # any Universe environment ID here
observation_n = env.reset() while True: # agent which presses the Up arrow 60 times per second action_n = [[('KeyEvent', 'ArrowUp', True)] for _ in observation_n] observation_n, reward_n, done_n, info = env.step(action_n) env.render()
Вышеприведённый код запускает агента искусственного интеллекта играть в игру Dusk Drive.

Игра Dusk Drive

«Наша конечная цель состоит в разработке единого интеллектуального агента, который способен гибко применять опыт, накопленный в Universe, для решения новых задач и быстрого получения нового опыта, что станет важным шагом на пути к сильному ИИ», — сказано в заявлении OpenAI.

Программные окружения Universe устанавливаются в контейнерах Docker. Как уже было сказано, они общаются с интеллектуальным агентом посредством визуального интерфейса — через «экран», «клавиатуру» и «мышь», как с человеком. Интерфейс реализован с помощью программы VNC для удалённого доступа к рабочему столу.

По идее, постоянное повышение мастерства ИИ с накоплением опыта в различных мелких задачах поможет ему всё быстрее осваивать каждую новую задачу, применяя уже имеющиеся знания.

Обратите внимание

Платформа и набор окружений Universe может стать для интеллектуальных агентов такой же стандартной единой площадкой для тренировки и обучения с подкреплением, какой является набор данных ImageNet — база изображений для обучения классификаторов нейросетей при обучении с учителем.

Обучение с подкреплением действительно может быть весьма эффективным. Например, интеллектуальный агент Universe примерно шесть суток тренировался играть в многопользовательскую веб-игру Slither.

Читайте также:  Juice изучит систему юпитера

После шести дней ИИ набирает в игровых сессиях в среднем 1000 очков с максимальным результатом 1400 очков. Для сравнения, сотрудник из организации OpenAI с пятичасовым опытом игры набирает в среднем 1400 очков с максимальным результатом 7050.

В данный момент агентам через связующее программное обеспечение Universe доступны следующие игры и приложения от партнёров OpenAI: Portal, Fable Anniversary, World of Goo, RimWorld, Slime Rancher, Shovel Knight, SpaceChem, Wing Commander III, Command & Conquer: Red Alert 2, Syndicate, Magic Carpet, Mirror's Edge, Sid Meier's Alpha Centauri и Wolfram Mathematica. Список будет увеличиваться.

Источник: https://habr.com/post/399701/

Обзор: Аналитика 3.0 – 2018, Стивен Бробст — Большие данные и искусственный интеллект смогут заменить футбольных тренеров

CNews: Большие данные в спорте – это новый тренд или аналитика уже давно работает в этой сфере?

Стивен Бробст: Я бы сказал, что этот тренд наблюдается уже довольно долгое время. И, возможно, спорт – это сфера, где большие данные работают дольше всего. Американский бейсбол самый удачный пример, потому что он очень давно использует статистику.

Чуть позже этот тренд пришел в баскетбол, хоккей, футбол, и продолжает распространяться на другие виды спорта.

CNews: Какие технологические решения, работающие с большими данными, о которых вы знаете, используются при проведении FIFA 2018?

Стивен Бробст: Я не знаю точно, какие технологии использует FIFA, но могу сказать в целом, как это работает в футболе и других видах спорта.

Все тренеры имеют разные подходы, но, тем не менее, они замеряют практически все, что можно измерить на поле: скорость передвижения игроков, количество ударов по мячу и попаданий в ворота, скорость полета мяча. Все замеряется.

Самая большая сложность в том, что нельзя ничего добавить в самой игре, например, установить датчики на мяч или повесить их на игроков, так, чтобы это не помешало игре. Поэтому для сбора информации приходится использовать, в основном, видеозаписи. Именно видео до сих пор является основным инструментарием.

Это работало и 10 лет назад, когда для анализа проведенных матчей использовались относительно простые программные решения и работали с этим данными профессионалы, которые практически вручную вели необходимую статистику.

Важным источником данных по прежнему является видео, но обработкой информации и ее анализом занимается искусственный интеллект.

Стивен Бробст: Если у команды будут большие данные и умные алгоритмы, ей уже не нужен будет хороший тренер

С другой стороны есть очень высокотехнологичные виды спорта, где идет действительно сложная работа с данными, где собираются большие объемы этих данных.

Это, например, гонки Формулы-1, где используются сотни различных датчиков, снимаются показания практически со всех узлов автомобиля, отслеживаются все действия водителя: как часто он нажимает на педаль тормоза и педаль газа, как быстро он набирает скорость и так далее.

Важно

В результате и сам водитель получает подробный отчет о своем вождении, и команда механиков имеет перед собой подробную статистику.

В дальнейшем эта информация может учитываться и в работе над конструкцией гоночной машины, над улучшением ее параметров.

CNews: Могли бы вы назвать, скажем, топ-5 задач, которые большие данные решают в спорте?

Стивен Бробст: Первая задача – это понять, как можно улучшить индивидуальные показатели каждого игрока.

Вторая – как оптимизировать игру всей команды, с учетом умений, опыта и особенностей каждого игрока.

Третья задача, которую решают большие данные – это аналитика игры противника, выстраивание правильной стратегии игры против этой команды.

Четвертая задача – это не очень очевидное, но очень денежное применение больших данных – оптимизация продажи билетов. Ситуация очень отличается в разных видах спорта, и необходимо анализировать и прогнозировать степень загруженности трибун, популярность секторов стадиона и так далее.

И пятая задача – это оптимизация продажи/приобретения игроков. Причем вопрос касается не только индивидуальных показателей конкретного игрока, но и того, как он «впишется» в команду.

CNews: Какие инструменты и технологии предлагает спортивному, футбольному рынку, компания Teradata?

Стивен Бробст: Наши технологии работают с уже структурированными данными. Мы не обрабатываем видео, для этого можно использовать любые другие технологии с открытым исходным кодом.

Так, например, в экосистеме, которую мы предлагаем, реализованы hadoop-кластеры, где можно хранить и обрабатывать видео, извлекать из него те структурированные данные, с которыми, как раз, и работают решения Teradata.

Для анализа этих данных применяются алгоритмы машинного обучения.

Наша платформа сочетает в себе и наши коммерческие, и open source алгоритмы, и даже алгоритмы других коммерческих компаний.

CNews: Как технологии изменят спортивную индустрию, скажем, через 5 лет?

Стивен Бробст: Я думаю, что все эти данные, использование алгоритмов машинного и глубокого обучения помогут предсказывать, какую стратегию игры выбирать в зависимости от состава и опыта команды, и от команды противника. Это будут очень-очень точные, точечные решения, очень специфичные для каждой конкретной игры.

И тогда уже не так нужен будет сильный тренер, если у команды будут большие данные и умные алгоритмы.

CNews: Означает ли это, что играть в футбол будет искусственный интеллект?

Стивен Бробст: Нет-нет. Вам все еще нужны будут хорошие игроки. Но искусственный интеллект поможет выбрать этих лучших игроков в зависимости от того, сколько денег может на них потратить команда. Если же у вас с противником одинаковые финансовые возможности, то здесь, конечно, все решит ИИ.

Технологии и данные не заменят менеджеров и тренеров. Но менеджеры и тренеры, которые используют искусственный интеллект, заменят тех своих коллег, которые его не используют.

Источник: http://www.cnews.ru/reviews/BI_Bigdata_2018/interviews/stiven_brobst

Хоккейную сборную России потренирует искусственный интеллект

Роман Ротенберг (на фото справа) хочет усилить российскую сборную аналитикой. Но на Олимпиаде ей точно не поможет один из лидеров Pittsburg – Евгений Малкин (слева)

Андрей Гордеев / Ведомости

Федерация хоккея России (ФХР) заключила контракт с разработчиком систем спортивной аналитики Iceberg на услуги по анализу матчей сборных команд России по хоккею, включая и основную национальную команду, рассказали «Ведомостям» первый вице-президент ФХР Роман Ротенберг и основатель Iceberg Владислав Мартынов.

«У контракта есть бесплатная и коммерческая часть: сперва Iceberg обрабатывает игры бесплатно, а потом, если достигнет определенных показателей, начинает получать деньги за обработку матчей, рассказывают Ротенберг и гендиректор Iceberg Александр Мартынов. Соотношение платных и бесплатных матчей Ротенберг и Мартынов не раскрывают».

ФХР и раньше пользовалась системами аналитики. Но Iceberg их превосходит, уверяет Ротенберг. При этом от уже имеющихся систем федерация отказываться не будет, чтобы Iceberg продолжала совершенствоваться, уточняет он.

Совет

Контракт заключен на два сезона, говорит Ротенберг. До Олимпийских игр 2018 г. система разберет 26 матчей, из которых шесть будут с участием национальной сборной и шесть – с участием олимпийской сборной, а еще 14 будут играми основных соперников сборной России на Олимпиаде 2018 г., рассказывает Ротенберг. Также система проанализирует 14 матчей при подготовке к чемпионату мира 2018 г.

IT-системы спортивной аналитики оперируют тысячами показателей, что дает объективное понимание игры, объясняет Ротенберг. В каждой из сборных команд есть аналитики, которые обрабатывают данные.

Это позволяет корректировать тактику на игру.

В США и Канаде такие системы очень распространены и есть даже тренеры, которые принимают решения, исключительно основываясь на этих данных, рассказывает Ротенберг.

Совладельцы Iceberg – отец и сын Владислав и Александр (он является гендиректором компании) Мартыновы. О проекте Владислав Мартынов рассказывал в интервью «Ведомостям» в 2015 г. Он также известен как бывший гендиректор разработчика российского смартфона YotaPhone и член наблюдательного совета блокчейн-платформы Ethereum.

$760 млн

составил в 2016 г. мировой рынок IT-аналитики спорта, сообщало аналитическое агентство WinterGreen Research. Этот рынок ждет взрывной рост. Агентство ожидает, что к 2023 г. он вырастет в 20 раз и достигнет $15,5 млрд

Iceberg работает на основе технологий искусственного интеллекта, машинного зрения и методов анализа больших данных, объясняет Александр Мартынов.

По его словам, за игру сервис автоматически фиксирует около 500 параметров по каждому игроку (силу, выносливость, скорость, маневренность).

Рекомендации помогают тренерам формировать сочетания игроков на площадке, вырабатывать общую стратегию игры, объясняет он.

Обратите внимание

Системы спортивной аналитики весьма популярны. Например, немецкий производитель софта SAP с 2013 г. помогает сборной Германии по футболу. Специальная IT-система анализирует техники защиты и нападения оппонента, чтобы тренеры могли ознакомиться с его приемами и выработать план на игру, сообщала компания.

Футбольный клуб «Локомотив» использует IT-продукты для аналитики игр, передал через представителя спортивный директор клуба Эрик Штоффельсхаус. Клуб измеряет несколько ключевых показателей игроков: скорость бега, время нахождения на поле, создание опасных моментов.

IT-продукты нельзя назвать определяющим фактором успеха игры, но они позволяют клубу серьезно экономить, например на трансферах.

Глубокий анализ данных может подтвердить или опровергнуть то впечатление, которое оставляет игрок у тренера и менеджмента после игры, рассказывает Штоффельсхаус: «Цена ошибки неверного трансфера – это $2–3 млн, использование IT-продуктов и анализа поведения игроков на поле позволяет этих ошибок избегать».

Представитель футбольного клуба «Краснодар» говорит, что аналитические программы позволяют следить как за каждым игроком конкретно, так и за командой в целом как на тренировках, так и в ходе игр.

Но называть вендоров они не стали. «Это внутренняя кухня, о которой нам бы не хотелось распространяться», – говорит Штоффельсхаус. Клуб не собирается рекламировать компании, которые предоставляют свои продукты «отнюдь не бесплатно», объясняет отказ представитель «Краснодара».

Источник: https://www.vedomosti.ru/technology/articles/2017/12/22/746171-hokkeinoi-kupili-intellekt

Искусственный интеллект и букмекерство: нейронные сети для прогнозирования спортивных событий

Букмекерские компании и опытные игроки активно используют нейросети и Big Data в прогнозировании, и сами того не подозревая, делают огромную услугу теоретикам искусственного интеллекта (ИИ).

Ученые, исследующие искусственный интеллект, должны разгадать очень много загадок: теоретики и разработчики ИИ пытаются не только узнать сущность человеческого интеллекта, но и создать самостоятельные интеллектуальные единицы. Нам нужен не обычный разум, а безошибочное мышление, рациональный агент, который не подведет! 

В ИИ автоматизируются интеллектуальные задачи, поэтому эта область касается любой сферы интеллектуальной деятельности человека.

Важно

Как известно, большой спорт, ставки и риск — удел настоящих интеллектуалов, которые в обход тесту Алана Тьюринга и «Китайской комнаты» Джона Серля перешли с философии сознания к чистой прибыли.

Давайте разбираться, как же удалось букмекерам улучшить спортивное прогнозирование.

Коэффициенты и прогнозирование результатов

Что собой вообще представляет букмекерская компания и как она работает?

Букмекерская контора — это организация, которая принимает ставки на различные исходы событий и задает коэффициент вероятности выигрыша.

В отличие от тотализаторов в букмекерских компаниях каждый участник может просчитать собственный выигрыш заранее. Чтобы это сделать, нужно всего лишь умножить размер своей ставки на коэффициент букмекерской конторы.

Талантливые букмекеры обычно предлагают большое количество коэффициентов и вариантов, при этом они со всего будут иметь свой процент.

Ваш выигрыш принесет выгоду не только вам! Если букмекер неправильно сделает прогноз и рассчитает вероятности, он рискует остаться без маржи и активов. Поэтому при прогнозе учитывать надо большое количество факторов. Коэффициенты и спортивное прогнозирование – вот вам и предметное поле искусственного интеллекта!

Сложностью вычислений и многовариантностью уже не удивишь, это просто цифры. А точное прогнозирование требует анализа огромного объема информации. Это как интуиция, только в миллионы раз мощнее!

Нейронное прогнозирование в футболе

За успешными примерами применения ИИ в букмекерстве далеко ходить не надо. В лаборатории Университета Лозанны три аспиранта создали технологию на основе искусственного интеллекта, которая предсказывала результаты матчей Евро-2016. Трио футбольных оракулов разработало методы прогнозирования футбольных матчей, которые в разы точнее машинного прогнозирования!

Их система учитывает личную эффективность отдельных участников, поэтому в расчет берется большее количество переменных, в то время как обычные программы анализируют продуктивность всей команды.

Вероятности исхода событий анализируются с помощью байесовского вывода. Проще говоря, этот статистический метод позволяет понять, насколько прогнозу доверяют. Во внимание берутся неопределенные факторы, которые могут неожиданно влиять на исход соревнований. Например, наличие нового игрока в сборной или неизвестный противник команды. 

Совет

Недавний пример: футбольный матч Исландия — Португалия на чемпионате Евро-2016. Вероятность победы Португалии была очевидна. Но ведь команду Исландии впервые увидели на серьезном чемпионате мирового масштаба.

Читайте также:  Суперкомпьютер из китая будет использоваться для проектирования городов

Поэтому результат матча, с точки зрения нейропрогнозирования, мог быть очень неожиданным. Это учитывается в коэффициентах новой системы. Ко всеобщему удивлению, матч закончился ничьей.

Искусственный интеллект против общественного мнения — 1:1! 

Пока букмекеры мира использовали накатанную схему и ориентировались на коллективный разум, технология швейцарских ученых работала как часы!

На сайте системы kickoff опубликованы результаты прогнозирования за период Евро-2016. Точность предсказаний — 80%. Эта программа перевернула сферу спортивного прогнозирования!

Прогнозирование результатов футбольных матчей от IT-корпораций 

Теперь давайте от стартапа перейдем к IT-гигантам. Они тоже не остались в стороне от футбола и показали мощь ИИ в альтернативной сфере.

Корпорация Microsoft запустила облачный сервис Cortana Intelligence Suite, который сразу же выдал успешное предсказание — Франция победила Румынию с результатом 2:1 на открытии футбольного чемпионата Евро-2016.  

Настолько точный прогноз Cortana Intelligence Suite — результат обработки гигабайтов информации об участниках чемпионата. Предыдущие игры, эффективность игроков, вместе и по отдельности, их травмы. Также анализирует новостной контент и публикации в социальных медиа.

Попадая в сервис, информация находится в процессе постоянного обновления. Таким образом, прогнозирование футбольного матча составляется на базе самых актуальных данных.  

Источник: https://bett-market.com/iskusstvenniy-intellekt-i-bukmekerstvo-neyronnie-seti-dlya-prognozirovaniya-sportivnih-sobitiy

Спортивный интеллект. Новые технологии помогают выигрывать матчи | Технологии

С тех пор как Бин привел к победе команду в Супербоуле, системы анализа начали активно развиваться во всех видах спорта. По данным аналитического агентства WinterGreen Research, в 2014 году рынок цифровой спортивной аналитики составлял $125 млн, а к 2021 году он составит $4,7 млрд.

Другие командные виды спорта по своей сути почти ничем не отличаются: те же физические законы и теория вероятности. Если грамотно использовать нашу технологию, то повысить результаты команды более чем реально.

Она помогает решить две задачи: подобрать оптимальных игроков и максимизировать их полезность за счет правильного соотношения сильных и слабых сторон.

Обратите внимание

Все сводится в простую математическую задачу, решить которую в реальном мире довольно сложно.

Насколько велики возможности искусственного интеллекта — все ли можно предсказать?

Все предсказать невозможно, особенно в спорте, где есть большая доля везения, удачи, психологический фактор. Например, команда может выиграть матч на чистом кураже.

Технологии позволяют предсказать исход встречи с вероятностью процентов 60%, особенно когда идет серия игр и мы постоянно отсматриваем и фиксируем эффективность игроков, звеньев, команды против конкретного соперника.

В отличие от человека система способна обрабатывать большое количество данных и объективно оценивать действия игроков и команды. Матч анализируется с помощью компьютерного зрения и машинного обучения, таким образом на результат не влияют субъективные факторы и какой-либо эмоциональный контекст.

Мы собираем более 1 млн строк данных с одного матча, что дает гибкость в подсчетах любых нестандартных показателей.

Затем мы анализируем и визуализируем результат так, чтобы пользователю было максимально удобно и интуитивно понятно.

При этом система портативна, что позволяет не устанавливать громоздкое оборудование на арене, а быстро и оперативно развернуть ее для съемки матчей, в том числе и выездных.

Развитие искусственного интеллекта позволит в будущем учитывать психологические факторы?

Психология — конкретная наука со своими методами и принципами. Искусственный интеллект не может испытывать эмоции и чувства, но думаю, что в будущем будет распознавать паттерны поведения человека. Таким образом, при общении с машиной у человека будет создаваться иллюзия «человечности». Но это лишь иллюзия.

Важно

Робот выбирает подходящую модель общения, следуя заложенным «при сборке» алгоритмам. С чувствами все иначе: каким бы комфортным ни было общение, искусственный интеллект невозможно научить любить или испытывать эмоции.

Другими словами, если вам кажется, что робот понимает вас с полуслова, значит, разработчики хорошо постарались и тщательно подобрали алгоритмы.

А человек еще не достиг предела возможностей за сотню лет игры в хоккей?

Нет предела совершенству. За последние 30–40 лет эффективность тренировок постоянно росла. Если бы сейчас нынешняя сборная России по хоккею играла против золотого состава сборной СССР, то шансов у советских хоккеистов было бы мало.

Многие легендарные тренеры советских сборных постоянно искали возможность получить данные и аналитическую информацию, но, к сожалению, у них не было такой высокотехнологичной системы. Функционально современные спортсмены готовы на порядок лучше.

Роль тренера играла важную роль как тогда, так и сейчас. Большие данные — это лишь мощный инструмент в руках тренера, помогающий привести команду к победе.

Современный тренер открыт новым идеям (в том числе и технологическим), это интеллектуал с аналитическим складом ума, который использует современные инструменты для повышения эффективности своей команды.

Почему вы инвестировали в создание этого сервиса? Раньше вы занимались совсем другим — смартфон YotaPhone, блокчейн-платформы Ethereum.

Меня интересует не конкретная сфера, а проекты, за которыми стоят прорывные инновации. Особенно интересны продукты, которые меняют нашу жизнь и являются связующим звеном между цифровым и реальным миром. В 90-е я инвестировал в ERP-проекты, с 2000-х вкладываюсь в интернет-стартапы и облачные технологии.

В 2015 году я инвестировал в Iceberg, который работает на стыке технологий искусственного интеллекта, машинного зрения и анализа больших данных. Iceberg оцифровывает и накапливает большой массив данных, обрабатывает его и получает уникальную аналитику. Задача проекта — сделать хоккей более «умным», зрелищным, а значит, и более популярным.

Совет

Вообще, спортивная аналитика является одним из быстро растущих сегментов хайтек-индустрии, поэтому я вложился в этот проект.

Считаете ли реальной угрозу человечеству со стороны искусственного интеллекта?

Да, искусственный интеллект может угрожать — множеству профессий и даже отраслей бизнеса. Если верить исследованию PwC, в начале 2030-х автоматизация загонит в зону риска 38% всех рабочих мест в США, первыми «пострадают» рутинные профессии.

По подсчетам экспертов ВЭФ, число рабочих мест сократится на 7 млн уже к 2020 году. А футуролог Дик Пельтье предупреждает: к 2040 году машинные технологии займут более половины всех рабочих мест в мире.

И тут проблема будет не в том, чтобы обеспечить этих безработных едой, одеждой и кровом — скорее всего, это у них будет. Я уверен, что появятся новый рабочие места, но они будут требовать другую экспертизу и умения.

Проблема будет в другом: чем этих безработных занять, если они не захотят переучиться и заняться чем-то полезным обществу, но при этом актуальным.

Есть футуристическая теория, что в какой-то момент искусственный интеллект выйдет из-под контроля человечества, но я в эту историю не очень верю. Помимо угрозы, есть вопрос морали и этики. Например, введение беспилотных автомобилей на реальной дороге предполагает немало рисков.

Как беспилотник будет решать, что делать, если у него отказали тормоза: сбивать пешехода или рисковать жизнью пассажира, съехав с дороги? Да, компьютер делает расчеты и оценивает риски, но как принимать решение непосредственно на дороге? Как вести себя при неизбежном ДТП: сбивать людей на остановке, пешеходов на зебре или врезаться в машину слева, где двое детей?

Разработчики создают и развивают важные для нашей жизни технологии, а вот как их применить, зависит от нас — насколько конкретный человек и общество в целом зрелые.

Обратите внимание

Если зрелые, то использовать инновации будем во благо, если нет — во зло. Сами по себе технологии нейтральны.

Меня беспокоит существующее положение дел, если мы останемся на прежнем уровне, то есть большой риск, что все закончится войной.

Разработка и применение идут плечом к плечу: даже безупречный с виду прототип содержит недостатки, которые можно выявить лишь на практике.

Мы научили искусственный интеллект математическим расчетам, привили ему отличную память и логику — в этом он уже превзошел человека и во многом его выручает. Но в эмоциях, смекалке, понимании чувств он не может с нами сравниться.

Поэтому чтобы не приходилось упрекать искусственный интеллект в игнорировании морально-этических устоев, нужно разрабатывать технологии, максимально контролируемые человеком.

Источник: http://www.forbes.ru/tehnologii/360939-sportivnyy-intellekt-novye-tehnologii-pomogayut-vyigryvat-matchi

Искусственный интеллект предсказал итоги ЧМ по футболу 2018

Уже завтра в России начинается чемпионат мира по футболу 2018 года. Трудно найти тех, кто не готовится к этому событию: кафе срочно закупают большие экраны для проведения прямых трансляций, главные улицы городов украшают футбольной тематикой, болельщики уже давно купили билеты на матчи.

Вместе с ними готовятся и букмекеры, ожидающие большого наплывала любителей спорта и ставок.

Недавно ко всем вышеперечисленным решили добавиться и ученые, которые с помощью искусственного интеллекта предсказали итог чемпионата. В своем исследовании ученые проанализировали подходы, которые используют букмекеры для определения коэффициентов.

Важно

Напомним, что для предсказаний букмекеры моделируют матчи всех команд. Согласно этим данным, Бразилия победит в финале ЧМ-2018 года с вероятностью 16,6 процента, Германия — 15,8 процента, а Испания — 12,5 процента.

После этого в букмекерских конторах выводят статистическую модель, основанную на четырех факторах: рейтинг Elo, результаты квалификационных матчей, успехи в предыдущих чемпионатах мира и домашнее преимущество.

Если учитывать эти данные, то итоги финала меняются: 24 процента на победу Германии, 19,8 процента Бразилии и 16,1 процента Испании.

В своем исследовании ученые оценили все известные методы, и на основе их разработали свой.

При этом учитывалось 16 факторов, которые влияют на успех команды. Среди самых значимых оказались: экономические факторы (популяция и ВВП), спортивные факторы (вероятность победы от букмекера, рейтинг FIFA), командные факторы (средний возраст игроков, количество игроков Лиги чемпионов, количество легионеров) и тренерские факторы (возраст, национальность и продолжительность карьеры).

Полученные данные загрузили в Random forests — алгоритм машинного обучения, который использует выжимки из основных методов прогнозирования.

Искусственный интеллект изучил 7000 матчей 228 сборных команд. Выбранный метод позволил предсказать результаты каждого матча футбольного чемпионата, а также получить вероятность победы для каждой станы.

Согласно графику, с вероятностью 17,8% кубок получит сборная Испании. У команд, расположенных ниже по списку, вероятность ниже. Например, у Германии, на которую рассчитывают большинство букмекеров, 17,1%, у Бразилии — 12,3%.

Совет

Если искусственный интеллект правильно оценил силы наших футболистов, то вероятность того, что сборная России станет чемпионом, равна 0,1%.С вероятность в 50,4% наша национальная сборная выйдет из группы, но четвертьфинальную игру пройти, вероятно, не получится.

Как видно из таблицы, прогнозируемый чемпион Испания выйдет из группы на матч с Уругваем, Россией, Саудовской Аравией или Египтом, а вот Германии достанется более сильный соперник (Бразилия, Швейцария, Сербия или Коста-Рика).

Этот решающий факт и поможет Испании вырваться вперед, считают ученые и искусственный интеллект.

Ниже схематично показан самый вероятный сценарий развития событий на чемпионате мира по футболу 2018 года от искусственного интеллекта.

Скоро мы сможем убедиться, прав ли был ИИ.

Источник: https://www.ridus.ru/news/278042

СМИ: Россия развивает искусственный интеллект

Москва, 24 мая 2018, 19:16 — REGNUM  Предлагаем вашему вниманию перевод статьи Джин Дагерти и Молли Джей, опубликованную The Wilson Quarterly.

«1 сентября 2017 года. Первый учебный день в России, День знаний, президент Владимир Путин в эфире федерального канала говорит с подростками о будущем.

«Искусственный интеллект — это будущее не только России, это будущее всего человечества. Здесь колоссальные возможности и трудно прогнозируемые сегодня угрозы. Тот, кто станет лидером в этой сфере, будет властелином мира».

Затем, в марте этого года на финише кампании по переизбранию Путина, он делает жесткое заявление в своем ежегодном послании Федеральному собранию: «Скорость технологических изменений нарастает стремительно, идёт резко вверх. Тот, кто использует эту технологическую волну, вырвется далеко вперёд. Тех, кто не сможет этого сделать, она — эта волна — просто захлестнёт, утопит».

«В кратчайшие сроки нам необходимо создать передовую законодательную базу, снять все барьеры для разработки и широкого применения робототехники, искусственного интеллекта, беспилотного транспорта, электронной торговли, технологий обработки больших данных.»

Приведут ли эти звучащие на самом высоком уроне призывы к тому, что Россия однажды будет на равных соревноваться с признанными лидерами в области ИИ? У этого могут быть далеко идущие последствия, учитывая тот факт, что уже сейчас технология используется в самых разных сферах и непосредственное ее применение может быть как полезным, так и вредоносным.

В недавней пропагандистской кампании в социальных сетях, при помощи которой Россия пыталась повлиять на результаты выборов на Западе, использовались относительно базовые технологии ИИ, но и этого оказалось достаточно для создания определенного эффекта.

Неизвестно, сможет ли Россия сравняться с топ игроками в области ИИ, но другие столицы, от Вашингтона до Пекина, внимательно следят за усилиями Москвы.

Читайте также:  Глубокое обучение и автономия ускорят рождение нового автомобильного рынка

На сегодняшний день бесспорные лидеры в области искусственного интеллекта — США и Китай. Если сравнивать размеры инвестиций трех стран в эту сферу, российское правительство сильно уступает. По данным cnews.

ru, издания о высоких технологиях, размер рынка ИИ/машинного обучения в России в 2017 году составлял менее 12 миллионов долларов. Предполагается, что к 2020 году он должен вырасти, и значительно, до 460 миллионов долларов.

Обратите внимание

Но даже эта цифра крайне мала по сравнению с 7,4 миллиардов долларов, которые Пентагон направил в прошлом году на развитие ИИ и такие смежные области, как большие данные и облачные вычисления.

Китай стремительно догоняет США в этой сфере. Пекин объявил о строительстве технопарка по развитию искусственного интеллекта, предполагаемый объем инвестиций в который составляет 2,12 миллиардов долларов. Планируется, что к 2020 году стоимость рынка ИИ в Китае достигнет 24 миллиардов долларов, а в последующие пять лет эта цифра как минимум удвоится.

Источник: https://regnum.ru/news/2420769.html

Искусственный интеллект как оракул ЧМ-2018 по футболу в России

Искусственный интеллект как оракул ЧМ-2018 по футболу в России

Чемпионат мира FIFA по футболу в России – это уникальное событие, которое в жизни каждого из нас произойдёт лишь однажды – здесь и сейчас. Даже если вы не являетесь футбольным фанатом, вы не сможете остаться в стороне от его сумасшедшей энергетики и царящей атмосферы всеобщего веселья.

И даже на ЧМ-2018 – на фоне естественных сильных эмоций, натуральных ярких впечатлений и настоящего праздника – не обошлось без использования технологий искусственного интеллекта, с помощью которого уже предсказаны результаты турнира.

Многие наверняка помнят, что во время ЧМ-2010 по футболу в ЮАР исход всех матчей с участием сборной Германии абсолютно точно предсказал осьминог Пауль, обитавший в океанариуме Оберхаузена.

Примечательно, что после предугаданного поражения Германии в матче с Испанией знаменитого предсказателя обвинили в «предательстве национальных интересов», но потом ему все-таки подарили копию Кубка мира по футболу, а после смерти в октябре 2010 года на территории Центра морской жизни даже открыли памятник – в виде осьминога на футбольном мяче с прахом самого Пауля внутри.

Но прогресс не остановить, как и любовь к прогнозам не искоренить, и вот на ЧМ-2018 роль оракула досталась уже искусственному интеллекту: нейросети разных стран, охваченных футбольной лихорадкой, определяют наиболее вероятного победителя нынешнего чемпионата.

Немецкие и бельгийские ученые из технических университетов Дортмунда, Мюнхена и Гента для предсказания результатов ЧМ-2018 разработали нейронную сеть, использовав для её обучения алгоритм «случайного леса», применяемого в статистике и изучении данных для прогнозирования. В основу были положены результаты ЧМ по футболу с 2002 по 2014 годы.

Сначала нейросеть – с учетом таких данных, как ВВП, население страны, рейтинг национальных сборных, официальные ставки/коэффициенты букмекеров, особенности футбольных команд (время, в течение которого они выступают вместе, сколько игроков сборной играют в одном клубе, средний возраст игроков и число выигранных Лиг чемпионов) – в качестве победителя с вероятностью 17,8% выбрала Испанию. На втором месте шла Германия с показателем 17,1%, третье место с 12,3% сеть отвела сборной Бразилии.

Важно

Однако после изучения ста тысяч моделирований ИИ пришел к другому выводу: наиболее вероятный сценарий развития турнира выведет в лидеры Германию, но лишь в том случае, если в четвертьфинале она одолеет сборную Испании. В целом путь немцев к этой стадии окажется трудным, и они могут выбыть из турнира с более высокой вероятностью, чем испанцы.

А вот у сборной России, по прогнозам этой нейросети, немного шансов дойти до ¼ финала. Увы нам: с вероятностью 87% – это самый высокий процент из всех пар первого круга плей-офф – россиянам предсказан выход в 1/8 финала, где наши футболисты встретятся с испанцами и проиграют им. Вероятность выхода нашей сборной в полуфинал турнира оценивается в 2,4%, а в финал — лишь в 0,4%.

Выводы нейросети, созданной молодым ученым-физиком из Пермского госуниверситета (о чем сообщил сайт ПГНИУ), на первый взгляд, совпадают с европейским ИИ: по расчетам Виктора Закопайло, удача в финале ЧМ-2018 улыбнется сборной Германии. Данные для обучения сети были взяты из сведений о прошедших ЧМ по футболу 2006-2014 годов.

Шансы сборных рассчитывались ученым с опорой на такие факторы, как место сборной на отборочном этапе ЧМ (самый значимый, по мнению автора, параметр), место в рейтинге ФИФА, рейтинг сборной, стоимость и средний возраст игроков, свой-чужой тренер, возраст тренера, число травмированных футболистов.

По совокупности параметров в тройку фаворитов ЧМ-2018 вошли сборные Германии, Бразилии и Аргентины.

А как же Испания и Франция? И почему отечественный искусственный интеллект столь непатриотично сборной России присвоил 27-е место из 32 возможных, посчитав, что российские футболисты даже не выйдут из группы?

Хотя точность прогнозов ИИ на тестовом материале составила более 80%, мы-то с вами знаем, что сборная Россия не только уже обеспечила себе выход из группы, но и поборется 25 июня с футболистами Уругвая за выход в плей-офф с первого места в группе А.

В этом отношении больший процент попаданий у симуляторов. Скажем, EA Sports, просимулировав ЧМ-2018 в России при помощи видеоигры FIFA 18, вывела в чемпионы мира сборную Франции, которая в финале сыграла вничью с Германией в основное и дополнительное время (1:1). В серии пенальти подопечные Дидье Дешама оказались сильнее немецкой команды (4:3).

Совет

Примечательно, что по этой версии сборная России сумела преодолеть групповой этап, выйдя в плей-офф с командой Уругвая (и это уже сбылось!). А вот в 1/8 финала по версии FIFA 18 россияне уступили Испании со счетом 1:3 (и вот в то, что это реально произойдет, верить совсем не хочется).

Все-таки недаром исследователи отмечают, что к такого рода прогнозам нейросетей стоит относиться с большой долей скепсиса, ведь предельно точно предсказать результаты турнира невозможно, ибо нельзя учесть все факторы и определить, какие из них и в какой степени действительно оказывают влияние на результат.

Значение имеет всё – от погоды до состояния газона, от настроения судьи до удалений в течение матча. Случай и удача могут радикально повлиять на исход матчей мундиаля, что итоги многих групповых матчей и подтверждают.

Поэтому – во всяком случае, пока – с гораздо большим доверием и интересом люди относятся к исследованиям аналитиков с естественным интеллектом и проверенными инструментами обработки Big Data. Верят своим глазам и делятся собственными впечатлениями.

Скажем, команда аналитического центра Brand Analytics для исследования в духе «Невероятные приключения иностранцев в России» проанализировала почти 5 млн сообщений о мундиале в соцсетях на всех языках, кроме русского, и 1,7 млн русскоязычных сообщений, опубликованных за первые пять дней чемпионата пользователями социальных медиа (14-18 июня).

Источник: http://iteco.vestifinance.ru/iskusstvennyjj_intellekt_kak_ora

Команда искусственных интеллектов тысячелетиями играла в Dota 2. Теперь она почти не уступает людям-профессионалам — Meduza

Команда сотрудников OpenAI играет в Dota2 против искусственного интеллекта

Некоммерческая организация OpenAI, одним из основателей которой был Илон Маск, рассказала про команду из пяти нейросетей, обученных играть в стратегию Dota 2 — причем делать это почти на профессиональном уровне. Для этого потребовались огромные вычислительные мощности и тысячи виртуальных лет тренировок. Оно и понятно: Dota 2 во многих отношениях сильно сложнее шахмат или го.

Dota 2 — одна из самых популярных компьютерных игр современности. Это стратегия в реальном времени, где две команды игроков воюют за контроль над территорией на ограниченной карте. Каждый из десяти игроков управляет своим героем: его нужно «прокачивать», убивая монстров и вражеских персонажей, и собирать для него предметы, дающие бонусы.

Сложность Dota 2 — в ее вариативности. Доступных героев в игре больше сотни, у каждого свои характеристики, сильные и слабые стороны. В OpenAI подсчитали: средний матч длится около 45 минут, это 80 тысяч кадров игры (по 30 кадров в секунду). Их алгоритмы анализируют каждый четвертый кадр, то есть по 20 тысяч шагов за игру.

Обратите внимание

В шахматах, для сравнения, партии обычно длятся меньше 40 шагов, в го — меньше 150. При этом на каждом шаге алгоритму нужно выбрать одно из примерно тысячи возможных действий для героя и принимать решения молниеносно; в шахматах и го можно подумать, а среднее количество доступных действий на каждом шаге — десятки и сотни.

Еще одна сложность: в Dota 2 игровое поле закрыто «туманом войны», поэтому игроки не могут увидеть, что делают их соперники — только то, что происходит вокруг их собственных персонажей и союзников. В тех же шахматах и го стратегия соперника видна в любой момент. Ах да, еще для Dota 2 каждые две недели выходит обновление, слегка меняющее геймплей.

При этом умение играть в стратегии вроде Dota 2 и Starcraft лучше людей считается одним из важнейших этапов в развитии искусственного интеллекта: условия тут сильнее приближены к реальному миру, чем в шахматах или го. Поэтому в OpenAI работают над ботами, которые совершенствуются в Dota 2.

900 лет тренировок в день

Первую демонстрацию такого бота компания провела в 2017 году: тогда нейросети удалось обыграть профессиональных игроков в матчах один на один. После этого OpenAI занялась развитием сразу пяти ботов, которые смогли бы побеждать в классическом режиме против пяти живых игроков.

Компьютерная команда получила название OpenAI Five. Алгоритмы развиваются с помощью самообучения: изначально они ничего не знают о стратегиях игры (им, например, не показывали записи игр людей), но с каждым новым матчем программы приобретают новые знания.

Так, во время первых игр герои бесцельно ходили по карте. Через несколько часов тренировки они уже начали понимать основные концепции игры — линии атаки (их в Dota 2 три), фарминг (убийство слабых монстров для накопления золота) и битву на миде — в центре карты.

Через несколько дней OpenAI Five начали обучаться базовым стратегиям, которые используют живые игроки.

Во время тренировок боты играют сами с собой и с прошлыми версиями себя. За один астрономический день каждая из пяти нейросетей симулирует 180 лет игры (получается по 900 лет на команду в день).

Для таких расчетов приходится использовать мощную облачную систему — 128 тысяч процессорных ядер и 256 видеокарт.

Как следствие, OpenAI Five умеет принимать решения очень быстро: боты делают по 150-170 действий в минуту, а на то, чтобы принять решение на каждом из 20 тысяч шагов партии, тратят в среднем всего 80 миллисекунд. Как говорят в OpenAI, это меньше, чем уходит на принятие решения у игроков-людей.

Как OpenAI Five играет в Dota 2

OpenAI

Важно

Время реакции важнее во время игры один на один, пишут в OpenAI; в классическом же режиме многое зависит от командной работы. Здесь каждая из пяти нейросетей работает почти независимо от остальных: они не общаются друг с другом, но следят за общим параметром, который назвали «командный дух». Этот параметр определяет, какие задачи для героя будут важнее — его собственные или командные.

Чтобы успешно обучаться, нейросети нужно знать, каким был результат ее действий — положительным или отрицательным.

Для этого OpenAI выработали систему «наград»: за полученный опыт, заработанное золото, нанесенные удары и так далее герой получает очки. Его цель — получить больше очков.

Но чтобы противоборствующие боты не вступали во взаимовыгодные отношения, разработчики вычитают из «награды» героя очки, заработанные его соперником.

Первые победы

В мае и июне 2018 года OpenAI провела серию игр, в которых OpenAI Five противостояла командам из живых людей. И нейросети показали удивительно хорошие результаты!

В первую команду, с которой сразились боты, вошли пять лучших игроков в Dota 2 среди сотрудников OpenAI. Это не очень сильная команда, и в середине мая OpenAI Five выиграла один матч и проиграла другой.

А всего через три недели боты смогли обыграть не только эту команду, но и две другие: в одной был Blitz, бывший профессиональный игрок в Dota 2, теперь популярный стример, а в другой — сотрудники Valve, издателя стратегии.

Эти успехи примечательны тем, что в новых командах были люди, играющие лучше 90-99% всех игроков Dota 2.

Наконец, OpenAI устроили для своих ботов две сессии по три матча против любительской и полупрофессиональной команд. Оба раза OpenAI Five удалось неожиданно выиграть две из трех игр.

Чтобы достичь профессионального уровня, команде нейросетей приходится много развиваться: упомянутые выше игры проходили при ряде ограничений, которые дают компьютерам фору. Так, все команды состояли из одного и того же набора из пяти героев, а игрокам не разрешалось использовать заклинания невидимости и иллюзии и надевать определенные артефакты.

Разработчики обещают улучшить алгоритмы, чтобы не пришлось вводить эти ограничения. 28 июля OpenAI проведет прямую трансляцию игры своей виртуальной команды против профессионалов. Следить за ней можно будет на Twitch.

Источник: https://meduza.io/feature/2018/06/27/komanda-iskusstvennyh-intellektov-tysyacheletiyami-igrala-v-dota-2-teper-ona-pochti-ne-ustupaet-lyudyam-professionalam

Ссылка на основную публикацию