آنها در حال کار بر روی الگوریتم خود برای استفاده در بازی هاکی هستند تا بتوانند به این ترتیب کاربردهای الگوریتم خود را گسترش دهند.
الگوریتم توسعه داده شده از این جهت منحصربهفرد است که از یک رویکرد کُلنِگر برای پیشبینیهای خود استفاده میکند. این الگوریتم دادههای بصری را با مکان بازیکن و نقش وی در زمین ترکیب میکند و حرکت بعدی بازیکن را پیشبینی میکند.
محققین برای اینکه الگوریتم خود را آموزش دهند، با نشان دادن بازی به آن و سپس آموزش متغیرهای مخفی در بازی، کار خود را پیش بردند. روش مورد استفاده در واقع همان چیزی است که انسانها برای کسب دانش از دیدن یک مسابقه ورزشی بهکار میبرند. این الگوریتم از یادگیری ماشین استفاده میکند و دادههای مورد نیاز خود را از ویدئوهای دیده شده استخراج میکند و سپس از این دادهها برای پیشبینی حرکات بازیکنان در یک بازی جدید بهره میبرد. نتایج استفاده از این الگوریتم در مجلهی ACM Transactions on Intelligent Systems and Technology گزارش شده است.
محققین الگوریتم خود را به نحوی توسعه دادهاند که میتواند سناریوهای محتمل در بازی آینده را پیشبینی کند و بگوید که هر بازیکن در هر موقعیت چه حرکتی انجام خواهد داد. نکتهی جالب اینجا است که پیشبینیهای الگوریتم عموماً بالای ۸۰ درصد درست از آب درمیآید.
این الگوریتم در حال حاضر تنها بر روی مسابقات والیبال عمل میکند، ولی محققین در حال یاد دادن بازی هاکی به آن هستند تا بتوانند تواناییهای الگوریتم را گسترش دهند.
الگوریتم توسعه داده شده تاکید ویژهای بر روی آنالیز دادههای ویدئویی دارد و تکنولوژی داده در آن از اهمیت خاصی برخوردار است. تیمهای ورزشی همیشه در جستجوی این هستند که بتوانند تیمهای حریف را آنالیز کرده و به بازیکنان خود اطلاعات دقیقی در مورد حریفان ارائه کنند. الگوریتم جدید این امکان را در اختیار تیمهای ورزشی قرار میدهد تا بهتر حریفان خود را آنالیز کنند و بهتر برای مسابقه آماده شوند.
علاوه بر مسائل ورزشی، پیشبینی حرکات انسانها کاربرد زیادی در بخش رابط انسان و ماشین دارد. بنابراین با توسعهی این نوع الگوریتمها میتوان به خودروهای خودران نیز کمک کرد تا در مواقع حساس تصمیمات بهتری اتخاذ کنند؛ زیرا از قبل حرکات انسانها را بهتر پیشبینی میکنند.