人工智能帮你预测对手的下一个击球

在网球比赛中，每一个人都知道，正确地预判对手的下一次击球将很大程度上决定一分甚至一场比赛的输赢。

2019年，澳洲昆士兰科技大学(QUT)的研究人员研究出了一种AI人工智能，它可以分析特定球员的击球决定，预测他们接下来可能会做什么。这或许会在很大程度上改变这项运动，包括球员和球迷。

仿生

对于职业选手来说，追踪飞行的网球不是件容易的事，因为球的速度超过了每小时200公里。职业球员通常更善于提前发现事件，事实上，他们对情境概率有更好的了解。

在预测对手的下一步行动时，球员会使用大脑中与情景记忆(与经验相关的记忆)和语义记忆(与知识和概念相关的记忆)相关的部分。

研究人员将这些信息整合到他们的AI中，称之为记忆增强半监督生成对抗网络。

在科研杂志上发表的一篇论文中，QUT的研究人员描述了他们是如何通过神经网络结合人类选手预测击球的心理过程，创造出看似具有精神的网球AI人工智能的。

这种AI人工智能系统，不仅能够预测网球对手的动作，还能根据“选手级别”的行为模式进行预测。

准备你的回球

QUT的研究人员使用了网球职业选手纳达尔、费德勒和德约科维奇在2012年澳大利亚网球公开赛男单比赛中8780次击球的数据来训练、测试和验证他们的网球AI人工智能。鹰眼跟踪系统记录了这些数据，包括了从球的轨迹、速度、角度到球员脚部运动的所有数据。

在使用大约70％的可用数据训练系统后，团队使用了大约25％的数据来测试AI对下一次击球类型（获胜、失误或重复）的预测。它能够以82.65％至89.01％的准确度预测击球类型，并且平均位置在0.93米之内。

当他们使用一个更小的数据集对该系统进行训练和测试时，他们发现人工智能的表现“没有明显的偏差”，这是惊人的。这表明该系统在没有太多数据可用的情况下也是有效的。

AI在行动

研究人员设想，在未来，像他们的系统可以给记录网球事件的摄像机增加一层智能，允许他们预测球员的下一次击球，并更有效地为观众和球迷呈现更精彩的比赛。

教练也可以使用这种类型的AI人工智能来为即将到来的比赛进行针对性的训练，帮助他们在踏入球场之前更充分地了解对手。

2019年温布尔登男子决赛持续了4小时57分钟，成为全英俱乐部有记录以来时间最长的决赛。费德勒和德约科维奇的精彩比赛，令人难忘。最后，德约科维奇获胜，球迷们争论到底是什么让这位塞尔维亚伟人最终赢得了比赛。

如果他们知道德约科维奇在温网之前就已经开始利用AI进行训练，一些优势可能来自于人工智能，会感到惊讶么？

毕竟，高手之间的对决，胜负就在一线之间！

（来源：网球之家 作者：Kristin Houser 翻译：Lynn）