Высокие технологии проникают в большой спорт. В частности, в командных состязаниях большие перспективы открываются перед системами компьютерной аналитики. Стартап из Торонто ICEBERG c отделом R&D в Москве поставил себе целью изменить будущее всеми нами любимого хоккея благодаря системе аналитики, построенной на базе компьютерного зрения и искусственного интеллекта (ИИ).
До последнего времени революция анализа данных проходила мимо хоккея, потому что скорость и сложность этого вида спорта не позволяли проводить тщательный анализ данных относительно позиций игроков и их активности на льду. Однако Александр Мартынов, директор ICEBERG, видит в этом рынке большие возможности для развития. «Я уверен, что анализ данных имеет огромное значение для каждой индустрии, и меня удивило, что в бейсболе и футболе подобные системы анализа уже существуют, в то время как в хоккей и другие виды спорта они еще не пришли», - говорит Александр.
В 2014 году Александр ушел из банка Торонто, где работал аналитиком, и направил свои аналитические и статистические знания на любимый спорт. С финансовой поддержкой отца и при помощи нескольких хоккейных фанатов из России и Канады Александр начал собирать и анализировать данные по хоккейным матчам с помощью компьютерного зрения и машинного обучения. Сейчас в компании работают 25 человек, часть из которых находится в главном офисе Торонто, а часть – в московском отделении исследований и разработок.
Название стартапа ICEBERG (Айсберг) символизирует огромное количество данных, скрытых под находящейся на всеобщем обозрении статистике о голах и ударах по воротам. Команда проекта, состоявшая изначально из пяти человек, разработала алгоритмы, использующие видео с трех камер, формирующее панорамный обзор хоккейного матча. Часовая игра превратилась в миллионы замеров, которые хоккейная команда может проанализировать, чтобы отточить стратегию игры.
На первом этапе работы с информацией используется компьютерное зрение для отслеживания объектов (игроки, соперники и шайба), опознания игроков по цвету формы и номерам и определения местоположения шайбы. Последнее – довольно серьезная задача, учитывая, что шайба может летать со скоростью свыше 160 км/ч.
Затем алгоритм машинного обучения регистрирует события, такие как удары, пасы, блокировки и владение шайбой. На основе этих событий создается база данных, которую можно интерпретировать для клиентов. А среди клиентов компании уже более 20 команд – участниц многочисленных мировых лиг, включая клуб НХЛ New York Islanders.
Клиенты получают доступ к визуализированным данным через облачный портал. Графические процессоры NVIDIA, работающие на базе облачной платформы Microsoft Azure, выполняют тяжелые вычисления и обучают нейросети, лежащие в основе алгоритмов ICEBERG.
«С такой работой намного лучше справляются графические процессоры», – говорит Александр Мартынов. Также он отмечает, что в случае GPU задержки намного ниже, чем при использовании CPU, что в конечном итоге экономит бюджеты. Графические процессоры также применяются проектом для инференса. Компания начала тестировать cuDNN полгода назад для совершенствования модели машинного обучения и обучения нейросетей, чтобы лучше определять события по координатам, что, по словам Алекса, совсем нетривиальная вещь.
Благодаря аналитической системе ICEBERG команды смогут лучше разбираться в разных игровых моментах, например, где нападающие наиболее опасны, где вратари чаще всего пропускают шайбу или в какой момент иссякают силы игрока. Новые технологии еще не применяется в текущем Финале Кубка Стэнли. Александр Мартынов надеется, что начнет анализировать мероприятия такого уровня уже совсем скоро. Он также планирует применить возможности ICEBERG к другим видам спорта для улучшения текущих инструментов анализа.
Копания надеется, что ее аналитические визуализации скоро станут доступны и для комментаторов. Это не только позволит им более четко и профессионально комментировать игру, но и привлечет к трансляциям новую аудиторию, которая пока с трудом успевает следить за молниеносными событиями в игре.