AI擊敗了AI目標守門員來解決如何射擊預告片

在足球比賽中接受超過1000次點球訓練的深度學習模型比現實生活中的守門員更好。

“罰球是足球中最具決定性的時刻，通常決定了主要比賽的結果” 大衛·弗里爾·奧布雷貢（David Freer-Obregon） 在西班牙的洛斯帕爾馬斯大學加拿大加拿大加拿大大學。 “儘管如此，對守門員的真實時間支持仍然是一個基於直覺的。我們想探索機器實踐是否可以評估人體身體運動的射門方向。”

因此，Freer-Obregon和他的同事在西班牙進行了皇家和電視比賽的1010點罰球。在這些剪輯中，通過模型認為640 AI被認為是分析的，其餘的被拋棄了，非常小或被阻塞。

每個夾子都被饋入22個深度學習模型，這些模型必須左，右或中間，中間或中間，中間，右或中間，是基於常見的視頻鏡頭和播放器是右腳或左腳的常見事實。

服務最佳的型號球能夠正確識別右，左或下降的52％是否已超過了比賽中46％的46％精度的46％。當研究人員刪除模型最低使用之間的選項時，模型的準確性已比提供相同信息的人類目標守門員提高到64％的10％。

Freer-Obregon說，研究人員驚訝地說：“在踢球之前，通過運動指令將如何暴露出來。”他認為，信息對於訓練中的守門員很有用，但是在比賽情況下使用AI評估更具挑戰性。

他說：“我們需要探索下一個目標的目標是，可以提前將罐子用於罰球。” “如果是這樣，則可以在保持有意義的準確性的同時保持多少此類期望。”