محرك بحث عن تشابه لاعبي كرة القدم المتميزين مدعوم بالذكاء الاصطناعي
يفخر فريق شركة Comparisonator ويسعده أن يقدم محرك البحث الجديد الخاص به عن تشابه لاعبي كرة القدم المحليين الذي طوره مهندسو الذكاء الاصطناعي التابعون له، وهو نتيجة محسنة لجهود البحث والتطوير التي استمرت لمدة عام.
العثور على “التوائم” في أسلوب اللعب والملامح الشخصية للاعب كرة القدم الذي تستفسر عنه حول العالم.
يفضل الكشافون دائمًا التفكير بمصطلح “التشابه” أثناء البحث عن المواهب، سواءً كان ذلك بالنسبة للاعبين الناشئين في فرق الشباب أو اللاعبين المرشحين للانتقال إلى دوري الدرجة الأولى. ومع ذلك، فإن هذه مهمة مرهقة أكثر مما تبدو عليه، حيث أن مفهوم “التشابه” مسألة ذاتية للغاية. وبعيدًا عن التحليلات الرياضية، وبسبب هذا الافتقار إلى الشمولية، تشكل قياسات التشابه أحد أكثر المجالات الفرعية تعقيدًا في جميع التطبيقات الرياضية.
خوارزمية ثورية
لقد ركز فريق Comparisonator بشكل خاص على إيجاد لاعبين ذوي أساليب لعب متشابهة باستخدام مؤشرات رقمية على أرض الملعب. لقد كنا على دراية بدرجة عالية من الطلب من خلال مناقشاتنا المسبقة مع العديد من كبار الكشافين في جميع أنحاء العالم. لذلك، تم تعبئة فريق عمل الذكاء الاصطناعي لدينا لتطوير منتج مُرضٍ منذ حوالي عام. لقد اخترنا استخدام أحدث تقنيات التعلم العميق وعلوم البيانات، مما أدى إلى بنية واعدة ومبتكرة؛ سواء لعملائنا أو للأبحاث الأكاديمية في مجال الذكاء الاصطناعي.
دائمًا ما يكون الكشافون والمحترفون في صناعة كرة القدم جزءًا لا يتجزأ من تطوير كل منتج من منتجات Comparisonator من خلال ملاحظاتهم القيمة، وهو ما ينطبق أيضًا على خوارزمية تشابه الذكاء الاصطناعي الخاصة بنا. وبفضل هذه الدورة الإنتاجية الرشيقة، يتم ضبط معلمات خوارزميتنا إلى حد الكمال.
أكثر تعقيداً من الوضوح: أسلوب اللعب
في قلب خوارزميتنا يكمن هدفنا في أن نكون قادرين على توصيف شيء معقد وذاتي بطبيعته: أسلوب اللعب. يبدو أنها مهمة غير معقدة وسريعة للغاية بالنسبة لوكلاء كرة القدم المحترفين أو الجمهور العادي للربط بين أساليب لعب اللاعبين: ‘… هذا الظهير الأيمن يذكرني بيساكا من مانشستر يونايتد …” لسوء الحظ، هذا تحدٍ طموح لعلماء الكمبيوتر ليكونوا قادرين على تطوير مثل هذا الشيء باستخدام بيانات إحصائية كبيرة للاعبي كرة القدم. لهذا السبب قمنا بتطوير خوارزمية مؤشر تشابه Comparisonator باستخدام أحدث محرك للتعلم العميق كنواة أساسية لها. كما ذكرنا سابقًا، يُعد أسلوب اللعب مفهومًا ذاتيًا. ويمكن أن يختلف بشكل كبير من كشاف إلى آخر. يضمن نهجنا المعقد للتعلم العميق تقليل هذا التحيز، مع محاولة الكشف عن الأنماط الخفية غير الواضحة في أسلوب اللعب في نفس الوقت.
بنية التعلم العميق لدينا
في هذه الفقرة، سنعرض بإيجاز نهجنا، وأنواع البيانات المستخدمة، وهيكلية جهاز الترميز التلقائي للتعلم العميق وطريقة تحديد كمية تشابه لاعبي كرة القدم. نظرًا للسرية التجارية، فإننا لا نحدد صراحةً أسماء الميزات الإحصائية ومعلمات بنية التعلم العميق المستخدمة.
أولاً، نتوقع أن يكون اللاعب قد لعب ما لا يقل عن 720 دقيقة على الأقل في الملعب خلال الفترة المقصودة (موسم أو نصف موسم)، حتى نتمكن من الحصول على بيانات إحصائية كافية ذات مغزى.
يتمثل العمود الفقري لخوارزميتنا في خوارزمية ذاتية التشفير التلقائي المتغير العميق، حيث تتضمن أيضًا كتلًا تفاعلية/فك التحويل لتشفير البيانات المكانية. تم تصميم البنية بشكل صارم، من خلال اختيار محدد لعمق عرض الطبقات، ووظائف التنشيط الأكثر ملاءمة، ونظام التدريب وضبط المعلمات الفائقة.
إلى جانب حداثة البنية، تم بذل جهد كبير مماثل في اختيار وهندسة الميزات. لقد حددنا أفضل مجموعة من الميزات المكانية وغير المكانية وتنظيمها ومعالجتها المسبقة المناسبة في النموذج.
يوجد المزيد من الابتكار أيضاً في الخطوة الأخيرة من خوارزميتنا: الاستخراج الإحصائي للتضمينات من الطبقة المتغيرة والتقليل الفعال للأبعاد مع المنهجية المناسبة لقيم السياق الدلالي الكلي هذه. وأخيراً، يتم قياس أوجه التشابه بين اللاعبين بناءً على هذه المجموعة النهائية من المعلومات المختزلة.
تستخدم الخوارزمية أحدث تقنيات الذكاء الاصطناعي لتعيين لاعبي كرة القدم ذوي الملفات الشخصية المتشابهة في أسلوب اللعب معًا؛ بدلاً من الأخذ مباشرةً بمقاييس الأداء البسيطة والتنافسية في الدوري والعمر والتقييم وما إلى ذلك. ومن ثم، فبدلاً من مطابقة أفضل اللاعبين مع أقرانهم من أفضل اللاعبين في العالم أو باستخدام إحصائيات رئيسية بسيطة مثل الأهداف أو الأهداف أو التمريرات الحاسمة؛ تتعلم خوارزمية التعلم العميق الخاصة بنا ملفاً شخصياً شاملاً معقداً للغاية داخل اللعبة للاعب كرة القدم. وهذا يسمح للكشافين بإجراء استفسارات مثيرة للاهتمام مثل لاعب شاب وبأسعار معقولة، يتنافس في دوريات منخفضة المستوى؛ والذي لديه ملف شخصي عام داخل اللعبة مثل ميسي. أو في حال فقد فريق ما لاعباً معيناً بسبب الانتقال أو الإصابة أو الأداء المنخفض؛ يمكن للكشافين إنشاء قائمة بالمرشحين الذين لديهم أسلوب مطابق له ليحلوا محله
الخطوط العريضة لبنية التعلم العميق وتقنية قياس التشابه لدينا
