Tennis-mester brugte AI til at vinde Wimbledon-turneringen

Amanda Loudin skrev for OneZero om, hvordan den nuværende Wimbledon-mester Novak Djokovic brugte AI til at hjælpe ham med at vinde en hård 5-timers kamp mod Roger Federer.

Ed og Andrew Frazelle, en far-søn duo, der ejer RightChain, et avanceret supply chain-optimierings-, planlægnings- og analytics-softwarefirma baseret i Atlanta. Samtidig er Frazelles tennisenthusiaster og var nysgerrige efter at se, om deres planlægningskoncepter kunne anvendes på sporten.

Ed Frazelle kontaktede Craig O’shannessy, der driver matchanalysefirmaet Brain Game Tennis, der har arbejdet med Djokovic, blandt andre professionelle, siden 2017. Som Loudin påpeger, “analyserer han deres spillepatroner og hjælper dem med at forstå både, hvordan de kan forbedre deres egen præstation, og hvilke strategier de skal anvende mod bestemte modstandere.”

O’Shounessys partner i hans arbejde er Warren Pretorius, direktøren for Tennis Analytics, “der har udviklet en model for videoanalyse, der anvender manuel tagging, som han var pioner for i 2013.” Hans metode er at kortlægge kampe over 25 nøgleindikatorer og derefter “kombinere dataanalyse og visualisering for at udtrække kampinformation og generere nøgleord på indekseret video.”

Frazelle siger, at han mødtes med O’Shounessy og Pretorius på Wimbledon, og at “vi bogstaveligt talt startede med at køre data samme aften.” Det viste sig, at RightChains AI-applikationer hjælper virksomheder som Colgate, Caterpillar, Ford, Baxter og Coca-Cola med at forenkle deres supply chains ved at bryde processen ned i 25 komponenter. Loudin giver et eksempel, hvor forecasting anvender “en AI-baseret algoritme til at oprette og løbende opdatere en unik model for hvert produkt. Netværksoptimering anvender en algoritme, der bestemmer, hvor distributioncenter skal placeres baseret på en række brugerdefinerede kriterier.”

For at anvende sin metode på tennis, besluttede Frazelle at bryde en tenniskugs rejse fra ende til anden ned på en lignende måde. Som han forklarer, “For tennis, ændrede vi felterne for at fokusere på destinationen og oprindelsen for bolden. Det er et meget formelt koordinatsystem, der kortlægger tennisbanen til et niveau af detaljer, der ikke tidligere har været tilgængeligt.” (I dette tilfælde er hver servicerzone inddelt i 12 underzoner, og bagkortet er inddelt i otte sådanne zoner.)

Analyser af kun tennisspillet i sig selv er ret éndimensionelt, og som O’Shounessy forklarer, kan AI finde gentagne mønstre, måle rallylængder og bestemme, præcis hvor en spiller rammer en bold. “Teknologien giver os ekstra lag og mønstre for en mere detaljeret analyse. Det er en ting at fortælle en spiller, hvad der sker, og en anden at vise dem med tabeller og grafer. Graferne, som Ed giver, skærer dataene op på mange måder og fører vores øjne til, hvor de virkelige nøgler til sejren bor.”

O’Shannessy sagde også, at en af hans sværeste salg til spillere har været at overbevise dem om, at konsistensen i spillet – de lange rallyer, der forekommer i træning – “var overvurderet, noget, som videoanalyse ikke helt kan bevise, men AI kan.” For sin del tilføjede Pretorius, at “I stedet for at se på data i isolation, kan de nu med AI få historien om deres spiludvikling.”

Til sidst vandt Novak Djokovic Wimbledon-turneringen i 2019, med O’Shannessy tilføjende, at brugen af AI er “kun starten på, hvor teknologien kan tage sporten hen.”