آنالیزهای ورزشی همیشه شامل اطلاعاتی کلی مانند زمان‌های در اختیار داشتن موقعیت، موقعیت‌های ایجادشده و غیره بوده‌اند. این آمارها کمک آن‌چنانی به تیم‌ها و مربیان آن‌ها نمی‌کنند و تنها اطلاعاتی کلی در اختیار آن‌ها قرار می‌دهند. محققان مؤسسه‌های Disney، Caltech و STATS روی پروژه‌ای جدید کار می‌کنند و معتقدند روش آن‌ها کمک بیشتری به آنالیز ورزشی خواهد کرد.
این تیم تحقیقاتی یک سیستم جدید توسعه داده است که از یادگیری عمیق برای آنالیز و مطالعه‌ی رفتار و تصمیم‌گیری‌های ورزشکاران استفاده می‌کند. شبکه‌ی عصبی این سیستم پس از مطالعه‌ی کامل آمارها، حرکات و بازی‌های گذشته‌ی ورزشکار، می‌تواند حرکات آینده‌ی او را پیش‌بینی کند و یک مدل کامپیوتری از عملکرد ورزشکار مورد نظر بسازد. به‌عنوان مثال اگر تیمی یک اشتباه خطرناک در بازی داشته باشد، سیستم می‌تواند حرکات واقعی تیم را با مدل‌های پیش‌بینی شده از تیم‌های موفق‌تر مقایسه کند و تصمیمات و حرکات مناسب را به آن‌ها پیشنهاد دهد.
تیم بسکتبال Toronto Raptors در حال حاضر از سیستمی مشابه و غیر اتوماتیک برای این منظور استفاده می‌کند. در سیستم این تیم، مربیان حرکات پیشنهادی به بازیکنان را به‌صورت دستی وارد می‌کنند. فناوری جدید، می‌تواند این مرحله را از پیش روی مربیان بردارد. این سیستم می‌تواند مدل‌ها را به‌صورت زنده بسازد و در همان حین انجام بازی، پیشنهادات خود را ارائه دهد. محققان این پروژه، از روش یادگیری تقلیدی در این سیستم استفاده می‌کنند. در این روش، هوش مصنوعی حرکات خود را بر اساس شواهد انجام می‌دهد.
نتایج اولیه‌ی این پروژه امیدوارکننده بوده‌اند. در مثالی عملی از یک مسابقه‌ی فوتبال، ابتدا یک تیم متوسط مدل‌سازی شده توسط سیستم پیشنهاد شد که نتایج دفاعی خوبی نداشت. اما وقتی تیمی با قابلیت دفاعی قوی در طول بازی پیشنهاد شد، نتایج بسیار عالی بودند. همین عملکرد را می‌توان در حالت‌های دیگر (مثلا استراتژی حمله) و ورزش‌های دیگر به کار برد. با توجه به نتایج منتشرشده می‌توان پیش‌بینی کرد که مربیان در آینده‌ی نزدیک با استفاده از این سیستم، راهکارهایی دقیق‌تر و کاربردی‌تر به بازیکنان منتقل کنند. در ادامه می‌توانید ویدیویی از نحوه‌ی کار این سیستم مشاهده کنید.
