Jeg har en bekjennelse å gjøre, kjære leser. Jeg følger ikke veldig mye fotball. Jeg er bare uskikkelig klar over at det er en slags stor turnering på akkurat nå. Men det er greit, fordi Disney Research og California Institute of Technology bygger en AI som følger fotball - og andre idretter også.

Spesielt er det et automatisert kamerasystem som lærer hvor best å filme kamper ved å se hvordan menneskelige kameraoperatører oppfører seg på bestemte øyeblikk. Tidlig testing viser at bildene er langt jevnere enn andre automatiserte kameraer.

Optisk sporing akkurat nå er ikke veldig god nok til å på en pålitelig måte følge en ball på en tone, så automatiserte kamerasystemer prøver å forutsi strømmen av et spill ved å oppdage spillerposisjoner i stedet. Det systemet er ikke perfekt, noe som resulterer i ujevn, rykkete opptak - spesielt når det gjettes feil om hvordan en situasjon vil utfolde seg.

Menneskelige kameramenn, derimot, er mye bedre å gjette hva som skal skje - etter å ha sett mange lignende situasjoner som går ut i det siste. Så utviklet forskere maskinlæringsalgoritmer som sammenligner bevegelsene som et robotkamera gjør til de som er laget av mennesker, analyserer hvor de to avviker og lærer fra disse forskjellene.

Glatt og målrettet

"Å ha jevn kameraarbeid er avgjørende for å skape en hyggelig sportssending," sa Peter Carr, en seniorforsker på prosjektet og en medforfatter på et papir som beskriver den. "Rammen trenger ikke å være perfekt, men bevegelsen må være jevn og målrettet."

Det var tider at robotene gjorde en bedre jobb enn menneskene. I en rask pause i et basketballspill flyttet menneskekameraoperatøren sin linse i påvente av et dunk, mens datamaskinen så på spillernes posisjoner og spådde et pass i stedet. Datamaskinen viste seg å være riktig.

Faktisk var systemet faktisk litt bedre på basketball enn fotball generelt. Carr sa at dette skyldes at fotballspillere har en tendens til å holde sin formasjon, og dermed gir bevegelsene mindre informasjon om hvor kameraet skal se ut.

"Denne undersøkelsen viser et betydelig fremskritt i bruk av imitert læring for å forbedre kameraplanlegging og -kontroll under spillforhold, sier Jessica Hodgins, visepresident på Disney Research. "Dette er den typen fremskritt vi trenger for å realisere det store potensialet for automatiserte sendinger av sport og andre live-arrangementer."

  • Dine wearables kunne snart huske alle du møter
  • Duncan Geere er TechRadar's science writer. Hver dag finner han de mest interessante vitenskapenes nyhetene og forklarer hvorfor du bør bry deg. Du kan lese mer av hans historier her, og du kan finne ham på Twitter under håndtaket @duncangeere.