टीम यूएसए स्कीअर आणि स्नोबोर्डर्स काही नवीन उपकरणांसह घरी जातात, काही सुवर्णपदकांसह, पासून 2026 ऑलिम्पिक खेळ. ऑलिम्पिक ऍथलीट बनण्यासाठी गेलेल्या अनेक वर्षांच्या मेहनतीव्यतिरिक्त, या वर्षीच्या क्रूला त्यांच्या प्रशिक्षणात एक अतिरिक्त फायदा आहे, Google क्लाउडच्या कस्टम AI टूलमुळे.
यू.एस. स्की आणि स्नोबोर्ड, यू.एस. राष्ट्रीय संघांसाठी प्रशासकीय मंडळ, देशातील सर्वोत्कृष्ट स्कीअर आणि स्नोबोर्डर्सना राष्ट्रीय स्पर्धा आणि ऑलिम्पिक खेळांसारख्या प्रमुख स्पर्धांसाठी तयार करण्यासाठी प्रशिक्षणावर देखरेख करते. क्रीडापटू उतारावर कसे प्रशिक्षण देतात आणि कामगिरी कशी करतात याविषयी अधिक माहिती देण्यासाठी आर्टिफिशियल इंटेलिजेंस टूल तयार करण्यासाठी संस्थेने Google Cloud सह भागीदारी केली आहे.
व्हिडिओ पुनरावलोकन हिवाळी क्रीडा प्रशिक्षणाचा एक मोठा भाग आहे. ॲथलीटचे धावणे रेकॉर्ड करण्यासाठी कोच खरेतर बेंचवर उभे राहतील आणि नंतर त्याच्यासोबत फुटेजचे पुनरावलोकन करतील आणि चुका पकडतील. परंतु ही प्रक्रिया काहीशी जुनी आहे, यूएस स्की आणि स्नोबोर्डचे क्रीडा प्रमुख, अनूक पॅटी यांनी मला सांगितले. प्रशिक्षण प्रक्रियेत नवीन एआय-संचालित डेटा अंतर्दृष्टी आणून, Google येथे येते.
क्रीडा प्रशिक्षणासाठी उपयुक्त एआय मॉडेल कसे तयार करावे हे समजून घेण्यासाठी Google क्लाउड अभियंते स्कीअर आणि स्नोबोर्डर्ससह उतारावर जातात. त्यांनी सध्या अज्ञात AI साधनाचा आधार म्हणून व्हिडिओ फुटेज वापरले. जेमिनीने व्हिडिओ फ्रेमचे फ्रेमनुसार विश्लेषण केले, जे नंतर Google DeepMind च्या स्थानिक बुद्धिमत्ता मॉडेल्समध्ये दिले गेले. ही मॉडेल्स व्हिडिओमधून ॲथलीटचे 2D दृश्य घेण्यास सक्षम होते आणि धावत असताना ते वळण घेत असताना ते ॲथलीटच्या 3D सांगाड्यात बदलू शकले.
पार्श्वभूमीत स्क्रीनवर चालणारे AI मॉडेल दाखवते की हे साधन खेळाडूच्या कामगिरीचा कसा मागोवा घेते.
Google च्या AI ब्लॅकबेल्ट टीमचे ग्लोबल हेड रवी राजमनी यांच्या म्हणण्यानुसार जेमिनीच्या फिनिशिंग टचमुळे AI टूलला भौतिकशास्त्राचे पिक्सेलपर्यंत विश्लेषण करण्यात मदत होते. ज्यांनी प्रकल्पावर काम केले. प्रशिक्षक आणि खेळाडूंनी अभियंत्यांना त्यांना ट्रॅक करायचे असलेले विशिष्ट मेट्रिक्स सांगितले — वेग, फिरकी आणि मार्गक्रमण — आणि Google अभियंत्यांनी त्यांच्यासाठी वेगवेगळ्या व्हिडिओंचे निरीक्षण करणे आणि त्यांची तुलना करणे सोपे करण्यासाठी मॉडेल कोड केले. मिथुनला कामगिरीबद्दल प्रश्न विचारण्यासाठी चॅट इंटरफेस देखील आहे.
“फक्त एका व्हिडिओवरून, आम्ही प्रत्यक्षात ते 3D मध्ये पुन्हा तयार करण्यास सक्षम आहोत, त्यामुळे तुम्हाला महागड्या उपकरणांची गरज नाही, (जसे) सेन्सर, जे ऍथलीटच्या कामगिरीमध्ये अडथळा आणतात,” राजमनी म्हणाले.
प्रशिक्षक हे डोंगरावरील तज्ञ आहेत हे नाकारता येत नाही, परंतु एआय एक प्रकारची आतडे तपासणी म्हणून काम करू शकते. प्रशिक्षक काय पाहतात याची पुष्टी किंवा खंडन करण्यात डेटा मदत करू शकतो आणि प्रत्येक खेळाडूच्या कामगिरीच्या तपशीलांमध्ये त्यांना अतिरिक्त अंतर्दृष्टी देऊ शकतो. हे अशा गोष्टी कॅप्चर करू शकते ज्या लोकांना उघड्या डोळ्यांनी किंवा खराब व्हिडिओ गुणवत्तेने पाहण्यात अडचण येत असेल, जसे की युक्ती करताना खेळाडू कुठे पाहत होता आणि वळणाचा अचूक वेग आणि कोन.
“हा डेटा आहे जो त्यांना अन्यथा मिळाला नसता,” पॅटी म्हणाले. 3D स्केलेटन विशेषतः उपयुक्त आहे कारण यामुळे हालचाली पाहणे सोपे होते अन्यथा पफी जॅकेट आणि पँट ॲथलीट्स परिधान करून अस्पष्ट होते, ती म्हणाली.
एलिट स्कीइंग आणि स्नोबोर्डिंग ऍथलीट्ससाठी, लहान ऍडजस्टमेंट करणे म्हणजे सुवर्णपदक आणि कोणतेही पदक यातील फरक असू शकतो. प्रशिक्षणातील तांत्रिक प्रगतीचा उद्देश खेळाडूंना सुधारण्यासाठी सर्व साधने उपलब्ध करून देण्यात मदत करणे आहे.
“तुम्ही नेहमी असे 1% शोधण्याचा प्रयत्न करत आहात जे खेळाडूंना व्यासपीठावर आणण्यासाठी किंवा जिंकण्यासाठी फरक करू शकतात,” पॅटी म्हणाले. हे प्रशिक्षणाचे लोकशाहीकरण देखील करू शकते. “तरुण खेळाडूंसह क्लबमध्ये काम करणाऱ्या प्रत्येक प्रशिक्षकाला राष्ट्रीय संघातील खेळाडूंप्रमाणे खेळाडूने काय करावे हे समजून घेण्याचा हा एक मार्ग आहे.”
Google साठी, एक उद्देशाने तयार केलेले AI साधन हे “हिमखंडाचे टोक आहे,” राजमनी म्हणाले. इतर खेळांसाठी सानुकूलित करण्यासाठी मूलभूत मॉडेलचा विस्तार करण्यासह, भविष्यातील संभाव्य वापराच्या अनेक प्रकरणे आहेत. हे स्पोर्ट्स मेडिसिन, फिजिकल थेरपी, रोबोटिक्स आणि एर्गोनॉमिक्समध्ये कामाचा पाया देखील घालते – खासियत जिथे शरीराची स्थिती समजून घेणे महत्त्वाचे आहे. पण आत्तासाठी, एआय खऱ्या खेळाडूंना मदत करण्यासाठी डिझाइन करण्यात आले होते हे जाणून काही समाधान आहे.
“टेक्नॉलॉजी इंजिनीअर्सने प्रयोगशाळेत काहीतरी तयार करून ते वितरित करण्याचा हा प्रसंग नव्हता,” राजमणी म्हणाले. “ही एक खरी समस्या आहे जी आम्ही सोडवत आहोत. आमच्यासाठी, आमच्या ऍथलीट्सना वास्तविक स्पर्धात्मक फायदा देणारे साधन तयार करण्याची प्रेरणा होती.”
