تا حالا دقت کردی تو مسابقات فرمول یک، زمان پیتاستاپ (یعنی همون وقتی که راننده میره توی گاراژ تا لاستیک عوض کنه یا ماشینش رو تنظیم کنن) چقدر مهمه؟ اصلاً یکی از چیزاییه که میتونه برنده رو از بازنده جدا کنه! ولی خب پیچیدگی کار اینه که شرایط مسابقه هی تغییر میکنه و تصمیمگیری فقط براساس «حس راننده یا مهندس» خیلی جواب نمیده.
اینجا اومدن یه کار خیلی خفن کردن: از هوش مصنوعی و مدلهای یادگیری عمیق یا همون Deep Learning استفاده کردن که بتونن دقیقتر و علمیتر زمان مناسب پیتاستاپ رو حدس بزنن. مثلاً یادگیری عمیق یعنی مدلهایی که با الهام از مغز انسان و شبکههای عصبی، اطلاعات زیادی رو تحلیل میکنن و خودشون الگو درمیارن.
اطلاعات هم از FastF1 API گرفته شده، که یه منبع داده خیلی کامل درباره مسابقات فرمول یکه. این دادهها هم بهش میگن «تلهمتری» یعنی اطلاعاتی مثل سرعت، لاستیک، استراتژی تیمها و خلاصه هرچی فکر کنی!
برای اینکه مدلها کارشون رو درست انجام بدن، اول اومدن دادهها رو حسابی ردیف کردن: نرمالسازی کردن (یعنی اعداد مختلف رو میارن تو یه بازه ثابت که مدل گیج نشه)، دادههای گمشده رو با روشهای خاص Imputation (یعنی حدس زدن و تکمیل مقادیر غایب) پر کردن و بالانس هم کردن. واسه بالانس داده از یه روش خلاقانه به اسم SMOTE استفاده کردن. SMOTE یعنی «تولید مصنوعی دادهها برای رفع نابرابری کلاسهها»، مثلاً اگه یه دسته داده خیلی کمه، نمونههای جدید ازش تولید میشه تا مدل گیج نشه.
پنج مدل عمیق رو تست کردن: Bi-LSTM (یه نوع مدل که اطلاعات گذشته و آینده رو همزمان نگاه میکنه)، TCN-GRU، GRU، InceptionTime و ترکیب CNN-BiLSTM. خلاصه نگران نباش، فقط بدون اینا مدلهای خیلی پیشرفته هوش مصنوعین که هرکدوم توی تحلیل دادههای زمانی یه جور خاص بلدن عمل کنن.
واسه ارزیابی مدلها اومدن سه تا معیار اصلی گذاشتن:
- Precision (دقیق بودن پیشبینی)،
- Recall (اینکه چندتا از موارد واقعی رو درست گفته)،
- F1-score (میانگین دو تای قبلی، یه جور عدد طلایی!).
بین همه این مدلها، Bi-LSTM تقریباً ترکوند و بهترین نتیجه رو داد. چون هم دادههای گذشته رو چک میکنه، هم آینده رو. مثلا اگه اتفاقی توی چند دور قبل افتاده باشه یا چیزی قراره توی آینده نزدیک رخ بده، این مدل همه رو حساب میکنه. عددهاش چیا بودن؟ دقت ۰.۷۷، Recall ۰.۸۶ و F1-score هم ۰.۸۱. یعنی هم تو شناسایی موقعیتهای پیت استاپ خوب عمل میکنه و هم پیشبینیهاش واقعا کاربردی هستن، حتی تو شرایط واقعی مسابقه!
تازه یه سیستم تصویری جالب هم ساختن که نشون میده پیشبینی مدلها روی اتفاقات واقعی مسابقات گذشته چطور بوده؛ یعنی میتونی تصویرسازی وقایع و تصمیمهای مدل رو ببینی و مقایسه کنی.
در کل، این داستان نشون میده هوش مصنوعی چقدر میتونه حتی توی حرفهایترین و پرهیجانترین ورزشها هم نقش بازی کنه؛ تصمیمی که تا دیروز فقط تخصصیترین آدمها گرفتن، حالا با کمک داده و مدلهای یادگیری عمیق، علمیتر و دقیقتر میشه گرفت!
منبع: +
