Японский проект сумел эффективно настроить машинное обучение нейросети, в результате чего она научилась определять траекторию и точки касания мяча во время игры в настольный теннис. При этом искусственный интеллект не просто «ведет» мяч во время полета, а высчитывает его возможную траекторию еще до удара по нему ракеткой, ориентируясь только на поведение игрока с противоположной стороны стола.

Как правило, игроки-профессионалы заранее просчитывают, куда направят мяч еще до удара по нему ракеткой, в результате простой расчет траектории в момент полета было бы не самым неэффективным решением. Поэтому разработчики обучили нейросеть определять вероятную траекторию полета в тот момент, когда игрок только начинает замахиваться по нему ракеткой. Для этого искусственный интеллект научился анализировать положение корпуса и движения руки.

Для помощи первому механизму была разработана вторая нейросеть, в результате системы машинного обучения научились работать в паре, при этом каждая из них имеет собственную архитектуру и отвечает только за определенные задачи. Алгоритмы первой нейросети анализируют данные с камеры, расположенной на столе с принимающей стороны. Система обрабатывает кадры с изображением подающего игрока и передает их второй нейросети, которая на их основе проводит расчет траектории и точку падения мяча. Затем проектор выводит эту точку на стол, после чего разработчики начинают сравнивать, насколько нейросеть угадала с реальным местом попадания мяча.

Авторы проекта самостоятельно сформировали базу обучения для нейросетей. Для этого они собрали большую коллекцию записей с реальными матчами и проанализировали огромное число теннисных подач. Результатом работы стала 75%-ное попадание – именно в стольких случаях алгоритмы машинного обучения точно определяли конечную точку приземления мяча.

Нейросеть протестировали на профессионалах и просто любителях настольного тенниса. Интересно, что с профессиональными игроками система справлялась лучше – за многолетние тренировки у них выработались характерные привычки, жесты и движения подачи, проявления которых нейросеть распознавала значительно лучше, чем у любителей. Последние осуществляют подачи без определенной техники, и зачастую каждая из них происходит по-разному, что в итоге запутывало искусственный интеллект, и просчитать действия обычных игроков у него получалось менее точно, чем в случаях с профессионалами.