Riset AI Carnegie Mellon dan NFL: Otomasi Analisis Video dan Prediksi Taktik
Peneliti CMU melatih model AI menggunakan rekaman resmi dan sensor RFID untuk mengotomasi ribuan jam analisis video serta memprediksi strategi olahraga.
Gambar buatan AI, bukan foto asli (FLUX.1 schnell via Cloudflare Workers AI)
Poin penting
- NFL memberi CMU akses data eksklusif video resmi dan sensor RFID untuk melatih model fondasi AI.
- Proyek ini menggabungkan data visual dan telemetri guna memangkas ribuan jam anotasi manual staf.
- Sistem dirancang mengenali pola permainan historis hingga memprediksi langkah taktis berikutnya.
Menganalisis rekaman video operasional secara manual sering kali menyita ribuan jam kerja produktif. Mengatasi masalah serupa di dunia olahraga, National Football League (NFL) bermitra dengan Carnegie Mellon University (CMU) untuk mengembangkan kecerdasan buatan yang mampu memahami dan menganalisis pertandingan secara mandiri, sebagaimana dilaporkan TechXplore.
Riset ini dipimpin oleh Chenyan Xiong dari Language Technologies Institute dan Ron Yurko, Direktur Carnegie Mellon Sports Analytics Center. Keduanya diterima dalam program NFL Forward Initiative untuk merancang solusi komputasi berbasis data lapangan resmi.
Memadukan Video dan Sensor Pelacak
Dalam kemitraan ini, peneliti menerima data berukuran beberapa terabita dari Next Gen Stats yang didukung Amazon Web Services (AWS). Data posisi berasal dari cip radio-frequency identification (RFID), teknologi transmisi nirkabel untuk melacak lokasi fisik pelindung bahu pemain dan bola secara langsung.
Tim peneliti melatih model fondasi, model AI berskala besar yang mempelajari basis data masif untuk mengenali pola rumit. Peneliti membangun dua sistem awal: satu modul untuk mencerna rekaman video dan satu modul khusus membaca data telemetri posisi pemain.
Kedua subsistem tersebut nantinya digabungkan agar AI dapat mengidentifikasi apakah sebuah pola permainan pernah terjadi sebelumnya. Model ini juga diproyeksikan mampu mensimulasikan hasil strategi dan memprediksi keputusan taktis sebelum gerakan berikutnya dimulai.
Mempelajari data membutuhkan staf menonton ribuan jam rekaman dan menandainya secara manual. Dengan model AI modern, kami dapat mengotomasi tugas-tugas membosankan tersebut dalam skala besar.
Senior Director of Football Data and Analytics NFL, Mike Lopez, menyebut inovasi ini krusial untuk memajukan permainan serta menantikan hasil riset tersebut. Yurko menambahkan bahwa otomatisasi ini ke depan akan membantu pelatih dan pemantau bakat berfokus pada analisis strategis yang paling penting.
Apa Artinya bagi Pelaku Usaha
Kolaborasi ini menunjukkan pergeseran penting pemanfaatan AI, dari sekadar pemrosesan teks menuju pengolahan multi-data yang menggabungkan video dengan sensor fisik. Bagi pelaku usaha di sektor logistik, manufaktur, dan pergudangan, pendekatan ini relevan untuk memantau pergerakan aset serta alur kerja tanpa pengawasan visual manual.
Langkah awal yang dapat diambil perusahaan adalah mengidentifikasi titik kerja yang menghabiskan waktu evaluasi terlama akibat peninjauan video berulang. Manajemen sebaiknya memetakan integrasi sensor telemetri sederhana terlebih dahulu guna melengkapi rekaman kamera sebelum mengadopsi model analitik otomatis.
Evaluasi efisiensi perlu diukur berdasarkan penurunan jam kerja staf untuk tugas administratif pencatatan. Dengan mengalihkan beban analisis rutin ke sistem AI, tenaga profesional dapat memfokuskan waktu pada pengambilan keputusan strategis dan mitigasi risiko operasional.
- TechXplore: Researchers teach football to AI models
Lihat hasil pemeriksaan (8 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| NFL memberikan akses data rekaman resmi dan sensor RFID kepada peneliti Carnegie Mellon University (CMU) untuk mengembangkan model fondasi AI. | Didukung | “The NFL has given Carnegie Mellon University researchers access to official film and on-field data to develop new technologies” TechXplore melaporkan kemitraan NFL dan CMU untuk riset AI menggunakan film resmi dan data lapangan. |
| CMU adalah satu-satunya institusi yang mendapatkan akses untuk meneliti data tersebut dari NFL. | Didukung | “We are the only institution that's conducting research with this data.” Ron Yurko menyatakan CMU adalah satu-satunya institusi yang melakukan riset dengan data tersebut. |
| Riset dipimpin oleh Chenyan Xiong dari Language Technologies Institute dan Ron Yurko, Direktur CMSAC, melalui program NFL Forward Initiative. | Didukung | “They approached the NFL and were accepted into the NFL Forward Initiative, a program that allows entrepreneurs and researchers to pitch technological solutions” TechXplore menyebutkan kedua peneliti tersebut diterima dalam NFL Forward Initiative. |
| Peneliti menerima data beberapa terabita dari Next Gen Stats AWS bersumber dari cip RFID pada bantalan bahu, peralatan, dan bola. | Didukung | “sourced from RFID chips embedded into shoulder pads, game equipment and the ball to give real-time location information for everything on the field.” TechXplore menjelaskan data Next Gen Stats AWS bersumber dari cip RFID di peralatan dan bola. |
| Peneliti telah membangun dua sistem prapelatihan awal: satu untuk menganalisis video dan satu untuk data pelacakan pemain. | Didukung | “In this case, they created two pretrained systems that serve as the building blocks for their larger model. One system uses the films and the other uses the player-tracking data” TechXplore menyatakan tim telah membuat dua sistem prapelatihan terpisah sebelum menggabungkannya. |
| Model gabungan dirancang untuk mengenali apakah pola permainan pernah dimainkan sebelumnya dan berpotensi memprediksi atau mensimulasikan taktik berikutnya. | Didukung | “can potentially make play predictions or, once it sees a play, can also identify if the play has been run before, perhaps by another team.” TechXplore mengutip penjelasan Xiong mengenai potensi model untuk mengenali permainan terdahulu dan memprediksi langkah taktis. |
| Mike Lopez menyatakan inovasi adalah kunci untuk memajukan permainan dan menyambut gembira riset ini. | Didukung | “Innovation is central to how we advance the game, and we're excited to see the results of the research.” TechXplore memuat kutipan Mike Lopez dari NFL mengenai pentingnya inovasi riset ini. |
| Yurko menyatakan AI ini dapat membantu mengotomasi tugas anotasi manual yang menyita ratusan hingga ribuan jam kerja pelatih dan pemantau bakat. | Didukung | “which meant coaches and scouts sitting and watching hundreds or thousands of hours of footage, manually annotating what happened in a given play” TechXplore mengutip Yurko terkait ratusan atau ribuan jam yang dihabiskan untuk anotasi video manual. |
Video AI terbaru
How Siemens Plans Production in Minutes With NVIDIA AI
