Arccos Golf udostępnił nową platformę Arccos Caddie 2.0, która przy udziale sztucznej inteligencji i uczenia maszynowego dostarcza graczom strategicznych wskazówek dla każdego uderzenia na dowolnym polu golfowym na świecie. Platforma korzysta z Azure i rozwiązań AI od Microsoft, przetwarzając własny zestaw danych, w którego skład wchodzą m.in. zapisy ponad 100 milionów uderzeń i 418 milionów punktów GPS, a także lokalne dane czasu rzeczywistego i indywidualna historia gracza.
Celem przyświecającym drugiej generacji platformy było umożliwienie golfistom podejmowania decyzji w czasie rzeczywistym przy naturalnie występujących ograniczeniach terenowych, takich jak drzewa, krzewy lub budynki, ale też czynniki atmosferyczne i ukształtowanie terenu. Jak mówi Sal Syed, CEO i założyciel Arccos Golf, "przez pierwsze 400 lat istnienia golfa każda runda odbywała się z udziałem pomocnika. Dziś mało kto może sobie na to pozwolić, z wyjątkiem najlepszych światowych zawodników lub osób, które są członkami elitarnych klubów". Mamy jednak rok 2018 i obowiązki pomocnika przejmuje aplikacja. Jej podstawowe zadania można podzielić na trzy segmenty, używające machine learningu: wykrywanie chmur, oznaczanie grywalnego obszaru i semantyczna segmentacja obrazu. W odniesieniu do użytkownika końcowego aplikacja bierze pod uwagę jego historię uderzeń, "historyczną" efektywność pozostałych użytkowników Arccos, siłę/kierunek wiatru i inne czynniki atmosferyczne, zmiany wysokości, geometrię dołka i obszary niebezpieczne.
Twórcy wykorzystali Machine Learning na platformie Azure, by na podstawie obrazów GPS z Apple Maps wykrywać utrudnienia spowodowane zakryciem przez chmury. Dotknięte tym obrazy są automatycznie zastępowane wersjami od Google Maps. Model ten został zaimplementowany w języku Python z użyciem Cognitive Services Custom Vision Service. Następnie twórcy Arccos Caddie 2.0 przeanalizowali obrazy satelitarne pól golfowych, aby wykryć obszary przeznaczone stricte do gry. Polegało to na wydzieleniu terenów zielonych od reszty obszaru, zawierającej np. drzewa, krzewy, budynki itp. Wreszcie zaimplementowano algorytmy progowania (threshold) i segmentacji wododziałowej (watershed) autorstwa Otsu, na podstawie których utworzono zestaw danych "obszarów grywalnych" z wstępnie wygenerowanymi etykietami do trenowania modelu machine learningowego. Ostatnią częścią projektu była semantyczna segmentacja obrazu, mająca na celu wykrycie drzew, wykorzystująca deep learningowy framework Keras i model U-Net.
W projekcie wykorzystano cały wachlarz technologii, w tym: Cognitive Services Custom Vision Service, Azure Notebooks, Azure Deep Learning VM, Python, Keras i Scikit-Learn. "Arccos Caddie demonstruje, jak sztuczna inteligencja dopełnia ludzkie możliwości" - dodaje Steve Guggenheimer, CVP AI Business w Microsoft. "Poprzez moc Microsoft Azure amatorzy golfa otrzymują prosto do ręki informacje, których zdobycie nie było wcześniej łatwo dostępne. AI wywrze silny wpływ na branżę golfową i jest teraz świetny czas, by być na miejscu i pomagać Arccosowi przewodzić tej zmianie".
341f31d.png)