تنها راهی که یک مربی برای یافتن نقطه ضعف دفاع تیم مقابل دارد اینست که تاکتیک های مختلف حمله ای را در بازی با ان تیم اجرا کند و نهایتا در عمل ضعف حریف را پیدا کند. این چیزی است که در پلی اف های ان بی ای زیاد میبینم و به ان «تنظیمات» میگویند. بیشتر این مواقع تنظیمات تاکتیکی هزینه سنگینی دارد. شکست یک یا دو بازی در پلی اف یا شکست یک سری در پلی اف هزینه یافتن این تنظیمات است.
اما اگر راهی پیدا شود که بدون این هزینه مربی بتواند تاکتیک های مختلف حمله ای اش را در برابر تفکرات دفاعی مربی بیازماید و انقدر انرا گزینه های مختلف را تکرار کند تا نقطه صغف تیم مقابل را پیدا کند تحول عظیمی در بسکتبال رخ خواهد داد.
این رویایی بود که محققات دانشگاه کورنل انرا به واقعیت پیویند دادند. محققان این دانشگاه با استفاده از داده های اماری واقعی رفتار و حرکت تیم ها - شامل حرکت بازیکنان در زمین که توسط دوربین های نصب شده در سالن های ان بی ای به دست امد- در چند فصل گذشته ان بی ای و پردازش ان ها توسط هوش و مصنوعی از طریق یادگیری ماشین روشی اختراع کردند که مربی میتواند رفتار حرکتی بازیکنان دفاع را در برابر هر نوع تاکتیک حمله ای بسنجند. در این . . ویدیو ببنید چگونه مربی با ترسیم تاکتیک حمله از کامپیوتر میخواهد عکس العمل دفاعی تیم مقابل را بر اساس داده های حقیقی باز سازی کند.
استفاده از هوش مصنوعی و الگوریتم های یادگیری ماشین در لیگ ان بی ای اهسته اهسته به یکی از ابزار های کلیدی تبدیل میشود شاید به روزی نزدیک شویم که مربی تاکتیکی تیم ها کسی جز یک الگوریتم کامپیوتری نباید