Кредит: Pixabay/CC0 Public Domain
Тысячи спортсменов в настоящее время соревнуются за медали на Олимпийских играх в Париже. И в некоторых случаях будут заданы вопросы о том, были ли медали выиграны честно или был ли задействован допинг. Программное обеспечение, разработанное командой под руководством Вольфганга Маасса, профессора бизнес-информатики в Университете Саара, может помочь ответить на эти вопросы в будущих соревнованиях.
Программному обеспечению, которое в настоящее время представляется на Международной совместной конференции по ИИ (3–9 августа в Южной Корее), требуется всего несколько точек данных, чтобы с беспрецедентной точностью предсказать, какие спортсмены определенно не употребляли допинг, и, таким образом, может идентифицировать те случаи, где требуется более пристальное внимание.
Поиск иголки в стоге сена или борьба с ветряными мельницами — хорошие метафоры для задачи обнаружения спортсменов, употребляющих допинг. С тысячами спортсменов, соревнующихся в крупных спортивных мероприятиях, таких как Олимпийские игры, чемпионаты мира или в профессиональных лигах, таких как футбол, лаборатории могут потребоваться недели, чтобы проанализировать образцы мочи и определить, принимал ли кто-либо из участников допинг-препараты.
«В настоящее время все образцы анализируются вручную», — сказал Маас, профессор информационных систем для сферы услуг в Университете Саара и научный руководитель исследовательского отдела Smart Service Engineering в Немецком исследовательском центре искусственного интеллекта (DFKI).
Учитывая огромное количество спортсменов на таких крупных мероприятиях, как Олимпийские игры (в Париже их около 10 500), и то, насколько трудоемки современные методы тестирования, нетрудно заметить, что многие мошенники просто ускользают от ответственности.
Только часть образцов мочи может быть проанализирована в лаборатории. Как мы знаем из допингового скандала на зимних Олимпийских играх 2014 года в Сочи, некоторые спортсмены, которые жульничают, пытаются подменить свои собственные образцы мочи «чистыми» образцами, предоставленными кем-то другим.
До сих пор анализ ДНК был единственным надежным методом определения того, были ли подменены образцы. «Но это и дорого, и требует много времени», — объяснил Маас.
Просто невозможно проанализировать ДНК каждого отдельного образца. Маас и другие коллеги из DFKI (Немецкого исследовательского центра искусственного интеллекта), Немецкого спортивного университета в Кельне и Всемирного антидопингового агентства (ВАДА) решили объединить свой опыт для поиска более простого и жизнеспособного решения. «Эта проблема практически требует машинного анализа», — сказал Маас.
Чтобы решить эту проблему, они разработали программное обеспечение, которое использует искусственный интеллект для быстрого и экономически эффективного анализа данных образцов мочи. «Допинг-тесты измеряют концентрации и соотношения различных стероидов, которые затем проверяются на достоверность», — объяснил Маас. Это дает биохимический отпечаток, который программное обеспечение Saarbrücken AI может использовать для надежного выявления любых аномалий.
Программе машинного обучения нужны только данные из трех образцов мочи, предоставленных каждым спортсменом в течение его спортивной карьеры. Поскольку естественный стероидный профиль одного спортсмена может сильно отличаться от профиля другого, программа узнает, какие концентрации конкретных веществ типичны для этого конкретного спортсмена.
Для каждого образца в биохимической лаборатории определяются семь характеристик, таких как концентрации стероидов и их соотношения. И, подобно ребенку, собирающему головоломку «найди отличия», программное обеспечение ищет отклонения от обычного шаблона.
«Если вы сравните три или более «картинок» с данными измерений из отдельных образцов мочи, программное обеспечение найдет те, где все совпадает», — сказал Маас, объяснив простыми словами, как работает компьютерная программа. Это оставляет остаточное количество образцов, где «картинки» не совпадают, то есть где были обнаружены несоответствия.
«Небольшое количество оставшихся случаев затем может быть более подробно изучено биохимиками в лаборатории с помощью анализа ДНК. Если спортсмен принял вещество, повышающее производительность, и это вещество может быть обнаружено в моче, то наше программное обеспечение может помочь идентифицировать этого спортсмена с высокой степенью уверенности», — сказал Маас.
Вместо того, чтобы напрямую выявлять нарушителей допинга, программное обеспечение предназначено для выявления чистых спортсменов с 99% уверенностью, чтобы гарантировать, что невиновные люди не будут ошибочно обвинены. Хотя это может означать, что небольшое количество нарушителей допинга остаются незамеченными, положительные случаи допинга, в которых спортсмены принимали запрещенные вещества, чтобы подняться выше, дальше или быстрее, выявляются с очень высокой степенью уверенности.
«Любой, кто принимал допинг, почти наверняка может быть найден среди этих оставшихся случаев, которые затем могут быть расследованы более подробно с помощью ДНК-тестирования», — объяснил Маас.
Благодаря этому инновационному и высокоточному методу найти эту иллюзорную иголку в стоге сена, возможно, стало намного проще.
Дополнительная информация: Рахман, М. Р. и др. SACNN: сверточная нейронная сеть на основе собственного внимания для обнаружения мошеннического поведения в спорте. На Международной совместной конференции по искусственному интеллекту, IJCAI (2024). ijcai24.org/main-track-accepted-papers/Предоставлено Саарским университетом
