Towards Comprehensive Basketball Understanding

एक पेशेवर बास्केटबॉल खेल देखना एक समृद्ध, बहुस्तरीय अनुभव है। इसे वास्तव में समझने के लिए, एक दर्शक को केवल कोर्ट पर गेंद के घूमने को देखने से कहीं अधिक करना चाहिए। व्यक्ति को इसमें शामिल विशिष्ट खिलाड़ियों को पहचानना चाहिए, पास किए जाने के सटीक क्षण को ट्रैक करना चाहिए, ठीक से पता लगाना चाहिए कि शॉट कहाँ लिया गया था, और इन दृश्य क्षणों को टीमों, खिलाड़ियों के करियर और खेल के नियमों के बारे में तथ्यों के एक विशाल पुस्तकालय से जोड़ना चाहिए। दशकों से, कंप्यूटर इस तरह की गहरी, एकीकृत समझ विकसित करने के लिए संघर्ष करते रहे हैं। हालांकि आधुनिक आर्टिफिशियल इंटेलिजेंस (AI) फोटो में वस्तुओं की पहचान करने या छवियों के बारे में सरल प्रश्न पूछने में काफी कुशल हो गया है, लेकिन यह अक्सर इन कौशलों को संयोजित करने के लिए कहा जाने पर विफल रहता है। यह किसी खिलाड़ी के चेहरे को पहचान सकता है लेकिन उनके करियर के आँकड़ों को याद करने में विफल हो सकता है, या यह देख सकता है कि शॉट लिया जा रहा है लेकिन यह बताने में असमर्थ हो सकता है कि वह कोर्ट में ठीक कहाँ हुआ। देखने और समझने के बीच का यह अंतर ही वह केंद्रीय चुनौती है जिसे पेकिंग यूनिवर्सिटी और शंघाई जियाओ टोंग यूनिवर्सिटी के शोधकर्ताओं का एक नया अध्ययन पाटने का लक्ष्य रखता है।

शोधकर्ताओं ने इस समस्या के समाधान के लिए सबसे पहले 'बास्केटबॉलबेंच' (BasketballBench) नामक एक विशाल, कठोर परीक्षण आधार तैयार किया। उन्होंने 2025-2026 NBA सीजन के डेटा को एकत्र किया, जिसमें गेम पजेशन के 2,500 से अधिक वीडियो क्लिप, 530 सक्रिय खिलाड़ियों के आधिकारिक रिकॉर्ड और हजारों संरचित गेम विवरण शामिल थे। इस सामग्री से, उन्होंने लगभग 8,000 विशिष्ट प्रश्न तैयार किए जिनमें विभिन्न प्रकार की सोच की आवश्यकता थी। कुछ प्रश्न सरल थे, जैसे कंप्यूटर को ब्रॉडकास्ट ग्राफिक से स्कोर पढ़ने या फोटो से खिलाड़ी की पहचान करने के लिए कहना। अन्य बहुत अधिक जटिल थे, जो कंप्यूटर से एक वीडियो देखने, यह पता लगाने की मांग करते थे कि एक विशिष्ट खेल किसने खेला, वह समय और स्थान में कहाँ हुआ, और फिर उस खिलाड़ी के करियर के बारे में एक विशिष्ट तथ्य को डेटाबेस से प्राप्त करने की मांग करते थे। लक्ष्य यह देखना था कि क्या वर्तमान आर्टिफिशियल इंटेलिजेंस सिस्टम इन कार्यों को व्यक्तिगत रूप से संभाल सकते हैं और, अधिक महत्वपूर्ण रूप से, क्या वे एक एकल, बहु-चरणीय समस्या को हल करने के लिए इन क्षमताओं को जोड़ सकते हैं।

जब शोधकर्ताओं ने उपलब्ध सबसे उन्नत सामान्य-उद्देश्य वाले आर्टिफिशियल इंटेलिजेंस मॉडल का परीक्षण किया, तो परिणाम काफी स्पष्ट थे। ये शक्तिशाली प्रणालियाँ सरल कार्यों पर अच्छा प्रदर्शन करती थीं। वे स्क्रीन से स्कोर पढ़ सकती थीं या जर्सी नंबर की उच्च सटीकता के साथ पहचान कर सकती थीं। हालाँकि, जब प्रश्नों के लिए वीडियो में जो देखा गया उसे उनके द्वारा ज्ञात खेल से जोड़ने की आवश्यकता होती, तो उनका प्रदर्शन तेजी से गिर जाता था। उदाहरण के लिए, जब किसी खिलाड़ी की पहचान करने और फिर उस खिलाड़ी के करियर के आँकड़े खोजने के लिए कहा गया, तो मॉडल अक्सर लड़खड़ा गए। वे क्रिया को देख सकते थे, लेकिन वे उस क्रिया को सही व्यक्ति से जोड़ने और फिर सही जानकारी निकालने में संघर्ष करते थे। अध्ययन ने दिखाया कि ये सामान्य मॉडल दृश्य धारणा (visual perception), स्थानिक तर्क (spatial reasoning) और तथ्यात्मक ज्ञान को एक एकल, सुसंगत उत्तर में बुनने के लिए स्वाभाविक रूप से सुसज्जित नहीं हैं।

इस सीमा को दूर करने के लिए, टीम ने 'बास्केटबॉलस्किल्स' (BasketballSkills) नामक एक नई प्रणाली विकसित की। एक ही विशाल मॉडल पर सब कुछ एक साथ करने के लिए निर्भर रहने के बजाय, उन्होंने एक ऐसा ढांचा बनाया जो विशेषज्ञों की एक विशेष टीम की तरह कार्य करता है। यह प्रणाली एक केंद्रीय नियंत्रक (central controller) का उपयोग करती है जो एक प्रश्न पढ़ता है और फिर उसे हल करने के लिए उपकरणों का एक विशिष्ट सेट चुनता है। ये उपकरण बास्केटबॉल के लिए विशिष्ट हैं: एक उपकरण खिलाड़ियों और गेंद को ट्रैक करता है, दूसरा चल रहे खेल के प्रकार की पहचान करता है, तीसरा जर्सी नंबर पढ़ता है, और चौथा खिलाड़ियों के तथ्यों के एक संरचित डेटाबेस की खोज करता है। नियंत्रक अनुमान नहीं लगाता; वह एक स्पष्ट, चरण-दर-चरण प्रक्रिया का पालन करता है। यदि कोई प्रश्न किसी विशिष्ट खेल के बाद खिलाड़ी के शूटिंग प्रतिशत के बारे में पूछता है, तो सिस्टम पहले खिलाड़ी को खोजने के लिए वीडियो को ट्रैक करता है, फिर उनकी जर्सी संख्या की पहचान करता है, और अंत में उनके आँकड़ों के लिए डेटाबेस को क्वेरी करता है। वह अंतिम उत्तर बनाने से पहले प्रत्येक चरण को सत्यापित करता है, यह सुनिश्चित करता है कि एकत्र किया गया साक्ष्य सटीक है।

इस नए दृष्टिकोण के परिणाम आश्चर्यजनक थे। दस अलग-अलग प्रकार के प्रश्नों के परीक्षणों में, बास्केटबॉलस्किल्स प्रणाली ने आठ में से आठ श्रेणियों में सर्वश्रेष्ठ वाणिज्यिक आर्टिफिशियल इंटेलिजेंस मॉडल को पछाड़ दिया। यह विशेष रूप से उन जटिल कार्यों में उत्कृष्ट रहा जिनमें कई क्षमताओं को जोड़ने की आवश्यकता थी, जैसे कि एक वीडियो क्लिप से खिलाड़ी की पहचान करना और फिर उसके करियर के डेटा को प्राप्त करना। जहाँ सामान्य मॉडल अक्सर दृश्य साक्ष्य को तथ्यात्मक ज्ञान से जोड़ने में विफल रहे, वहीं विशेष प्रणाली ने सही निष्कर्ष तक पहुँचने के लिए इन विभिन्न क्षमताओं को सफलतापूर्वक संयोजित किया। अध्ययन सुझाव देता है कि पेशेवर खेलों जैसे जटिल, वास्तविक दुनिया के क्षेत्रों के लिए, आगे का रास्ता सामान्य मॉडलों को बड़ा बनाना नहीं है, बल्कि ऐसी प्रणालियाँ बनाना है जो विशिष्ट कौशल को स्पष्ट रूप से व्यवस्थित और संयोजित कर सकें। एक कठिन समस्या को विश्वसनीय, डोमेन-विशिष्ट चरणों के क्रम में तोड़कर, शोधकर्ताओं ने प्रदर्शित किया कि कंप्यूटर को बास्केटबॉल के खेल को उस गहराई और सटीकता के साथ समझने के लिए सिखाया जा सकता है जो पहले पहुंच से बाहर थी।