AI จะเปลี่ยนการเซ็ตรถ Dirt Trial ไหม? — แนวหน้าของการวิเคราะห์ข้อมูลและการปรับตัวเข้ากับพื้นผิว
วิ่งจับเวลาเพียงสองครั้ง ครั้งละราวสองนาที: AI จะเรียนรู้อะไรได้จากข้อมูลที่น้อยขนาดนี้? DirtMan ตั้งคำถามจากที่นั่งคนขับ
AI เริ่มเข้ามาแทรกซึมงานวิศวกรรมของมอเตอร์สปอร์ตอย่างจริงจังแล้ว การวิเคราะห์เทเลเมทรี การทำนายเวลาต่อรอบ การสร้างแบบจำลองการเสื่อมสภาพของยาง — ในศึก WRC และฟอร์มูลาวัน สิ่งเหล่านี้เป็นความจริงไปแล้ว แล้วกับการแข่งขันเฉพาะตัวของญี่ปุ่นอย่าง Dirt Trial ล่ะ พื้นผิวที่เปลี่ยนไปทุกขณะ การแข่งทำเวลาแบบเที่ยวเดียว และงบประมาณที่จำกัด — AI จะทำงานได้ไกลแค่ไหนในสภาพแวดล้อมพิเศษเช่นนี้ DirtMan ใคร่ครวญจากประสบการณ์การแข่งขันของตนเอง
ทุกวันนี้ ข้อมูลคือหัวใจของมอเตอร์สปอร์ตระดับสูงสุด รถ Formula 1 หนึ่งคันติดเซนเซอร์นับร้อยตัว และทีมต่าง ๆ ก็ไล่วิเคราะห์สิ่งที่บันทึกได้อย่างละเอียดตลอดทุกสุดสัปดาห์การแข่งขัน จึงเป็นเรื่องธรรมดาที่จะสงสัยว่า สักวันหนึ่งปัญญาประดิษฐ์จะช่วยเรื่องการเซ็ตรถในกีฬาอย่าง Dirt Trial ได้หรือไม่ ในฐานะนักแข่ง Dirt Trial คนหนึ่ง ผมมองคำถามนี้ด้วยความอยากรู้อย่างแท้จริง และด้วยความระมัดระวัง เพราะกีฬานี้อ่านจากตัวเลขเพียงอย่างเดียวได้ยากเป็นพิเศษ
เริ่มจากข้อมูลที่มีน้อยมาก ใน Dirt Trial รถลงวิ่งในสนามทีละคัน การวิ่งหนึ่งครั้งใช้เวลาราวสองนาที และนักแข่งแต่ละคนได้วิ่งจับเวลาเพียงสองครั้ง โดยนับครั้งที่เร็วกว่า ในสนามแข่งรายการ All Japan มักมีการซ้อมแบบเปิดในวันเสาร์ แล้วจึงวิ่งสองฮีตจริงในวันอาทิตย์ ตลอดทั้งสุดสัปดาห์ รถแต่ละคันจึงได้วิ่งเพียงไม่กี่รอบ แมชชีนเลิร์นนิงเติบโตได้ด้วยข้อมูลจำนวนมาก แต่ Dirt Trial ให้ข้อมูลได้น้อยนิด
ถัดมาคือความเร็วของการเปลี่ยนแปลง เมื่อรถทั้งหมดลงวิ่ง ฮีตเดียวอาจใช้เวลาสองถึงสามชั่วโมง และพื้นผิวที่ไม่ได้ลาดยางก็เปลี่ยนไปเรื่อย ๆ ทุกครั้งที่รถแต่ละคันวิ่งผ่าน ในสนามที่ 5 ที่เอบิสุ จังหวัดฟุกุชิมะ เมื่อเดือนมิถุนายนปีนี้ ผู้ชนะทั้ง 10 คลาสทำเวลาดีที่สุดได้ในการวิ่งครั้งที่สอง และผู้ชนะคลาส PN2 เร็วขึ้นเกือบเก้าวินาทีในครั้งที่สอง จาก 1:36.720 เป็น 1:27.951 โมเดลที่เรียนรู้จากการวิ่งครั้งแรกอาจชี้ผิดทางได้ง่าย ๆ สำหรับครั้งที่สอง และหลายสิ่งที่นักแข่งพึ่งพาก็ยากจะบันทึกได้เลย เช่น ความรู้สึกของพื้นดินใต้ฝ่าเท้าตอนเดินสำรวจสนาม หรือสิ่งที่รถบอกผ่านเบาะนั่งและพวงมาลัย
นั่นไม่ได้แปลว่า AI ไร้ประโยชน์ที่นี่ ผมนึกภาพออกว่ามันจะช่วยได้ในรูปแบบที่ถ่อมตัวกว่า เช่น รวบรวมใบเซ็ตรถ แรงดันลมยาง สภาพอากาศ และผลการแข่งขันหลายปีไว้ในที่เดียว เพื่อให้เห็นแนวโน้มข้ามฤดูกาลแทนที่จะอยู่แค่ในความทรงจำ เปรียบเทียบวิดีโอจากกล้องในรถระหว่างการวิ่งครั้งหนึ่งกับครั้งถัดไป รวบรวมผลการแข่งขันที่เผยแพร่แล้ว ซึ่งระบุเวลาของทั้งสองฮีตไว้อยู่แล้ว และบางครั้งก็ระบุยี่ห้อยางของรถทุกคัน แล้วตั้งคำถามที่คมขึ้นว่าคู่แข่งหาเวลามาได้จากตรงไหน ทั้งหมดนี้ไม่อาจแทนที่วิจารณญาณ แต่ช่วยลับให้คมขึ้นได้
ท้ายที่สุด การตัดสินใจยังคงเกิดขึ้นที่เส้นสตาร์ต โดยมนุษย์ ด้วยข้อมูลที่ไม่มีโมเดลใดมี ทั้งการเดินสำรวจสนาม รถที่วิ่งไปก่อน และความรู้สึกในมือ คำถามที่แท้จริงไม่ใช่ว่าเครื่องจักรจะวิ่งสนามแทนเราได้หรือไม่ แต่คือมันจะช่วยให้เราจำ เปรียบเทียบ และสังเกตได้ดีขึ้นอีกสักนิดหรือเปล่า และบนพื้นผิวที่ไม่เคยคงเดิม แค่นั้นก็อาจสร้างความแตกต่างได้แล้ว
This column space is a paid placement for sponsor companies. Exposure across all World Stage Journal articles, distributed in 23 languages worldwide.
Inquire About Placement →Share this article
Comments
0Related Articles

ทำไมฉันถึงเลือก Dirt Trial — DirtMan
ลุงของฉัน — แชมป์ dirt trial ทั่วประเทศญี่ปุ่น — คือผู้ที่พาฉันมาสู่กีฬานี้ ฉันชื่นชอบ WRC และการแข่…
จากจอโทรทัศน์สู่ฟีด — โซเชียลมีเดียเข้ามาในการสนับสนุนมอเตอร์สปอร์ตได้อย่างไร
เป็นเวลานานที่มูลค่าของโลโก้บนรถแข่งถูกวัดจากจำนวนครั้งที่ปรากฏทางโทรทัศน์เป็นหลัก ปัจจุบันโซเชียลมี…
จากเดิร์ตไทรอัลสู่แรลลี่ครอสคันทรี — คู่มือการเปลี่ยนสายและก้าวจริงที่ต้องเดิน
“ถ้าลงแข่งเดิร์ตไทรอัล ก็น่าจะเอาไปใช้ในแรลลี่ได้แน่ๆ” — นี่คือคำถามที่นักขับจำนวนมากเคยมีในใจสักครั…
FOUNDING READER
This journal exists because 100 people believed in it before the world did.
Seat #001 could be yours.