فوتبال زیر سلطه هوش مصنوعی؛ از تمرین تا گل‌های سرنوشت‌ساز

در فینال جام جهانی، زمانی که نتیجه بازی بسیار حساس می شود، سرمربی تیم ملی انگلیس یک نکته تاکتیکی مهم از دستیار خود دریافت می کند. دستیار متوجه می شود که مدافع چپ فرانسوی در برابر پاس های بلند و مورب خسته و آسیب پذیر است.

این اطلاعات به سرعت به بازیکنان منتقل می شود و طبق پیش بینی عمل می کند. گل پیروزی انگلیس از سمت راست به ثمر می رسد. این تغییر کوچک باعث می شود که انگلیس پس از سال ها دوباره قهرمان بزرگترین جام فوتبال جهان شود. وقتی از سرمربی تیم درباره این تغییر سرنوشت ساز سوال می شود، او درباره «چشم به سکو» می گوید; اما نه چشم یک مربی، بلکه یک دوربین فوق پیشرفته.

این دستگاه نه تنها لحظه به لحظه بازی را دنبال می کند، بلکه با مدل هوش مصنوعی داخلی خود، الگوهایی را تشخیص می دهد که می توان از آنها برای ضربه زدن به حریف استفاده کرد. این هفته Daily Mail Sports او گفت چگونه آرسنال از هوش مصنوعی برای تجزیه و تحلیل تاکتیکی در آماده سازی مسابقات استفاده می کند. مرحله بعدی این است که تجزیه و تحلیل‌ها در طول بازی به صورت زنده انجام شود تا تیم‌ها بلافاصله از آن استفاده کنند. شاید در جام جهانی بعدی این اتفاق نیفتد، اما احتمال زیادی وجود دارد که تا جام جهانی 2030 به یک رویه معمول تبدیل شود.

هفته گذشته در جریان رویداد Hudl Performance Insights در استادیوم کلبه کریونکارشناسان مختلف دنیای فوتبال دور هم جمع شدند تا درباره آینده این ورزش صحبت کنند. یکی از موضوعات اصلی همانطور که انتظار می رفت، نقش فزاینده هوش مصنوعی در فوتبال بود. امروزه بسیاری از باشگاه ها به طور معمول از مدل های هوش مصنوعی برای تجزیه و تحلیل داده های فیزیکی بازیکنان استفاده می کنند و بر اساس معیارهای مختلف، فهرستی از گزینه های مناسب برای نقل و انتقالات را به دست می آورند.

اما اکنون همه چیز یک قدم جلوتر می رود. اد سالی که 19 سال در بولتون و منچستر سیتی کار کرد و اکنون مدیر راه حل های مشتری در شرکت جهانی Hudl است، توضیح می دهد:

امروزه مدل هایی ساخته می شوند که می توانند موارد بیشتری را در چند ساعت تجزیه و تحلیل کنند. بیش از تمام بازی های تاریخ فوتبال انجام شده است.

از دیدگاه مربیان، برگ برنده واقعی دریافت اطلاعات لحظه ای از هوش مصنوعی است. به این معنی که تمام داده ها در یک لحظه نظارت می شوند و درک دقیقی از سبک و تاکتیک های بازی شما دارند.

اگر متوجه شدیم حریف ترکیب خود را به گونه ای تنظیم کرده که می خواهد برنامه های ما را به هم بزند، باید خیلی سریع این موضوع را بشناسیم و پیشنهادهای مناسبی برای پاسخ به آن داشته باشیم. این مرز جدید فناوری است.

سالی می‌گوید که هادل در حال سرمایه‌گذاری بر روی مفهوم “سالن ورزشی هوشمند” است. جایی که دوربین ها، سیستم های ردیابی و پوشیدنی ها همه به هم متصل هستند.

این شرکت در حال حاضر دارای فناوری است که می تواند الگوهایی مانند بازیکنانی که پهنای بیش از حد زمین را می گیرند یا بازیکنانی که توانایی ارسال پاس های خط شکن را دارند را شناسایی کند. او همچنین می افزاید:

گام بعدی این است که فناوری خودش را ارائه دهد. مثلا اگر این کار را انجام دهیم چه اتفاقی می افتد؟ یا تشخیص دهید که چند بازیکن در چهار گوشه قبلی تمرکز خود را از دست داده اند. سپس مربیان می توانند بلافاصله این پیام را به بازیکنان برسانند.

هوش مصنوعی به تدریج نقش مهمی در جذب بازیکنان داشته است. متیو بنهام از برنتفورد و تونی بلوم از برایتون با کمک مدل های پیشرفته با بازیکنانی قرارداد بسته اند که جایگاه تیم خود را در لیگ برتر تثبیت کرده اند. با پیشرفت سیستم های هوش مصنوعی، این ابزارها همیشه پیشرفته تر می شوند.

آرسنال جلوتر از منحنی بود و در سال 2014 شرکت تجزیه و تحلیل داده StatDNA را خریداری کرد. نوریچ و بیرمنگام نمونه هایی از باشگاه های دیگر هستند که همین مسیر را دنبال می کنند. نورویچ در حال مذاکره برای خرید src ftbl است و بیرمنگام اوایل سال جاری Real Analytics را خریداری کرد. باشگاه های لیگ برتر از جمله چلسی در تلاش هستند تا سیستم های اختصاصی خود را کامل و بهینه کنند.

این مسیر فقط مختص باشگاه ها نیست. آژانس های بزرگ نیز بخش داده و تجزیه و تحلیل خود را با کمک هوش مصنوعی راه اندازی کرده اند. به عنوان مثال، Raiola Global Management، آژانس تجاری تیم Raiola که توسط Mino Raiola تأسیس شده است، مدلی را توسعه داده است که از داده های مختلف برای تعیین اینکه کدام باشگاه ها برای بازیکنان تحت قرارداد مناسب هستند، استفاده می کند. به این ترتیب، تاتنهام به عنوان مقصد ایده آل برای میکی فن د وان و لیورپول برای رایان گراونبرچ شناخته شدند.

مارک نرونیا، مدیرعامل رایولا می گوید:

تقریباً سه سال طول کشید تا چنین مدلی ساخته شود. مدل هایی از این دست تاثیر زیادی در نقل و انتقالات خواهند داشت و به تعیین ارزش واقعی بازیکنان کمک می کنند. ما مدل هایی را برای رتبه بندی باشگاه ها و لیگ ها، ویژگی های تاکتیکی و فنی تیم ها و بازیکنان ایجاد کرده ایم. و سپس به تحلیل مربی و کل باشگاه می رویم.

در اینجا برنامه ریزی بودجه اهمیت پیدا می کند. همانطور که برایتون و برنتفورد با استفاده هوشمندانه از داده ها از رقابت پیشی گرفته اند، باشگاه های هم سطح ممکن است به جای آوردن یک مهاجم جدید، روی نوآوری های پیشرفته هوش مصنوعی سرمایه گذاری کنند.

لینکلن سیتی یکی از کم درآمدترین تیم های لیگ یک است، اما به لطف استفاده هوشمندانه از ابزارهای خارج از زمین، از جمله هوش مصنوعی، در حال حاضر در رتبه دوم جدول قرار دارد. مایکل اسکوبالا سرمربی این تیم می گوید:

در دو فصل گذشته، ما بر روی نوع خاصی از پرتاب های بلند تمرکز کرده ایم و از هوش مصنوعی برای کمک به تصمیم گیری استفاده می کنیم.

تیم مربیان و کارشناسان ورزشی ما در این روند مشارکت داشته اند. ما همچنین از هوش مصنوعی برای تصمیم گیری کمک گرفته ایم. حالا این فناوری با وجود اینکه دو فصل پیش آن را معرفی کردیم، ناگهان در سطح بالاتری خود را نشان می دهد. دلیل و منطق خاصی پشت این است که کجا و چرا از آن استفاده می کنیم.

نقش کارشناسانی که استعداد بازیکنان را شناسایی می کنند نیز مطمئنا تغییر خواهد کرد. با گذشت زمان، ماشین‌ها در تجزیه و تحلیل اطلاعات و تماشای مسابقات آنقدر کارآمد می‌شوند که ممکن است دیگر نیازی به “چشم روی سکو” نباشد.

با این حال، هوش مصنوعی نمی تواند همه کارها را انجام دهد. این فناوری هنوز نمی تواند شرایط خانوادگی بازیکن، دوران کودکی یا واکنش او به موقعیت های خاص را ارزیابی کند. مدل ها نمی توانند تشخیص دهند که یک بازیکن اهل مهمانی است، چقدر به تغذیه اش اهمیت می دهد یا چقدر در مدیریت پول بی توجه است. وقتی از اد سالی پرسیده شد که آیا نقش استعدادیاب‌ها ممکن است بیشتر به نقش یک کارآگاه خصوصی تبدیل شود، او تا حدی موافقت کرد:

نقش آنها ممکن است از تماشای بازیکنان در حال عمل تا بررسی جزئیاتی که داده ها نمی توانند اندازه گیری کنند تغییر کند.

این افراد در سراسر فوتبال ارتباطاتی دارند که امکان بررسی پیشینه حیاتی برای هر گونه انتقال را فراهم می کند.

با استفاده از داده ها، نمی توان فهمید که یک بازیکن چقدر احتمال دارد با دیگران موافق نباشد یا وضعیت خانوادگی او چگونه است. داده ها ممکن است عالی به نظر برسند، اما اگر شخصیت بازیکن محیط تیم را مختل کند، این داده ها بی فایده هستند و بازیکن به یک فروش سخت تبدیل می شود.

با این حال، افرادی که این بررسی ها را انجام می دهند باید فوتبال را به خوبی درک کنند. آنها می توانند رفتار یک بازیکن را در تمرین تجزیه و تحلیل کنند یا بدانند چگونه با یک بازیکن ناراحت برخورد کنند.

با پیشرفت سریع فناوری، کسانی که اکنون وارد آن نمی شوند احتمالاً عقب خواهند ماند. اگرچه استفاده از این فناوری هیجان انگیز است، اما کارشناسان در مورد خطرات و خطرات آن نیز هشدار می دهند.

کریس مارکهام که رویکرد تیم به ضربات پنالتی را پیش از پیروزی انگلیس در جام جهانی 2018 مقابل کلمبیا تغییر داد، هشدار می دهد که مدل های هوش مصنوعی همیشه با خطراتی همراه هستند. مارکام که چهار سال به عنوان رئیس آنالیز مسابقات در اتحادیه فوتبال انگلیس و سپس در هادرزفیلد و بولتون کار کرد، می گوید:

امیدوارم سرعت پردازش اطلاعات در مدل‌های هوش مصنوعی به ما این امکان را بدهد که گفتگوهای بهتری داشته باشیم و در نهایت تصمیمات بهتری بگیریم. اما این اشتباه است که فکر کنیم هوش مصنوعی خطرات خاصی ندارد. مدل ها فقط به اندازه داده هایی که به آنها داده می شود مفید هستند.

حدود 20 سال پیش، داده ها تأثیر زیادی داشتند و شما باید با آن ها پیش می رفتید. همین موضوع در مورد هوش مصنوعی نیز صدق می کند.

با این حال، بازی همچنان به بازیکنانی در زمین و مربیان کناره‌ای برمی‌گردد که نقش اصلی را ایفا می‌کنند و گاهی اوقات متقاعد کردن آنها به فناوری مدرن سخت‌ترین بخش است. به همین دلیل همه ما باید تا حد امکان اطلاعات کافی داشته باشیم.