کاربرد هوش مصنوعی در فوتبال_خبرخوان

در فینال جام جهانی، هنگامی نتیجه بازی بسیار حساس شده، سرمربی انگلیس یک مسئله تاکتیکی مهم از دستیارش دریافت می‌کند. این دستیار درمیابد که دفاع کننده چپ فرانسه خسته شده و در برابر پاس‌های بلند و قطری صدمه‌پذیر است.

این اطلاعات سریع به بازیکنان منتقل می‌شود و همان گونه که پیش‌بینی شده می بود، نتیجه می‌دهد؛ گل پیروزی انگلیس را از سمت راست می‌زنند. همین تحول کوچک علتمی‌شود انگلیس سپس از سال‌ها مجدد بزرگ‌ترین جام فوتبال جهان را به دست بیاورد. هنگامی از سرمربی درمورد این تحول سرنوشت‌ساز می‌پرسند، او از «چشم‌هایش روی سکو» می‌گوید؛ اما نه چشم‌های یک مربی، بلکه یک دوربین فوق‌پیشرفته.

این دستگاه نه‌تنها بازی را لحظه‌به‌لحظه جستوجو می‌کند، بلکه با مدل هوش مصنوعی داخلی‌اش الگوهایی را تشخیص می‌دهد که می‌توان از آن‌ها برای ضربه‌زدن به حریف منفعت گیری کرد. این هفته دیلی‌میل اسپورت او گفت که آرسنال چطور از هوش مصنوعی برای تحلیل تاکتیکی در آماده‌سازی مسابقات منفعت می‌برد. قدم بعدی این است که تحلیل‌ها به‌صورت زنده زمان بازی انجام شود و تیم‌ها همان لحظه از آن منفعت گیری کنند. احتمالا این اتفاق در جام جهانی بعدی رخ ندهد، اما گمان بسیاری وجود دارد که تا جام جهانی ۲۰۳۰ به یک روال معمول تبدیل شود.

هفته قبل طی اتفاقات Hudl Performance Insights در ورزشگاه کریون کاتج، متخصصان گوناگون دنیای فوتبال دور هم جمع شدند تا درمورد آینده این ورزش سخن بگویید کنند. یکی از موضوعات مهم، همان گونه که انتظار می‌رفت، نقش رو به رشد هوش مصنوعی در فوتبال می بود. امروزه زیاد از باشگاه‌ها به‌طور معمول از مدل‌های هوش مصنوعی منفعت گیری می‌کنند تا داده‌های فیزیکی بازیکنان را مورد بازدید قرار داده و بر پایه معیارهای گوناگون، فهرست گزینه‌های مناسب برای نقل‌وانتقال‌ها را به دست بیاورند.

اما اکنون قرار است همه چیز یک قدم جلوتر برود؛ اِد سالی، که ۱۹ سال در بولتون و منچسترسیتی کار کرده و اکنون مدیر قسمت راهکارهای مشتری در شرکت جهانی Hudl است، توضیح می‌دهد:

امروز مدل‌هایی در حال ساخت می باشند که می‌توانند ظرف چند ساعت، تعداد بیشتری از مسابقات را تحلیل کنند؛ زیاد تر از همه بازی‌هایی که در تاریخ فوتبال انجام شده است.

از نگاه مربیان، برگ برنده واقعی همینه که اطلاعات زنده و لحظه‌ای از هوش مصنوعی دریافت کنند. یعنی همه داده‌ها در همان لحظه رصد شوند و فهمیدن دقیقی از سبک بازی‌ و تاکتیک‌های شما داشته باشد.

اگر فهمید شویم حریف طوری ترکیب خود را چیده که می‌خواهد برنامه‌های ما را مختل کند، باید زیاد سریع این نوشته را تشخیص بدهیم و چند نظر مناسب برای جواب به آن داشته باشیم. این همان مرز تازه فناوری است.

سالی می‌گوید Hudl در حال اندوخته‌گذاری روی مفهوم «ورزشگاه هوشمند» است؛ جایی که دوربین‌ها، سیستم‌های ردیابی و ابزارهای پوشیدنی همه به هم وصل‌ می باشند.

این شرکت همین اکنون هم فناوری‌هایی دارد که می‌تواند الگوهایی همانند بازیکنانی که بیشتر از حد عرض زمین را می‌گیرند یا بازیکنانی که توانایی ارسال پاس‌های خط‌شکن دارند، تشخیص دهد. او این چنین اضافه می‌کند:

قدم بعدی این است که فناوری خودش نظر بدهد؛ برای مثالً بگوید اگر این کار را انجام دهیم چه می‌شود؟ یا تشخیص دهد که چند بازیکن در چهار کرنر قبلی تمرکز خود را از دست داده‌اند. سپس مربیان می‌توانند همان لحظه این مطلب را به بازیکنان منتقل کنند.

هوش مصنوعی کم‌کم در جذب بازیکنان هم نقش مهمی اشکار کرده است. متیو بنهام، مالک برنتفورد، و تونی بلوم، مالک برایتون، با پشتیبانی مدل‌های پیشرفته، بازیکنانی را جذب کرده‌اند که علتشده جایگاه تیم‌هایشان در لیگ برتر تثبیت شوند. با پیشرفت سیستم‌های هوش مصنوعی، این ابزارها مدام در حال گسترش یافتهتر شدن می باشند.

آرسنال از این نظر جلوتر می بود و در سال ۲۰۱۴ شرکت تحلیل داده StatDNA را خریداری کرد. از جمله باشگاه‌های فرد دیگر که همین مسیر را جستوجو می‌کنند می‌توان نوریچ و بیرمنگام را مثال زد؛ نوریچ در حال مذاکره برای خرید شرکت src ftbl و بیرمنگام اغاز امسال Real Analytics را خرید. باشگاه‌های لیگ برتر، از جمله چلسی، در تلاش می باشند تا سیستم‌های اختصاصی خود را تکمیل و بهینه کنند.

این مسیر فقط خاص باشگاه‌ها نیست؛ آژانس‌های بزرگ هم قسمت‌های داده و تحلیل خود را با پشتیبانی هوش مصنوعی راه‌اندازی کرده‌اند. برای مثالً Raiola Global Management، آژانس تجاری تیم رایولا که توسط مینو رایولا تأسیس شده می بود، مدلی ساخته که با منفعت گیری از داده‌های گوناگون، اشکار می‌کند کدام باشگاه‌ها برای بازیکنان تحت قراردادشان مناسب می باشند. به این ترتیب، تاتنهام به گفتن مقصد ایده‌آل برای میکی فن دی فن و لیورپول برای رایان گراونبرخ شناسایی شدند.

۳ بازیکن برتر خط دعوا تاریخ فوتبال از نظر هوش مصنوعی کدامند؟

مارک نِروگنا، مدیرعامل رایولا، می‌گوید:

تقریباً سه سال طول کشید تا این چنین مدلی ساخته شود. مدل‌هایی از این دست تأثیر بسیاری روی نقل‌وانتقالات خواهند داشت و به تعیین قیمت واقعی بازیکنان هم پشتیبانی می‌کنند. ما مدل‌هایی برای رتبه‌بندی باشگاه‌ها و لیگ‌ها، ویژگی‌های تاکتیکی و این چنین فنی تیم‌ها و بازیکنان ساخته‌ایم؛ و سپس سراغ تحلیل مربی و کل باشگاه می‌رویم.

در اینجا برنامه‌ریزی بودجه اهمیت اشکار می‌کند. همان گونه که برایتون و برنتفورد با منفعت گیری هوشمندانه از داده‌ها جلوتر از رقیب ها بوده‌اند، باشگاه‌های هم‌سطح امکان پذیر به جای جذب یک مهاجم تازه، روی نوآوری‌های پیشرفته هوش مصنوعی اندوخته‌گذاری کنند.

باشگاه لینکلن سیتی یکی از کم‌درآمدترین تیم‌های لیگ دسته یک است، اما با منفعت گیری هوشمندانه از ابزارهای خارج از زمین، از جمله هوش مصنوعی، هم‌اکنون در رده دوم جدول قرار دارد. مایکل اسکوبالا، سرمربی این تیم، می‌گوید:

دو فصل قبل روی نوع خاصی از پرتاب‌های بلند تمرکز کرده‌ایم و از هوش مصنوعی برای تصمیم‌گیری‌هایمان پشتیبانی گرفته‌ایم.

تیم مربیان و کارشناسان ورزشی ما در این فرآیند دخیل بوده‌اند؛ ما از هوش مصنوعی نیز برای تصمیم‌گیری‌هایمان پشتیبانی گرفته‌ایم. اکنون این فناوری یک دفعه در سطح بالاتر خودش را مشخص می کند، هرچند ما دو فصل پیش آن را داخل سیستم کردیم. علت و علتمشخصی پشت این که کجا و چرا از آن منفعت گیری می‌کنیم وجود دارد.

نقش کارشناسانی که توانایی بازیکنان را شناسایی می‌کنند نیز مطمئناً تحول خواهد کرد. با گذشت زمان، ماشین‌ها آن‌قدر در تحلیل اطلاعات و تماشای مسابقات کارآمد خواهند شد که احتمالا دیگر نیازی به «چشم در سکو» نباشد.

با این حال، هوش مصنوعی نمی‌تواند همه چیز را انجام دهد. این فناوری تا این مدت نمی‌تواند شرایط خانوادگی بازیکن، دوران کودکی او یا واکنشش به موقعیت‌های خاص را برسی کند. مدل‌ها نمی توانند بفهمند بازیکن اهل تفریح شبانه است، چه مقدار به تغذیه‌اش اهمیت می‌دهد یا در مدیریت پول بی‌دقتی می‌کند. هنگامی از اِد سالی پرسیدند که آیا امکان پذیر نقش کارشناسانی که توانایی بازیکنان را شناسایی می‌کنند، همانند کار یک کارآگاه خصوصی شود، او تا حدی موافقت کرد:

نقش آن‌ها امکان پذیر از تماشای بازیکنان در عمل، به بازدید جزئیاتی که داده‌ها قادر به اندازه‌گیری‌شان نیستند، تحول کند.

این افراد در سراسر فوتبال ارتباطاتی دارند که امکان بازدید‌های بعد‌عرصه‌ای حیاتی برای هر انتقال را فراهم می‌سازد.

با منفعت گیری از داده‌ها نمی‌توان فهمید که یک بازیکن چه مقدار گمان دارد با دیگران اختلاف اشکار کند یا شرایط خانوادگی او چطور است. داده‌ها احتمالا عالی به نظر برسند، اما اگر شخصیت بازیکن علتاختلال در محیط تیم شود، آن داده‌ها بی‌منفعت‌اند و فروش بازیکن نیز سخت می‌شود.

با این حال، افرادی که این بازدید‌ها را انجام خواهند داد، باید فوتبال را خوب بفهمند. آن‌ها می‌توانند حرکت بازیکن در تمرین را تحلیل کنند یا بدانند چطور باید با بازیکن غمگین برخورد کرد.

با پیشرفت سریع فناوری، افرادی که هم‌اکنون داخل این مسیر نمی‌شوند، به گمان زیادً جا می‌همانند. با این که منفعت گیری از این فناوری شوق‌انگیز است، اما کارشناسان درمورد خطرات و ریسک‌های آن نیز هشدار خواهند داد.

کریس مارکهام، که پیش از پیروزی انگلیس روبه رو کلمبیا در جام جهانی ۲۰۱۸، نگرش تیم را نسبت به ضربات پنالتی منقلب کرد، هشدار می‌دهد که مدل‌های هوش مصنوعی همیشه با ریسک همراه می باشند. مارکهام که چهار سال به گفتن مسئول تحلیل بازی‌ها در فدراسیون فوتبال انگلیس فعالیت داشته و بعد از آن در هادرزفیلد و بولتون نیز کار کرده، می‌گوید:

امیدوارم سرعتی که مدل‌های هوش مصنوعی اطلاعات را پردازش می‌کنند، به ما اجازه دهد او گفت‌وگوهای بهتری داشته باشیم و در نهایت تصمیمات بهتری بگیریم. اما فکر این که هوش مصنوعی ریسک خاصی به جستوجو ندارد، نادرست است. مدل‌ها تنها به اندازه داده‌هایی که به آن‌ها داده می‌شود، سودمند می باشند.

نزدیک به ۲۰ سال پیش، داده‌ها تاثییر بسیاری داشتند و باید با آن همراه می‌شدید. اکنون هم همین نوشته در رابطه هوش مصنوعی صدق می‌کند.

با این حال، بازی تا این مدت مربوط به بازیکنان داخل زمین و مربیان در کنار زمین می‌شود که نقش مهم را دارند، و بعضی اوقات قانع کردن آن‌ها نسبت به فناوری مدرن سخت‌ترین کار است. به همین علت همه ما باید تا جای ممکن اطلاعات کافی داشته باشیم.

تیم منتخب ۲۳ نفره تاریخ فوتبال به انتخاب هوش مصنوعی و به تفکیک پست‎های گوناگون