Ще може ли изкуственият интелект да селектира таланти и да печели шампионати?

Ще могат ли отборите, вместо да харчат огромни средства за да си купят успеха, да използват големи масиви данни (Big Data) и изкуствен интелект за да триумфират в големите първенства? Например, във футбола се изпълняват множество технико-тактически задачи: удари, подавания, пресичане на пасове, шпагати, удари с глава и много други. Ако всички тези елементи от играта се пресметнат, може да се види, че футболът, както и голяма част от нашия живот, се подава на описание, алгоритмизиране и управление посредством подходящ математически апарат.

Сигурно много от вас са гледали филма „Кешбол“ (Moneyball) с Брат Пит в ролята на мениджъра Били Бийн на бейсболния Оукланд Атлетикс. Отборът е пред фалит и има минимален бюджет за селекция. Сюжетът е базиран на истинска история и криволичи заедно с Били Бийн, чийто девиз е „Ако не се адаптираш – умираш”. Бийн прави нещо „невероятно” в бейзбола – избира да не се уповава на старите и изпитани скаути, които правят селекцията. Вместо да послуша старите пушки, Били се доверява на един симпатичен дебеланко с диплома по икономика от Йейл ( в ролята Джона Хил ), който със сложни формули и допотопни компютри изчислява как да се събере Печелившия отбор, избирайки играчи по специфични показатели, тяхната цена на трансферния пазар, ограничавайки се в минималния бюджет, с който разполага отбора. И чудото се случва! Отборът прави рекорд от последователни победи в американската Мейджър лига по бейсбол. (МБЛ). Самият филм е сниман през 2011 година, а историята на Били Бийн в отбора на Оукланд Атлетикс започва през 1997 година. Той е легенда със способността си да подбира боеспособен състав с минимални средства, използвайки математически средства.

Оттогава изкуственият интелект и обработката на Big data направиха огромни крачки напред. Вече много отбори по света използват такива методи. Например, в съвременния футбол се използва „умна“ система, която сама заснима и анализира огромни масиви от данни. С такива системи работи компанията InStat, която анализира статистиката, събрана по време на игра. На сайта на компанията се твърди, че те притежават най-точните данни и най-голямата база за играчи от целия свят. Видеоплатформата разполага с данни за 960 хиляди футболиста. Те оценяват 95 параметри за отборни действия и 70 за индивидуалните действия на играчите, такива като брой докосвания за мач, брой на точни и неточни подавания, какво разстояние е пробягал играча и много други. Всичко това, включително и грешките на играчите се проследява от специална камера, инсталирана на трибуните, а след това статистиката се обработва от специална програма. Така за всеки играч се събира сериозна статистика, като за мач се обработват около 2,5 хиляди тактико-технически действия.

Но някои клубове не се ограничават само с тези дани и използват и друга статистика. Например, играчите на нидерландския “AZ Alkmaar” предоставят на аналитиците на отбора своите физически, когнитивни и лични данни. Последните са особено важни за оценка на психологическото състояние на играча. Например, ако в неговото семейство някой се е разболял тежко, това неминуемо се отразява на неговата игра.

Има два емблематични примера, при които изкуственият интелект и Big Data са помогнали както на отборите, така и на играчите.

Немският „Волфсбург“ се е възползвал от такъв алгоритъм, който е търсил нападател за отбора. Изборът се паднал на Ваут Вегхорст, който играел в долните лиги на нидерландския шампионат. Неговите статистически данни били много добри и подходящи за „вълците“ , но му куцала психологическата подготовка. След привличането му и преминаването през специална психологическа програма, Ваут Вегхорст до март 2020 годима е вкарал 31 гола за 70 изиграни мача.

Друг пример е с Мемфис Депай, който нямаше особено добро представяне в редиците на „Манчестър Юнайтед“. Той се възползвал от услугите на ИИ, който го посъветвал да премине във френския Олимпик Лион. В резултат от 100 мача – повече от 40 вкарани гола.

Кой и защо събира тези огромни бази данни?

Много е ценно чрез математически способи да бъдат оценени, колкото си може по-рано, комплексните качества на младите спортисти. С други думи, треньорите и скаутите искат по този начин да проникнат в главите на младите таланти. На играча са му необходими милисекунди да оцени по движението на колената на съперника в каква посока той ще тръгне и ще обърне играта в съвършено друга посока. Колкото и да е невероятно на пръв поглед и това се подава на анализ. А на такъв анализ се подлагат още много други качества на младите надежди.

Има неща, които алгоритмите определят по-добре и от най-добрия треньорски нюх. Например, при младите играчи може да се наблюдава различна биологическа възраст. В „AZ Alkmaar“, алгоритми на база провеждани тестове определят биологическата възраст на различните играчи, а след това сравняват всички показатели с други играчи , ориентирайки се на историята на развитието на тази биологична възраст. Това помага много при подбора да не се изпусне някой истински талант.

Big data се анализират не само при подготовката за определен мач или при търсене на млади надежди. Те се използват също така за прогнози за вероятността от травми, съвместявайки историята за предишни заболявания и контузии на конкретния играч с неговата моментна форма, поведението на тренировките и способността да понася натоварвания.

Информацията се събира с помощта на електронно устройство, което се носи от играча като къс потник и проследява такива показатели като пулс и останалите основни физиологични показатели, дистанцията, която е пробягал играча по време на тренировката, времето нужно за максимално ускорение, дистанцията на максималното ускорение и много други.

Едни от първите, които разработиха такава методика и алгоритми бяха от австралийската компания Catapult. На сайта им може да се види, че към техните услуги се обръщат не само футболни клубове, но и отбори по американски футбол, бейсбол, баскетбол, ръгби и други, като броя на отборите в различните видове спорт е над 2,5 хиляди.

Но ако в Северна Америка благодарение на специфичната система за привличане на нови играчи в различните характерни за там спортове (американски футбол, бейсбол, хокей, баскетбол) и отборите могат да разчитат на някакви шансове за изравняване на силите, а съответно и по-интересен шампионат, то в Европа по всяка вероятност отново финансовите възможности ще са решаващи. Колкото повече пари можеш да отделиш за трансфери, но и за използване на изкуствен интелект и огромните масиви от бази данни, толкова повече се увеличават шансовете ти за успех.