Veštačka inteligencija u skautingu: kako tehnologija menja potragu za sportskim talentima

Da li ste primetili koliko se danas način traženja i procene mladih sportista razlikuje od onoga što smo imali pre samo nekoliko godina?

Skauting se dugo oslanjao pre svega na iskustvo trenera i skauta. Gledalo se kako se igrač ponaša na terenu, kako reaguje u važnim situacijama, kakvu tehniku poseduje i kakav utisak ostavlja tokom utakmice. Takva procena i dalje ima veliku vrednost, ali se danas sve češće dopunjuje velikom količinom podataka.Tu na scenu stupa veštačka inteligencija.

Savremeni sistemi mogu da obrade ogroman broj informacija o igraču i da pronađu obrasce koji čoveku lako mogu da promaknu.  Na osnovu prethodnih nastupa, fizičkih karakteristika, tehničkih elemenata i načina igre, algoritmi mogu da pomognu u proceni potencijala sportiste i njegovog mogućeg razvoja. Ovo je posebno značajno kada je reč o mladim igračima, nižim rangovima takmičenja i sredinama koje nisu toliko medijski praćene. Talentovan sportista danas ne mora da bude u velikom klubu da bi njegovi kvaliteti bili primećeni.

Kako veštačka inteligencija funkcioniše u skautingu?

Najjednostavnije rečeno, veštačka inteligencija u skautingu služi za obradu i povezivanje velikog broja podataka o sportisti Podaci mogu dolaziti iz različitih izvora – video snimaka utakmica, GPS uređaja, senzora, statističkih sistema i drugih tehnologija koje prate kretanje i opterećenje sportiste.

Na osnovu toga mogu se analizirati različiti parametri:

• brzina i ubrzanje
• pređena distanca
• broj i uspešnost dodavanja
• osvojeni dueli
• pozicioniranje
• učestalost određenih akcija
• donošenje odluka
• fizičko opterećenje
• ponašanje u različitim fazama igre

Kada se ovakvi podaci posmatraju pojedinačno, oni daju određenu sliku o igraču. Međutim, prava vrednost nastaje kada se veliki broj podataka poveže i analizira zajedno.

Algoritmi mašinskog učenja mogu da porede karakteristike jednog igrača sa velikim brojem ranije analiziranih sportista. Na taj način moguće je pronaći sličnosti i obrasce koji mogu ukazivati na potencijal za dalji razvoj.

Drugim rečima, cilj nije samo da se odgovori na pitanje kako je igrač igrao, već i da se pokuša proceniti šta bi od njega moglo da se očekuje u budućnosti.

Video analiza postaje važan deo modernog skautinga

Jedan od najzanimljivijih pravaca razvoja jeste analiza video materijala.

Savremeni sistemi mogu da prepoznaju kretanje igrača, položaj na terenu, promene pravca, određene tehničke elemente i obrasce ponašanja tokom utakmice. Umesto da skaut provede nekoliko sati gledajući snimak i ručno beležeći svaki detalj, softver može automatski da izdvoji situacije koje zahtevaju dodatnu pažnju Skaut i trener i dalje moraju da razumeju kontekst. Algoritam može da pokaže da je igrač često donosio određenu odluku, ali stručnjak mora da proceni zbog čega je do te odluke došlo. Na primer, statistika može pokazati mali broj uspešnih dodavanja. Međutim, tek kada se pogleda utakmica može se razumeti da li je razlog loš izbor igrača, kvalitet protivničke odbrane, slabiji saigrači ili potpuno drugačija uloga koju je sportista imao u ekipi.

Zato je najbolji pristup kombinacija tehnologije i stručnog iskustva.

Može li veštačka inteligencija da pronađe talenat koji bi inače bio zanemaren?

Može da pomogne upravo u tome. Tradicionalni skauting često zavisi od toga gde se skaut nalazi, koje utakmice može da pogleda i koliko vremena ima na raspolaganju. Zbog toga veliki broj mladih sportista nikada ne dobije priliku da bude ozbiljno analiziran. Veštačka inteligencija može da proširi taj prostor. Ako su dostupni kvalitetni podaci, moguće je analizirati veliki broj sportista iz različitih klubova i takmičenja. Sistem može da izdvoji igrače čiji se profil uklapa u određene kriterijume, čak i kada oni nisu trenutno među najpoznatijim imenima.

To je posebno interesantno za mlađe kategorije.

Igrač koji sa 16 ili 17 godina nije najbolji u svojoj generaciji ne mora nužno da bude i najmanje perspektivan. Razvoj sportiste nije linearan i zato trenutni rezultat ne mora uvek da govori dovoljno o njegovom budućem potencijalu.

Veštačka inteligencija može da pomogne da se takvi igrači ranije uoče.

Od statistike do predviđanja razvoja igrača

Jedna od najvećih prednosti savremenih analitičkih sistema jeste mogućnost korišćenja istorijskih podataka. Ako sistem ima dovoljno informacija o velikom broju sportista, može da traži obrasce koji su se pojavljivali kod igrača koji su kasnije napravili veliki napredak. Na primer, mogu se posmatrati promene u fizičkim sposobnostima, tehničkom napretku, količini treninga, načinu igre i rezultatima tokom određenog perioda Na osnovu takvih podataka mogu se napraviti modeli koji trenerima daju dodatnu informaciju o mogućem pravcu razvoja sportiste Naravno, takva procena nikada nije garancija. Sport je nepredvidiv. Na razvoj igrača utiču treneri, povrede, motivacija, sredina, saigrači, konkurencija, psihološka stabilnost i veliki broj drugih faktora koji se ne mogu jednostavno pretvoriti u broj Zato prediktivni modeli treba da budu pomoć u donošenju odluka, a ne zamena za odluku trenera.

Veštačka inteligencija i prevencija povreda

Podaci koji se koriste u skautingu mogu biti korisni i u drugim segmentima sporta. Praćenjem opterećenja tokom treninga i utakmica moguće je dobiti bolji uvid u stanje sportiste. Sistemi mogu da registruju promene u intenzitetu rada, količini aktivnosti i drugim parametrima Kada se takvi podaci posmatraju kroz duži period, mogu se uočiti promene koje zahtevaju dodatnu pažnju. Zbog toga se veštačka inteligencija sve više povezuje i sa sistemima za procenu rizika od povreda i upravljanje treningom. Cilj nije da algoritam „predvidi“ svaku povredu, jer to u sportu nije realno, već da trenerima i stručnom timu pruži dodatne informacije na osnovu kojih mogu bolje da planiraju opterećenje.

Da li veštačka inteligencija može da zameni skauta?

Ne bi trebalo, najveća vrednost savremenog skautinga upravo je u kombinaciji različitih izvora informacija. Algoritam vidi ono što može da izmeri dok Skaut vidi mnogo više od toga. Iskusan stručnjak može da primeti karakter igrača, način na koji komunicira sa saigračima, reakciju nakon greške, ponašanje pod pritiskom ili način na koji prihvata instrukcije trenera. To su elementi koje je mnogo teže pretvoriti u pouzdan matematički model. Zato je realnije govoriti o tome da veštačka inteligencija proširuje mogućnosti skauta, umesto da ga zamenjuje. Skaut više ne mora da bude samo osoba koja satima gleda utakmice i pravi beleške. Njegova uloga se sve više pomera ka tumačenju podataka, proveri rezultata algoritma i donošenju konačnog stručnog zaključka.

Koji su problemi i ograničenja?

Iako veštačka inteligencija donosi velike mogućnosti, ne treba zanemariti ni njene slabosti.

Kvalitet podataka

Algoritam je dobar onoliko koliko su dobri podaci koje dobija.

Ako su podaci nepotpuni, netačni ili prikupljeni na različite načine, rezultat analize može biti pogrešan.

Kontekst je veoma važan

Brojevi ne objašnjavaju uvek zašto se nešto dogodilo.

Ista statistika može imati potpuno različito značenje u različitim utakmicama i sistemima igre.

Opasnost od pristrasnosti

Ako je model treniran na podacima koji nisu dovoljno raznovrsni, može favorizovati određene tipove igrača ili ponavljati postojeće greške u proceni. Zbog toga algoritme treba stalno proveravati i unapređivati.

Troškovi i stručnost

Napredna analitika zahteva kvalitetnu infrastrukturu, podatke i ljude koji znaju da ih pravilno koriste. Veliki klubovi lakše mogu da izdvoje novac za takve sisteme, dok manjim sredinama implementacija može predstavljati značajan trošak.

Privatnost sportista

Posebno pitanje predstavljaju biometrijski i drugi lični podaci. Klubovi moraju jasno definisati šta se prikuplja, zašto se prikuplja, ko ima pristup podacima i koliko dugo se oni čuvaju. Tehnološki napredak ne sme da bude izgovor za zanemarivanje privatnosti sportista.

Šta nas očekuje u budućnosti?

Možemo očekivati da će veštačka inteligencija postajati sve prisutnija u sportskom skautingu. Sistemi će biti sposobni da analiziraju utakmice gotovo u realnom vremenu i da automatski izdvajaju najvažnije događaje. Treneri i skauti dobiće mogućnost da mnogo brže dođu do informacija koje su im potrebne. Razvoj kompjuterskog vida i dubokog učenja dodatno će unaprediti analizu kretanja i ponašanja sportista. Posebno zanimljiv pravac biće povezivanje različitih vrsta podataka. Video analiza, statistika, fizičko opterećenje i informacije o razvoju sportiste moći će da se posmatraju kao jedna celina. Na taj način dobiće se mnogo kompletnija slika igrača. Istovremeno, ovakvi sistemi će verovatno postajati dostupniji i manjim klubovima. To bi moglo da bude veoma značajno za razvoj sporta, jer kvalitetna analiza više neće zavisiti isključivo od budžeta kluba.

Tehnologija kao pomoć, a ne zamena za čoveka

Veštačka inteligencija donosi veliku promenu u načinu na koji razmišljamo o skautingu. Ona može da obradi ogromnu količinu podataka, pronađe obrasce, izdvoji zanimljive igrače i pomogne u proceni njihovog razvoja. Međutim, sport nije samo zbir statističkih pokazatelja jer iza svakog broja nalazi se čovek. Zato će i u budućnosti najbolji rezultati verovatno dolaziti iz saradnje čoveka i tehnologije. Algoritam može da pronađe igrača. Video analiza može da pokaže njegove navike. Statistika može da potvrdi određene karakteristike.

Ali konačna procena i dalje zahteva iskustvo, znanje i razumevanje igre.

Upravo u toj kombinaciji leži najveći potencijal modernog skautinga – veštačka inteligencija daje podatke i obrasce, a stručnjak im daje smisao.