Στα κορυφαία αθλήματα πολλές φορές η εξέλιξη των γεγονότων είναι εντελώς απρόβλεπτη - αυτός είναι και ένας από τους λόγους που μας δημιουργούν τόσο έντονα συναισθήματα. Οι προπονητές αποφασίζουν βάσει ενστίκτου και επηρεάζουν με κομβικό τρόπο τους αγώνες. Όμως τώρα η τεχνητή νοημοσύνη (ΤΝ) ενδέχεται να αλλάξει αυτή τη συνθήκη. Και πολλοί αναρωτιούνται: Μήπως ο αθλητισμός απειλείται; Μήπως με την ΤΝ θα γίνει πιο προβλέψιμος και άρα πιο ανιαρός;

Εδώ και χρόνια τα δεδομένα που συλλέγονται στα αθλητικά γεγονότα παίζουν πολύ σημαντικό ρόλο στην ανάλυση των αγώνων - δεδομένα που με το πέρασμα των ετών γίνονται ολοένα πιο ακριβή και εκτενή. Οι προπονητές συχνά αδυνατούν να αξιοποιήσουν πλήρως όλα τα δεδομένα. Και εδώ είναι που έρχεται να βάλει το χέρι της η ΤΝ.

«Η τεχνητή νοημοσύνη είναι μία τεχνολογία που εφαρμόζεται από υπολογιστές για την εκπόνηση εργασιών, οι οποίες απαιτούν μεν ανθρώπινη νοημοσύνη, είναι όμως συνήθως πολύ περίπλοκες για τους ανθρώπους», λέει ο Ντάνιελ Μέμερτ από το Αθλητικό Πανεπιστήμιο της Κολωνίας. «Tα συστήματα τεχνητής νοημοσύνης μπορούν με τη χρήση δεδομένων και αλγορίθμων να αναγνωρίζουν και να αξιολογούν αντικειμενικά τα μοτίβα του παιχνιδιού». Η αντικειμενική αυτή αξιολόγηση είναι και η διαφορά τους από την υποκειμενική εκτίμηση ενός προπονητή, όπως λέει ο αθλητικός επιστήμονας.

Θα αντικατασταθούν οι άνθρωποι;

Η τεχνητή νοημοσύνη έχει φέρει επανάσταση στην ανάλυση δεδομένων και επηρεάζει διαρκώς περισσότερο την τακτική, την πρόληψη των τραυματισμών ή τη διαχείριση της προπόνησης. Έτσι, αλλάζει και η στελέχωση των αθλητικών συλλόγων.

Πλέον δεν προσλαμβάνονται άνθρωποι με κατά το δυνατόν μεγαλύτερη εμπειρία στο εκάστοτε άθλημα, αλλά περισσότεροι προγραμματιστές και επιστήμονες πληροφορικής. «Το 2017 η Μπαρτσελόνα προσέλαβε 15 αναλυτές δεδομένων και βίντεο», λέει ο Μέμερτ, προσθέτοντας ότι «η χρήση συστημάτων τεχνητής νοημοσύνης δεν θα μειώσει τους ανθρώπους που συμμετέχουν στον επαγγελματικό αθλητισμό, αλλά θα τους αυξήσει». Διότι ακόμη είναι απαραίτητοι οι ειδικοί που κατανοούν εις βάθος το εκάστοτε άθλημα, ώστε να ξέρουν πώς να διαχειριστούν τις πληροφορίες που προσφέρει η τεχνητή νοημοσύνη, εξηγεί ο Μέμερτ.

ΤΝ στο τμήμα scouting της Σάλκε

Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί σε πολλούς διαφορετικούς τομείς. Στη Σάλκε 04 η τεχνητή νοημοσύνη αξιοποιείται στο scouting νέων παικτών. «Έχουμε περίπου 40 κατηγορίες αξιολόγησης στο τμήμα scouting και σε τρεις από αυτές αξιοποιούμε και τη βοήθεια της τεχνητής νοημοσύνης», όπως για παράδειγμα στην ακρίβεια που έχουν οι παίκτες στις πάσες τους, λέει ο αθλητικός διευθυντής της Σάλκε, Πέτερ Κνέμπελ, στο δεύτερο κανάλι της γερμανικής τηλεόρασης ZDF.

Με αυτόν τον τρόπο είναι εύκολο να διαπιστωθεί εάν αυτός ο ποδοσφαιριστής είναι εξίσου ποιοτικός με έναν παίκτη που έχει αποχωρήσει από την ομάδα. Και πάλι όμως η τελική απόφαση εξακολουθεί να ανήκει στον scouter και τους προπονητές. H τεχνητή νοημοσύνη είναι απλώς ένας επιπλέον τρόπος για την αποτελεσματικότερη αξιολόγηση των παικτών.

«Η τεχνητή νοημοσύνη είναι σαν ένα μικρό παιδί»

Τέτοιους είδους τεχνολογίες χρησιμοποιούνται και στο χάντμπολ, όπου οι παίκτες φορούν τα λεγόμενα "wearables", τα οποία είναι σαν αθλητικά γιλέκα με αισθητήρες, μέσω των οποίων καταγράφονται πάσης φύσεως δεδομένα κατά τη διάρκεια των αγώνων, όπως οι αποστάσεις που τρέχει ο αθλητής ή η ταχύτητά του.

Το σύστημα τροφοδοτείται με ολοένα και περισσότερα δεδομένα και, όπως εξηγεί ο Μίκαελ Ντέρινγκ της Φλένσμπουργκ-Χάντεβιτ, «είναι στην αρχή σαν ένα μικρό παιδί, το οποίο αρχίζει να κατανοεί καλύτερα το παιχνίδι μέσω των δεδομένων που λαμβάνει».

Υπολογισμός μέχρι και στις πιθανότητες για γκολ

Ο Ντέρινγκ και οι συνάδελφοί του μπορούν μέσω της ΤΝ να διαπιστώσουν ακόμη και το ποιος παίκτης και σε ποια θέση μπορεί να δημιουργήσει τις μεγαλύτερες πιθανότητες για γκολ. «Πού πρέπει να σταθεί ο παίκτης; Πώς πρέπει να ξεκινήσουμε την επίθεση; Τέτοια ερωτήματα αποκτούν ξαφνικά μεγαλύτερη σημασία», λέει ο αθλητικός επιστήμονας στην DW.

Ο Ντέρινγκ, ο οποίος έχει διατελέσει προπονητής χάντμπολ, είναι εκείνος που διαβιβάζει τα δεδομένα στον προπονητή της ομάδας. Εξάλλου, πρέπει πάντα να γίνεται μία διαλογή εκείνων των πληροφοριών που μπορούν πράγματι να φανούν χρήσιμες στις προπονήσεις ή την τακτική προσέγγιση της ομάδας.

Όσο πιο σύνθετη, τόσο πιο αποδοτική είναι η ΤΝ

Πάντως, η αξιοποίηση δεδομένων που βασίζονται στην τεχνητή νοημοσύνη βρίσκεται ακόμη σε πρώιμο στάδιο, διότι οι υπολογιστικές ικανότητες του συστήματος περιορίζονται στα δεδομένα που παρέχονται από τους ανθρώπους.

Όμως είναι βέβαιο πως τέτοιες τεχνολογίες θα συνεχίσουν να εξελίσσονται με ταχείς ρυθμούς, όπως και να «ψηφιοποιούν» και να αλλάζουν ακόμη περισσότερο τον αθλητισμό. «Όσο περισσότεροι παίκτες υπάρχουν σε ένα γήπεδο, τόσο πιο πολύπλοκα είναι τα δεδομένα που προκύπτουν στον εκάστοτε αγώνα. Επομένως, όσο περισσότεροι άνθρωποι δραστηριοποιούνται σε ένα άθλημα, τόσο μεγαλύτερος είναι ο όγκος των δεδομένων και τόσο περισσότερο αποδοτική είναι η επεξεργασία αυτών των δεδομένων μέσω έξυπνων αλγορίθμων», καταλήγει ο Μέμερτ.

Επιμέλεια: Γιώργος Πασσάς