هوش مصنوعی و ورزش حرفه ای

حتی طرفداران هوش مصنوعی (AI) نیز اذعان خواهند کرد که این مفهوم، "شروع نادرست" را پشت سر گذاشته است. با این حال، در دهه گذشته تحولی در نحوه درک هوش مصنوعی در ورزش ایجاد شده است، باشگاه ها، لیگ ها، سازمان ها و مشاغل که پشتیبان صنعت هستند، نوآوری هایی را که می توانند از طریق شبیه سازی هوش انسانی در ماشین ها بوجود آید را کشف کردند.
دکتر Patrick Lucey، دانشمند ارشد ارائه دهنده داده ها و تجزیه و تحلیل های ورزشیStats Perform، می گوید: عموم مردم هر روز به این فناوری تکیه می کنند و ما آن را بدیهی می دانیم.
این روزها در دسترس بودن داده ها یک تفاوت بزرگ است که باعث پذیرش هوش مصنوعی شده است. بازگشت سرمایه از طریق اقدامات عینی قابل مشاهده است و همچنین می توان از هوش مصنوعی در تمام بخش‎های تجاری نیز استفاده کرد.
موانع Adoption
هوش مصنوعی با حجم زیادی از داده ها از طریق پردازش تکراری و الگوریتم هایی که به سیستم عامل‌های نرم افزاری اجازه می دهد الگوها را تشخیص داده، نتایج آینده را پیش بینی کنند و تقویت می شود. بنابراین، افزایش حجم داده های جمع آوری شده و تجزیه و تحلیل در صنعت ورزش در سال های اخیر، چنین فرآیندهایی را تصفیه کرده و نتایج دقیق تر و مزایای نهایی را ایجاد کرده است.
با این حال، با توجه به تعریف آن، تعجب آور نیست که کاربرد هوش مصنوعی برای بسیاری نیز دشوار بوده است، هوش مصنوعی اغلب به "یادگیری ماشین" نیاز دارد، مخصوصا رشته ای از هوش مصنوعی که بر نحوه تقلید رایانه ها متمرکز است. 
Ben Mackriell، معاون داده ها، هوش مصنوعی و محصولات حرفه ای در Stats Perform می گوید: زمانی که اصطلاحاتی مانند AI و "علم داده ها" برای اولین بار به کار گرفته شد، من یکی از کسانی بودم که ارزش آن را درک نمی کردم. اما اکنون درک بیشتری از بازار وجود دارد که هوش مصنوعی به سادگی مکانیزمی است که با عنصر اصلی داده ها، تجربیات بهتر را ایجاد می کند. چالش ما این است که هوش مصنوعی را بکار ببریم و برخی از افسانه ها را از بین ببریم. این فرایند پیچیده است، اما خروجی نباید پیچیده باشد.

باشگاه های ورزشی در ابتدا در صدد بودند تا بفهمند که چگونه استفاده از هوش مصنوعی می تواند در نهایت، نتایج را بهبود بخشد و مطمئنا اکنون برگشتی از این راه وجود ندارد. از منظر عملکرد، بیش از 350 باشگاه در رشته های مختلف ورزشی به داده ها و خدمات فناوری Stats Perform تکیه می کنند که هوش مصنوعی جزء اصلی آنها است.
Stats Perform اولین شرکتی بود که بیش از یک دهه پیش فناوری ردیابی بازیکنان در بسکتبال را ارائه کرده است. در حال حاضر برای تیمی در NBA و همچنین هر لیگ برتر دیگری غیرقابل تصور است که تحلیلگری در این حوزه نداشته باشد. Mackriell می افزاید: این حوزه در 10 سال گذشته به طور تصاعدی رشد کرده است. در دهه گذشته بیشتر باشگاه های لیگ برتر یک یا دو تحلیلگر داشتند اما در حال حاضر در هر باشگاهی بیش از 10 نفر در تجزیه و تحلیل داده ها کار می کنند. باشگاه ها در حال حاضر مهندسین داده استخدام می کنند در صورتی که  شما سه سال پیش چنین چیزی را تصور نمی کردید.
تصویر زنده
در طول مسابقات تابستانی یورو 2020 که با تاخیر انجام شد، Stats Perform تصویری واضح از قابلیت‌های هوش مصنوعی آن برای طرفداران سراسر اروپا و فراتر از آن با مدل پیش بینی یورو ارائه کرد. 
مدل"The Analyst" ،  از طریق پلتفرم دیجیتالیStats Perform  احتمال نتیجه مسابقات را با استفاده از مجموعه ای از ورودی ها  از تیم های تاریخی و عملکرد بازیکنان گرفته تا شانس شرط بندی بازار و رتبه‌بندی تیم ها را تخمین می زند.
Mackriell می گوید: صدها هزار سناریو در هر بار وارد شدن یک گل، به ثمر می رسید. با این حال، برای باشگاه ها مدل سازی پیش بینی کننده مبتنی بر هوش مصنوعی، می تواند بینش هایی را ارائه دهد که حتی عمیق تر است. به عنوان مثال، چارچوب سبک های بازیStats Perform ، حوادث و عوامل متعددی را برای تعیین گرایش های یک تیم در نظر می گیرد. هشت سبک بازی، از بازی های ساختگی گرفته تا ضد حملات زیر ذره بین قرار داده شده است.
چنین بینش های مبتنی بر داده می تواند برای شناسایی نقش های تک تک بازیکنان در هر سبک، تجزیه و تحلیل داده ها، هزینه های نقل و انتقالات و چگونگی قراردادهای جدید به سیستم تیم فعلی وارد شود و مورد استفاده قرار گیرد. هرگونه عمل و مرحله ای در زمین تجزیه می شود. هر اقدامی در زمین را می توان از نظر میزان احتمال رسیدن به یک هدف تعیین کرد و می توانید ببینید افراد چگونه در یک فرصت گلزنی، سهیم هستند.
این امر از تصمیم گیری پشتیبانی می کند و از نظر جستجو و سرمایه گذاری به تیم کمک می کند. یکی از متداول ترین سوالاتی که ما از یک باشگاه می پرسیم این است که چگونه مهارت های این بازیکن به تیم و لیگ ما منتقل می شود.؟ و این جایی است که تیم ها با سرمایه گذاری هوش مصنوعی شاهد بازگشت سرمایه هستند. 
برای باشگاه های ورزشی و حق رای دادن، هوش مصنوعی "Moneyball" 2.0 بکار برده می شود،  با استفاده از داده ها لایه هایی از بینش های پیش بینی کننده را معرفی می کند که می تواند به آنها در تصمیم گیری‌های تجاری درست کمک کند. Mackriell می گوید: ما برای باشگاه ها در رشته های مختلف ورزشی وقت می گذرایم تا مشکلاتی را که آنها سعی در حل آنها دارند را شناسایی کنیم. این رویکرد حل مشکل به این صورت است که چگونه ما از هوش مصنوعی به عنوان یک شرکت مستقر در آن باشگاه استفاده می کنیم، نه اینکه فقط سعی کنیم فناوری و داده های هوش مصنوعی را با هم جمع کنیم.
به گفته Lucey، با توجه به افزایش سطح پوشش داده ها، نتایج برای باشگاه ها و حق رای دادن در سراسر جهان پیچیده تر می شود.