ملاحظات قانونی و اخلاقی مربوط به استفاده از هوش مصنوعی در ورزش

هوش مصنوعی (AI) در زندگی روزمره حرفه ای و اجتماعی ما از اهمیت بیشتری برخوردار می شود. با در نظر گرفتن بسیاری از مزایای سیستم های هوش مصنوعی، مانند آموزش، تمرین و تجزیه و تحلیل عملکرد، این سیستم ها امروزه به قلمرو ورزش نیز نفوذ کرده اند.
طی سالهای گذشته، ما شاهد مطالعات حقوقی متنوعی درباره هوش مصنوعی و تصویب اسناد استراتژیک متعددی بوده ایم. به عنوان نمونه می توان به مقاله منتشر شده درباره هوش مصنوعی توسط کمیسیون اروپا و همچنین رهنمودهای اخلاقی برای هوش مصنوعی قابل اعتماد و لیست ارزیابی ALTAI که توسط گروه متخصص سطح بالای هوش مصنوعی (AI HLEG) تصویب شده است، اشاره کرد.
اما با کمال تعجب، توجه زیادی به چالش های حقوقی و اخلاقی ناشی از استفاده از سیستم های هوش مصنوعی در ورزش نشده است. در این مقاله درباره برخی از مناطق ورزشی که سیستم های هوش مصنوعی در آنها مستقر شده‌اند، صحبت می کنیم. تا چالش های اخلاقی و قانونی برای هر یک از این زمینه ها برطرف شود.
سیستم های هوش مصنوعی در ورزش و ملاحظات قانونی و اخلاقی برای مشاغل و سازمان های ورزشی
سیستم های هوش مصنوعی بسیاری از حوزه ها در ورزش مانند ورزشکاران، مربیگری و تصمیم گیری تاکتیکی را تحت تأثیر قرار داده است که ملاحظات کلیدی در مورد اقتصاد داده، حفاظت از داده ها و امنیت سایبری برای این حوزه های مختلف مورد بحث قرار گرفته است.
1.    سیستم های هوش مصنوعی برای ورزشکاران
سیستم های هوش مصنوعی می توانند عملکردهای بدنی فردی ورزشکاران را افزایش دهند و مزایای رقابتی آنها را شناسایی کنند. به چند مثال توجه کنید: 
Home Court*: این سیستم برای تبدیل تمرینات بسکتبال به یک بازی ویدیویی اکشن زنده، از دوربین روی دستگاه تلفن همراه استفاده می کند.
Tennis In/Out: این الگوریتم، سرعت و محل قرارگیری پرتاب های تنیس را برای افزایش عملکرد بازیکنان تنیس محاسبه می کند.
سیستم های نصب اتوماتیک دوچرخه: پروژه VICTORIS که هدف آن توسعه یک سیستم اتصالات دوچرخه کاملا مستقل در مدت زمان کوتاه می باشد.
سیستم های AI همچنین می توانند ورزشکاران را در مورد واکنش بدنشان به یک برنامه تمرینی خاص آگاه کنند:
TRENARA: برنامه ای در حال اجرا می باشد که بر اساس الگوریتمی اختصاصی می تواند به عنوان مربی شخصی در لحظه استفاده شود.
Stat Sports: شرکتی که حتی لباس های متصل به ورزشکار را برای تغذیه سیستم هوش مصنوعی خود با داده ارائه می دهد.
ملاحظات مربوط به اقتصاد داده
اگرچه این مثال‌ها مزایای استفاده از سیستم‌های هوش مصنوعی برای ورزشکاران را نشان می دهد، اما ممکن است در هنگام استفاده، ذینفعان مختلفی در جمع آوری و پردازش داده ها، موضوعات مربوط به مالکیت داده ها و اشتراک داده ها وجود داشته باشند. لازم است مشخص شود که چه کسی مسئول است تا اطمینان حاصل شود که داده های یک ورزشکار به طور ایمن ذخیره می شود. این سوال همچنان باقی می ماند که چه کسی در نهایت داده های پوشیدنی ها، پزشکان ورزشی یا آزمایش‌های آمادگی جسمانی یک ورزشکار را دارد!
به عنوان مثال انجمن بازیکنان لیگ فوتبال ملی آمریکا (NFLPA) با WHOOP  (تولید کننده پوشیدنی) مشارکت کرد. بازیکنان در NFL اکنون داده های فردی جمع آوری شده خود را با WHOOP Strap 2.0 مالکیت و کنترل می کنند. آنها حتی این امکان را دارند که از طریق یک برنامه صدور مجوز برای گروهNFLPA، داده های سلامت خود را تجاری کنند.
به طور کلی، این سوال مطرح می شود که تا چه اندازه می توان از سیستم ها و داده های هوش مصنوعی در مراحل مختلف چرخه قرارداد یک ورزشکار (به عنوان مثال مذاکره و فسخ) استفاده کرد. در همین راستا، اتحادیه ملی Basket (NBA) در سال 2017 توافق نامه ای صادر کرده است که از استفاده داده های به دست آمده از پوشیدنی‌ها در مذاکرات قرارداد جلوگیری می کند.

2.    سیستم های هوش مصنوعی برای مربیگری و تصمیم گیری تاکتیکی
استفاده از سیستم های هوش مصنوعی همچنین می تواند برای اهداف زیر استفاده شود:
* Sportlogiq: این شرکت یک سیستم هوش مصنوعی ایجاد کرده است که قادر به شناسایی بازیکنان با استعدادی است که به طور معمول کشف نمی شوند.
سیستم های هوش مصنوعی همچنین ممکن است به روش های جدید مربیگری در ورزش منجر شوند:
دانشگاه Southampton، دارای یک سیستم هوش مصنوعی می باشد که قادر به شناسایی بهترین ترکیب از بازیکنان تیم است که این موضوع برای هر تیمی مهمترین فاکتور می باشد.
همچنین سیستم های هوش مصنوعی می توانند برای چندین منظور دیگر مانند تصمیم گیری تاکتیکی نیز مورد استفاده قرار بگیرند:
SkillCorner’s AI-systems: باشگاه فوتبال لیورپول از این سیستم های هوش مصنوعی برای ردیابی بازیکنان و توپ استفاده می کند، در نتیجه به مربیان اجازه می دهد نقاط ضعف تیم ها را در یک نگاه اجمالی مشاهده کنند.
محققان در KU Leuven با SciSports همکاری کرده اند تا الگوریتمی بسازند که بتوانند تأثیر کل بازیکن فوتبال را بر روی بازی ارزیابی کنند.
BioRICS همچنین یک سیستم نظارت بر استرس را برای رانندگان اتومبیل های مسابقه ایجاد کرده است که بوسیله نشان دادن اینکه چه موقع باید درایورها را عوض کرد عملکرد را افزایش می دهد.
ملاحظات مربوط به حفاظت از داده ها
•    GDPR
در این مثال ها، داده ها به روش های مختلفی جمع آوری و تحلیل می شوند. قوانین مربوط به این فرایندها، با گذشت سالها افزایش یافته است. 
GDPR شامل قوانین مربوط به حمایت از اشخاص با توجه به پردازش اطلاعات شخصی و قوانین مربوط به جابجایی آزاد این اطلاعات می باشد. استفاده از برخی از این اصول هنگام توسعه و استفاده از سیستم های هوش مصنوعی در ورزش می تواند چالش برانگیز باشد.
به عنوان مثال، اصل صحت مستلزم آن است که داده های شخصی دقیق و به روز باشد. داده های مورد استفاده توسط سیستم هوش مصنوعی باید از کیفیت کافی برای جلوگیری از هرگونه تعصب برخوردار باشند. برخی از بازیکنان ممکن است زیر نظر یک مربی خاص یا در یک محیط کار / رویداد خاص (به عنوان مثال از دست دادن یکی از اعضای خانواده) عملکرد خوبی نداشته باشند. بنابراین سیستم های هوش مصنوعی با استفاده از چنین نوع داده های تاریخی می توانند این مورد را در نظر بگیرند تا از تصمیمات نادرست در مورد عملکرد و توانایی های بازیکن جلوگیری کنند.
برای آموزش، توسعه و استفاده از سیستم های هوش مصنوعی در ورزش، مقادیر زیادی از داده های شخصی مورد نیاز است. در عین حال، پیروی از اصل به حداقل رساندن داده ها ضروری است. باید اطمینان حاصل شود که هرگونه اطلاعات شخصی کافی، مرتبط و محدود به آنچه برای اهداف پردازش "ضروری" است، می باشد. در این راستا، سازمان‌ها ممکن است به تکنیک‌هایی برای توسعه سیستم‌های هوش مصنوعی در ورزش‌ها متکی باشند که ممکن است فقط داده های شخصی را پردازش کنند در حالی که هنوز عملکردی ندارند.
علاوه بر این، داده های شخصی باید به روشی شفاف پردازش شوند. افشای روند تصمیم گیری سیستم های هوش مصنوعی برای ورزشکاران موضوعی است که بسیار مورد بحث است.
•    رضایت ورزشکار برای پردازش داده ها
برای جمع آوری و پردازش اطلاعات شخصی یک ورزشکار نیز باید، مبنای قانونی معتبری وجود داشته باشد. سیستم های هوش مصنوعی مستقر در یک حوزه ورزشی اغلب به داده های پزشکی یک ورزشکار متکی هستند. نگهداری و پردازش چنین داده هایی می تواند برای اطمینان از آمادگی بدنی برای بازی، جلوگیری / ارزیابی آسیب‌ها، تصمیم گیری تاکتیکی و رعایت قوانین ضد دوپینگ لازم باشد.
با این وجود، داده های بهداشتی به عنوان "دسته خاصی" از داده ها تحت GDPR واجد شرایط هستند. پردازش چنین داده هایی تحت GDPR ممنوع است مگر اینکه رضایت صریح در این زمینه داده شده باشد.
3.    پروفایل و تصمیم گیری خودکار
طبق ماده 22 GDPR ، ممکن است یک ورزشکار فقط براساس پردازش خودکار، مشمول تصمیم معنی دار نشود. "Solely" به معنای فرایند تصمیم گیری است که کاملاً خودکار است، این سیستم تأثیر معنادار انسان بر نتیجه را حذف می کند. بنابراین ارزیابی تعامل بین انسان و سیستم‌های AI که منجر به تصمیم گیری خودکار می شوند جالب است. به عنوان مثال، سیستم هوش مصنوعی تا چه اندازه بر تصمیم مربی تأثیر داشته است؟
از آنجایی که مدل های هوش مصنوعی مبتنی بر ریاضیات و داده ها هستند، افراد تمایل دارند (بیش از حد) به خروجی آن اعتماد کنند. به عنوان مثال، مربیان ممکن است به سیستم هوش مصنوعی اعتماد کرده و از سوال کردن درباره صحت واقعی خروجی سیستم اجتناب کنند. این قانون اما فقط در مورد تصمیماتی صدق می کند که تأثیر قانونی یا قابل توجهی برای ورزشکار / باشگاه داشته باشد. هنوز مشخص نیست که چه چیزی قابل توجه است و چه چیزی نه. وقتی رضایت صریح توسط ورزشکار داده شود، می توان موارد استثنائی را نیز ایجاد کرد.
ملاحظات مربوط به امنیت سایبری
اهمیت امنیت سایبری تنها با رشد سیستم های هوش مصنوعی در ورزش افزایش می یابد. آژانس جهانی ضد دوپینگ (WADA) در جریان بازی‌های المپیک 2016 ریو توسط گروه جاسوسی سایبری Tsar Team مورد حمله قرار گرفت. این گروه به پایگاه داده سیستم مدیریت ضددوپینگ WADA دسترسی غیرقانونی پیدا کردند و در نتیجه، اطلاعات پزشکی ورزشکاران به صورت آنلاین منتشر شد.
هک یک شبکه یا پایگاه داده حاوی آمار و داده های شخصی در مورد بازیکنان (به عنوان مثال داده های سلامتی) می تواند تأثیر جدی در مسابقات ورزشی داشته باشد. باشگاه ها بیشتر از دستگاه های پوشیدنی و اینترنت اشیا استفاده می کنند که خطر حملات سایبری را افزایش می دهد، خصوصاً با توجه به اینکه هنوز امنیت دستگاه های اینترنت اشیا و سیستم عامل های ابری کاملا مناسب نیست.
نتیجه گیری و کلیدهای اصلی کسب و کارها
این مقاله برخی از موارد قانونی و اخلاقی مربوط به استفاده از سیستم های هوش مصنوعی در ورزش را شناسایی کرده است. نکات کلیدی برای سازمان های ورزشی، موسسات دانشگاهی یا نهادهای در حال توسعه سیستم های AI  برای استفاده در ورزش عبارتند از:
    اطمینان از انطباق و ارائه شفافیت در مورد مقررات و اصول محافظت از داده های قابل اجرا در  GDPR 
    توضیح و مشخص کردن اینکه چه کسی مالک داده های یک ورزشکار می باشد. 
    از خطرات امنیت سایبری آگاه باشید و سازوکارهای قانونی برای کاهش خطر آنها را فراهم کنید.
    مرزهای اخلاقی مربوط به استفاده از سیستم های هوش مصنوعی برای افزایش عملکرد ورزشی را تعیین کنید.
    آنچه را می توان با داده های شخصی یک ورزشکار برای نتیجه گیری یا فسخ قرارداد ورزشی انجام داد، تعیین کنید.
با توجه به موارد فوق، روشن است که تحقیقات عمیق و بین رشته ای اضافی در این زمینه که به سرعت در حال پیشرفت است، مورد نیاز می باشد. 
این مقاله بر اساس مقاله ای است که در LawInSport  توسط نویسندگان اصلی Dr. Jan De Bruyne و Michiel Fierens با همکاری STRN منتشر شده است.