A digitalizáció és a mesterséges intelligencia forradalma a modern futballban

Korunk egyik legfontosabb irányvonala - nem csak a futballban - a digitalizáció, amely természetesen a labdarúgást és a klubokat sem kerülheti el. A Budapesten Európa-liga-döntőt játszó Sevilla pedig élen jár ezen a téren. Lapunk Juan Esteban Gómez Llanasszal, a klub digitalizációért felelős igazgatójával készített exkluzív interjút.

A digitalizációt úgy fogjuk fel, mint egy eszközt, amely tökéletesíti a munkafolyamatokat, és amelyben az adatokat vagy bármilyen típusú információt strukturált formában tudunk felhasználni. Továbbá alkalmas kiiktatni bizonyos eljárásokat, amelyek hagyományosan kézi vezéreltek, és amelyeknek szerintünk nincs elegendő hozzáadott értéke. Ugyanakkor nagyon fontos, hogy a digitalizációt ne önmagáért végezzük, hanem magas hozzáadott értékű munkafolyamatok kidolgozására, és ha ezek rendelkezésünkre állnak, digitalizáljuk a könnyebb nyomon követés és a magasabb fokú rendezettség érdekében.

A digitalizáció mint alapvető eszköz a futballban

Egy futballklub igen összetett rendszer a munkafolyamatokat tekintve - sajtóügyek, a márka pozicionálása, szociális területek, marketing, jegyeladások -, de ha a sportszakmai résznél maradunk, szinte minden a labdarúgókról szól, kezdve a játékosmegfigyeléstől a toborzásig.

A digitalizáció a játékosmegfigyelés fejlesztésére is alkalmas az adatok értelmezése révén, s ugyanilyen fontos a képzésben, hiszen egy klubnál ötéves kortól vannak csapatok, és a digitalizációt használjuk a labdarúgók hosszú távú fejlődésének elemzésére - a lényeg itt is az adatfeldolgozás. Lényegében ez segít a döntéshozatalokban és a munkafolyamatok javításában, legyen szó játékos igazolásról, fejlesztésről, sérülés megelőzésről.

Nemcsak az adat fontos önmagában, hanem a feldolgozás is. A megoldásokat jelentő munkafolyamatok számítanak, kezdve az edzésmunkától, a sérülésekből felépüléseken át a játékosigazolásokig. Tehát nemcsak a big data, az óriási adatállomány számít, hanem ennek értelmezése és a következtetések levonása is. A másik fő terület a rendszerezés a hozzáadott érték eléréséhez.

Mondhatjuk, hogy a digitalizáció szükséges egy modern futballklub számára? Leginkább nélkülözhetetlen. Ez olyan hullám, amely egyre termékenyebbé és hatékonyabbá válik - a klubon belüli döntéshozatalok, a szervezés és a klubirányítás terén -, ezért fogalmazok úgy: nem szükséges, hanem nélkülözhetetlen.

Globális elérés és a szurkolói interakciók

Ahhoz, hogy elérjük a Z generációt, nem szabad figyelmen kívül hagyni, ők digitális bennszülöttek - beleszülettek a digitalizációba -, ezért a fiatal szurkolókkal történő interakcióknak digitálisnak kell lenniük, mert ez a megfelelő közvetítő eszköz, ezen a platformon érzik magukat kényelmesen. Ugyanakkor nemcsak a Z generációt képviselő szurkolók megszólítására alkalmas a digitalizáció, mert végső soron mindenki érintve lehet, aki digitális eszközöket használ, márpedig ezen felhasználók száma megtízszereződött az elmúlt három évben.

A másik előnye a digitalizációnak, hogy elérjünk a Sevillán kívül élő szurkolókhoz is. A Sevilla jelentős projekteket visz Kínában, iskolaiakat, és kiemelten fontos piacnak tartjuk, nem utolsósorban a felhasználók magas száma miatt. A Sevillának az indiai Bengaluru Uniteddel van értékes szerződése. Indiában is promotáljuk a Sevilla sportszakmai tudását, s ugyanígy a technológiánkat is exportáljuk, ebből fakadóan az itteni partnerünkön keresztül óriási piacot tudunk elérni. India tehát fontos partner, csakúgy, mint az Egyesült Államok és Latin-Amerika, ahol legutóbb is járt a csapat körutazáson, és ahol a következő előszezonra is lekötöttünk mérkőzéseket.

A Mesterséges Intelligencia (MI) és a sport

Juan Esteban Gómez Llanas jelezte, a mesterséges intelligencia már most jelen van a labdarúgásban. Ha a sportszakmai részt nézzük, mondjuk a játékostoborzást, nem szabad szem elől téveszteni, hogy az algoritmusok és a mesterséges intelligencia már most jelen van az érzékelés és az értékelés terén. Meglehet, amíg emberek játsszák a futballt, az adatfeldolgozásban is megmaradnak az emberek, ugyanakkor a feldolgozandó adatmennyiség egyre grandiózusabbá válik.

Ez azt jelenti, hogy ismerjük majd minden játékos és a labda pillanatnyi helyzetét századmásodpercre lebontva. Ez lehetővé teszi a sokkal specifikusabb algoritmus kidolgozását a játékosok osztályzáshoz és értékeléshez, így lehetőségünk nyílik előre jelezni a várható viselkedéseket, és elválasztani ezeket a nem várt viselkedési mintáktól. Tehát azonosíthatjuk, hogy egy játékos milyen játékhelyzeteket képes a karakterének megfelelően könnyedén megoldani, és mindezt rábízhatjuk a mesterséges intelligenciára. Ezenkívül segít a sérülések előrejelzésében, valamint a sérülések rendszerezésében. A profi futball egyik legnagyobb problémája a magas sérülésszám.

Az MI konkrét alkalmazásai a futballban

A mesterséges intelligencia használata már számos területen elterjedt, használata a sportokban is hatalmas újítást jelent. A Labdarúgó-Európa-bajnokságon (foci EB) különböző módokon használják az MI-t a játék és a rendezvények támogatására egyaránt.

• VAR: A VAR-t rengeteg kritika éri a foci világában lassú döntéshozatala és esetenként pontatlansága miatt. Előfordult már, hogy a gyors döntéshozatal és kommunikációs félreértések miatt rossz döntés született, amely befolyásolta a mérkőzéseket is. Ezek tekintetében szükséges volt a változás, amire a mesterséges intelligencia megoldást kínál. A 2024-es Európa-bajnokságon már használják videók elemzésére és a játék fontos eseményeinek, például góloknak, tizenegyeseknek, piros lapoknak és egyéb szabálytalanságoknak megítélésére is. Az MI segít a gyors és pontos döntéshozatalban. A technológia használata már a gólvonal technológiával hatalmas fejlődést jelentett évekkel ezelőtt. Itt a labdában lévő chip segítségével érzékeli, ha áthaladt a labda a gólvonalon, így pontos döntés születhet minden esetben.
• Teljesítményelemzés: MI használata a játékosok teljesítményének elemzésére hatalmas előnyt jelent. A szenzorok és kamerák által gyűjtött adatok alapján az algoritmusok képesek értékelni a játékosok futóteljesítményét, passzpontosságát, helyezkedését. Ezek az elemzések segítik az edzőket a taktikai döntések meghozatalában és a játékosok fejlődésének nyomon követésében. Az edzők már rengeteg adattal rendelkeznek a játékosok teljesítményeiről, fizikai állapotáról, amik alapján saját csapatukat az erősségeikre építve tudják tovább fejleszteni.
• Taktika: A mesterséges intelligencia képes nagy mennyiségű adatot feldolgozni és elemezni, így segítve az edzőket abban, hogy megértsék az ellenfelek stratégiáját és gyengeségeit. Az MI által generált adatok és előrejelzések alapján az edzők finomíthatják saját csapatuk taktikáját és felkészülhetnek a különböző mérkőzésekre. Taktikai megbeszéléseken is ábrák, diagramok segíthetik a gyűjtött adatok megértését és ezek által a felkészülés sokkal alaposabb is lesz. Ezt a régi foci szurkolók észlelhetik is, hogy manapság sokkal kötöttebb és szabályozottabb mérkőzések vannak, amiknek oka az információra alapuló szigorú taktikai utasítások.
• Sérülésmegelőzés: Az MI segíthet a játékosok fizikai állapotának monitorozásában és a sérülések megelőzésében. Az algoritmusok elemezhetik a játékosok mozgásait és azonosíthatják azokat a mintázatokat, amelyek sérüléshez vezethetnek, így a stáb időben beavatkozhat, hogy csökkentsék a sérülések kockázatát.
• Közvetítés: Természetesen a televíziók képernyői előtt is rengeteg szembetűnő változást észlelhetünk. Közvetítések során szintén használják az MI-t, például az automatikus visszajátszásokhoz és a valós idejű statisztikák megjelenítéséhez.

A gépi tanulás ereje a sportelemzésben

A gépi tanulás, a mesterséges intelligencia egy alcsoportja, algoritmusok és statisztikai modellek felhasználásával elemzi és értelmezi az összetett adathalmazokat. A sport területén ez a technológia megváltoztatja az analitikát, mivel mélyebb és pontosabb betekintést nyújt a sportteljesítmény minden aspektusába. A játékosok mozgásának megértésétől a játék kimenetelének előrejelzéséig a gépi tanulás olyan átfogó elemzést tesz lehetővé, amely meghaladja a hagyományos módszerek képességeit.

Az olyan fejlett technológiák, mint a gépi tanulás, nem csak az adatgyűjtésről szólnak - hanem az átalakításról is. Ezen technológiák sportelemzésbe való integrálásával a csapatok és az edzők részletes teljesítménymodelleket hozhatnak létre, amelyek azonosítják az erősségeket, a gyengeségeket és a fejlesztendő területeket. Ez személyre szabottabb edzésprogramokat, jobb teljesítmény-előrejelzést és valós idejű döntéshozatalt eredményez, ami végső soron a sportolókat teljes potenciáljuk elérésére ösztönzi. A gépi tanulás bevezetése a sportelemzésbe megváltoztatja a játékmenetet. Kifinomult eszközt kínál az adatok hasznosítására, és olyan használható meglátásokat nyújt, amelyek a teljesítmény javulását és a versenyelőnyöket segítik elő. Ahogy folytatjuk e fejlett technológiák felfedezését és integrálását, a sportteljesítmény jövője fényesebbnek és izgalmasabbnak tűnik, mint valaha.

Intelligencia testreszabása: Gépi tanulás különböző sportágakban

Az elit sportcsapatok a gépi tanulás és a mesterséges intelligencia erejét használják ki, hogy versenyelőnyre tegyenek szert, fejlesztve edzésük, stratégiájuk és teljesítményük módját. A gépi tanulás alkalmazásainak sokoldalúsága számos népszerű sportágban megmutatkozik, bemutatva a sportteljesítmény és a csapatsikerek átalakításában rejlő lehetőségeket.

• F1 és IndyCar: A motorsportban a gépi tanulási platformok a múltbeli és valós idejű adatokat elemzik, hogy különböző versenyforgatókönyveket, például a gumiabroncsok kopási arányát, az üzemanyag-fogyasztást és a boxkiállások optimális időzítését előre jelezzék. A gépi tanulási algoritmusok például meg tudják jósolni, hogy a gumiabroncsok hogyan fognak teljesíteni az időjárási körülmények, a pálya felszíne és a vezetési stílus alapján, lehetővé téve a csapatok számára, hogy a legstratégikusabb gumikeverékeket és boxkiállási ablakokat válasszák ki. A gépi tanulás emellett az autók aerodinamikai fejlesztését is segíti.
• Amerikai futball: Az amerikai futballban a gépi tanulás átalakítja a csapatok felkészülését és versenyzését. A játékfelvételekből, a játékosok statisztikáiból, sőt még a biometrikus érzékelőkből származó hatalmas mennyiségű adat elemzése révén a gépi tanulási algoritmusok olyan mintákat és trendeket azonosítanak, amelyek stratégiai döntésekhez szolgálnak információval. Gépi tanulási modelleket használnak a játékosok teljesítményének és egészségi állapotának értékelésére, valamint a sérülési kockázatok előrejelzésére.
• Labdarúgás/Foci: A labdarúgásban a gépi tanulást a játékosok és a csapatok teljesítményének javítására használják. A csapatok gépi tanulási algoritmusokat használnak a meccsadatok elemzésére, a játékosok mozgásának, passzainak és lövéseinek nyomon követésére, hogy betekintést nyerjenek a taktikába és a teljesítménybe. Ez az adatvezérelt megközelítés segít az edzőknek hatékonyabb játékterveket kidolgozásában és a játékosok pályán elfoglalt pozícióinak optimalizálásában. A gépi tanulás a felderítésben és a játékosok toborzásában is fontos szerepet játszik, valamint segíti a valós idejű döntéshozatalt a mérkőzések során.

A gépi tanulás és a sportolói képzés integrációjának előnyei

A gépi tanulás integrálása a sportolók edzésébe javítja azt, ahogyan a sportszakemberek megközelítik a teljesítmény optimalizálását. A fejlett algoritmusok és az adatelemzés erejét kihasználva a gépi tanulás olyan példátlan betekintést nyújt, amely javítja a játékosok teljesítményét, csökkenti a sérülési kockázatokat és javítja a stratégiai döntéshozatalt.

• Továbbfejlesztett teljesítmény-előrejelzés: A gépi tanulási algoritmusok kiválóan alkalmasak a játékosok teljesítményének, sérüléskockázatának és stratégiai eredményeinek előrejelzésére. A múltbeli és valós idejű adatok elemzésével ezek az algoritmusok képesek olyan mintákat és trendeket azonosítani, amelyek előre jelzik a jövőbeli teljesítményt.
• Személyre szabott képzési programok: A gépi tanulás egyik legjelentősebb előnye, hogy képes személyre szabott, egyéni sportolókra szabott edzésprogramokat létrehozni. A teljesítményadatok elemzésével a gépi tanulási algoritmusok képesek azonosítani az erősségeket és gyengeségeket, és olyan speciális gyakorlatokat és edzésprogramokat ajánlani, amelyek az egyes sportolók egyedi igényeinek megfelelnek.
• Sérülésmegelőzés: A sérüléskockázat csökkentése a sportolók edzésének kritikus szempontja, és a gépi tanulás létfontosságú szerepet játszik ezen a területen. Az algoritmusok képesek elemezni a mozgásmintákat, az izomaktivitást és az olyan külső tényezőket, mint a játékfelület és az időjárási körülmények, hogy előre jelezzék a lehetséges sérüléseket.

A technológia történelmi fejlődése a futballban

A mesterséges intelligencia, a robotika, a biomérnökség (genetika) és az információ-kommunikációs technológia időközben annyira beépült a sportba, hogy lassan már el sem tudjuk azt képzelni nélküle. A szédítő iramú változásokat követni nem kis feladat.

A futballban az első statisztikai elemzéseket Reep végezte. Mivel a statisztikák akkoriban gólszerzőkön és végeredményeken kívül a világon semmit nem tartalmaztak, ezért Reep saját maga kellett, hogy létrehozza ezeket. A győzelemhez vezető egyetlen igaz formula megtalálásán ügyködött, mintákat próbált felismerni az általa megfigyelt meccsekről. Ehhez tapétaboltból vételezett méter széles tekercseket, ezeknek a hátuljára készítette a jegyzeteit, és bányászsisakot viselt a sötét nézőtéren a sisakra szerelt lámpával világított maga elé.

A következő lépcsőfokot Valerij Lobanovszkij munkája jelentette, aki a futballban elsőként használt számítógépet statisztikai analízishez. Lobanovszkij volt az első, aki képességek felmérésére is használta a technikát, egy ilyen példa a reakcióteszt, amit direkt egy erre a célra, Moszkvából behozott számítógépre írt program segítségével végeztetett. Ezen kívül használta ő még az algoritmusokat tehetségek kutatására is, illetve az analízis segítségével feketén-fehéren a játékosok arcába tudta nyomni a saját teljesítményüket minden meccs után, kérlelhetetlenül, számokban kifejezve.

Adatrobbanás a modern futballban

A fociról felfoghatatlan mennyiségű adatot gyűjtünk már hosszú évek óta, amit feldolgozni pusztán emberi erőforrások felhasználásával lehetetlen volna. Néhány évvel ezelőtt a Nürnberg FC reserve-csapatának tréningjén egy 60 perces, 8 a 8 elleni edzőmeccset játszottak a fiatalok egymással. A játékosok cipőiben és a kapusok kesztyűiben, valamint a labdában érzékelőket helyeztek el, amik másodpercenként 200-szor rögzítették a pozícióikat, a labdáét pedig 2000-szer.

Ez a módszer másodpercenként 8400 adatpontot generált (X, Y és Z koordináták formájában, mint egy 3d-s térkép), ami a meccs végére egy 6 gigabájtos adathalmazt eredményezett - több, mint 120 millió számmal. Ezt pedig nem jókedvében gyűjtötte a Nürnberg edzői stábja, ezzel az adathalmazzal kezdeni is kell valamit, a feldolgozást pedig az algoritmusokra bízták.

Ma már minden, magára egy kicsit is adó top 5 ligás klub gyűjti a pozíciós adatokat minden meccséről és edzéséről, az így halmozódó adat mennyiségének növekedésére pedig a „robbanásszerű” jelző sem lenne elég szemléltető. Márpedig a feldolgozásra a kluboknak nem majd egyszer lesz szüksége, hanem azonnal. Már a félidei szünetre az öltözőben készen kell állnia az analízissel a statisztikus nerd brigádnak, ráadásul mindezt a manager számára használható formában kell prezentálniuk - nem dobhatnak le elé az asztalra egy integrálással, bonyolult valószínűségekkel és hasonlókkal teli doktori disszertációt, az edzőnek a pályán is hasznosítható utasításokra van szüksége, amit kiadhat a játékosoknak - a halmazt le kell fordítani „emberi nyelvre”.

Az AI segítségével próbálnak mintázatokat felismerni a halmazban, illetve rájönni, hogy mely események korrelálnak a legjobban az elérni kívánt sikerrel. Ami nem feltétlen jelent gólt, lehet ez egy sikeresen kivitelezett lescsapdától kezdve egy lövéssel befejezett kontráig bármi. A játékosok pozícióival kapcsolatos adatok gyűjtése csak a jéghegy csúcsa - a különböző fizikai-biológiai paraméterek monitorozása és analízise szintén komoly szeletet képez ebben a tortában. Az edzői stábnak az a dolga, hogy a kezük alá adott keretből a legtöbbet hozzák ki, éppen ezért kulcsfontosságú, hogy a játékosok közül minél többen álljanak rendelkezésre minél hosszabb ideig.

A Ranieri dirigálta edzői stáb nagyon kevésből hozott ki nagyon sokat. A bajnoki arannyal zárult versenyfutás során mindössze 18 játékost játszottak, ami elég meredeken hangzik, pláne azóta, hogy 25 fős kereteket lehet nevezni. A Leicester keretének átlag 96%-a match-fit állapotban volt a szezon minden bajnokiján, ami a legmagasabb átlag volt abban az évben a Premier League-ben, hobbiszinten kerülték el a sérüléseket. Őket nem csak az érdekelte, hogy mennyit és hova fut egy játékos, hanem az is, hogy az izomzata milyen terhelést kap, mekkora a pulzusa és a vérnyomása, mennyi tejsavat termel a szervezete, és így tovább. A gyűjtött adatokat természetesen algoritmusokkal szedték ízekre, az analízis pedig hamar rámutatott arra, hogy a lassabb, kocogó tempóban végzett mozgásnak és irányváltásoknak is komoly sérülésveszélye van, legalábbis sokkal nagyobb, mint azt a józan ész elsőre saccolná.

Az AI segítségével egyéni edzésterveket készítettek a játékosoknak és folyamatosan monitorozták, mekkora a eséllyel következhet be egy várható sérülés. Jó példa még ugyanerre a Getafe alakulata, ahol pár éve kezdtek együttműködést egy sports science stábbal, név szerint a Zone7-nel. Ennek következtében 70%-kal csökkent az izomsérülések száma, és a La Liga „legfittebb” csapatává változtak hirtelen, ami pláne a covid miatti első nagy szünet után volt nagy előny. Mikor 2020 nyarán mindenki fetrengett, és 25-30%-kal nőttek meg a sérülések az összes európai ligában, addig a Getafe tulajdonképpen friss feljutóként áthasított a mezőnyön és zsinórban háromszor végeztek a top 10-ben, kiérdemelve egy Európa Liga indulást is. Az ilyen analízist végző cégekkel szerződni pedig sokkal olcsóbb, mint egy hosszabb kispadot fenntartani súlyos fontmilliókért.

Jó 20 évvel ezelőtt a tehetségkutatás még mindig a hagyományos úton ment: ha egy eldugottabb klubnak voltak kapcsolatai komolyabb bajnokságok komolyabb szereplőivel, akkor volt rá esély, hogy egy-egy fiatal tehetség felől érdeklődtek, és esetleg személyesen is megjelentek azért, hogy szemügyre is vegyék. Az élőben megfigyelés volt az egyetlen módszer, ami azonban baromi költséges. Azóta sok víz lefolyt az öltözői zuhanyzókban, ma pedig már sokkal olcsóbban is meg lehet tudni fiatal játékosokról infókat, mint Touré idejében.

A csapat pályáján felszereltek egy széles látószögű kamerát olyan magasságban, hogy tisztán lássa a játéktér egészét kaputól kapuig. A kamera kamerázik, az adatokat pedig egy szoftver gyűjti, amit algoritmusokkal rendszereznek, az eredmény pedig egy olyan statisztikai halmaz, ami az OPTA-hoz nagyon hasonló. A szoftver és az algoritmusok képesek egyes játékosokról beavatkozás nélkül összevágni action clipeket, kiválogatni a játékos minden passzát, lövését, blokkolását, sprintjét, bármit, amire szükség lehet.

A Leicester transfer targetek monitorozásával megbízott stábja kiszúrta, hogy Kante őrült magas számokat produkál labdaszerzésekben, azon belül is az ellenfelek kontráinak komoly százalékban való megakadályozása volt a legfontosabb skillje. A stáb pedig úgy értékelte, hogy ez a kiugró képessége komolyan kamatozna a Premier League mezőnyében, ahol szép számban akadtak elsősorban kontrákra alapozó csapatok. Azonban nem csak a kész tehetségek útjait egyengeti az AI, ma már az amatőrök közé is kezd betörni a 21. századi modern futball módszereinek tárháza. Először a Burnley volt az a klub, amelyik az AiSCOUT stábjának segítségével belefogott a 14 év fölötti amatőrök kutatásába abból a célból, hogy a legfelsőbb kategóriás akadémiájukra vihessék őket.

Smartfootball: Az agyra épülő játék

Melyik a legfontosabb testrész a fociban? A Smartfootball az agyban lezajló döntéshozatali folyamatok fejlesztésével és optimalizásával, radikális módon döntések sorozataként értelmezi újra a futballt mint „észjátékot”. Megalkotója és kitalálója, Juan Luis (Juanlu) Martínez Garcia egy valenciai egyetemi diplomával és egy 2004-es zaragozai PHD-vel a zsebében, már régóta az árral szemben úszik. A Smartfootball ugyanis szakít a hagyományos és repetitív gyakorlatokkal.

Szakvéleményük és kutatások szerint ugyanis, és ide tartoznak még az erőnléti feladatok is, ilyenkor az agy nem formálódik, hanem „csak statikus környezetben merev mintákat követ”. Mivel az SF alapvetően azt vallja, hogy „a futball a tudatalatti és tudatos döntések sportja” és „milliószor ismétlődő észlel-analizál-dönt és végrehajt vagy gátol folyamatok sorozata” így az agy a lehető leggyorsabb válaszokat keresi. Ez a készség igenis fejleszthető, és a játékos agya maga alakít ki egy olyan ismeretrendszert, ami a tér és az idő nyomásától változóan a legodaillőbb döntéshez vezet.

Kerülik a megoldások átnyújtását, ezért az „edzők” egy roppant érdekes ún. rávezetéses módszerrel dolgoznak. Így az edző és játékos nem egyfajta megmondó-végrehajtó és végső soron alárendelő viszonyban, hanem „gondolkodó párbeszédben” létezik. A „Cél: jól játszani, vagyis hatékonyan alkalmazkodni az egyéni és együttes magatartásokat a mérkőzés szükségleteihez”.

Robotok a sportban: Jelen és jövő

A sport világában pedig már vannak robotsportolók: TaekwonV (75 cm magas) alpesi síelő, Jennifer (közel 50 cm magas) jégkorongozó, ELDRIC (embernagyságú) golfozó, Toyota Cue 3 (208 cm magas) kosárlabdázó (amely 62,5 % pontossággal dobálja 7,24 m-ről a hárompontosokat - összehasonlításul Michel Jordan karrier átlaga 32,7 %), Forpheus (ötödik generációs) asztaliteniszező (öt kamerával ellátva), Sumobot szumós, BotBoxer interaktív bokszedzőpartner, de vannak egymással bokszoló, magyar fejlesztésű (40-50 cm magas) robotok is, amelyeket internetes összeköttetéssel a világ bármely más-más helyéről vezérelhetnek a mérkőző felek, robot(teve)zsokék és természetesen robotsakkozók is; robotversenyek: Roborace (robotpilóták közötti autóverseny), HuroCup (robot-tízpróba), RoboCup (robot-labdarúgó világbajnokság), RoboGames (robotolimpia); robotedzők; robotjátékvezetők; „robotdopping” (meg nem engedett tuning); „robot(ra)sportfogadás” (virtuális sportfogadás); robot(sport)újságírók; és minden bizonnyal lesznek robotnézők is.

A Nemzetközi Robotfutballszövetség (FIRA) célja, hogy a XXI. század közepére egy teljesen autónom humanoid robotfocicsapat a FIFA hivatalos játékszabályai mellett legyőzze a legutóbbi FIFA-világbajnokság győztes labdarúgóválogatottját. Sakkban (meg például góban, pókerben, e-sportban) pedig ugye már többször összecsapott a gép és az ember. Olyannyira összecsapott, hogy Moszkvában, 2022. július 19-én a sakkrobot a szimultánja során eltörte a 7 éves ellenfele ujját, megszegve a robotika alapszabályait (is).

Isaac Asimov óta van a robotikának három alaptörvénye, sőt nulladik törvénye is, Roger MacBride Allen óta pedig negyedik törvénye is. Ha a robotok nemcsak egymással versenyez(ze)nek, hanem az emberekkel is, akkor viszont választ kell találni (a robotok jogalanyisága mellett) a robotok által okozott károkért és sérülésekért a felelősség hova, kire telepítésére is, s annak megelőzésére is, amit Emmett Shear, az OpenAI volt ideiglenes vezérigazgatója kilátásba helyezett: „5 és 50 százalék között van annak az esélye, hogy a mesterséges intelligencia egy nap likvidálni fogja az embert.”

A gép és az ember: A sport emberi dimenziója

No, de ne fessük az ördögöt a falra. Egyelőre az is elég, ha tudunk ezekről a dolgokról, bár, ha a saját szakmánkat, a sportújságírást, sportkommentálást nézzük, elég ijesztő, hogy a mesterséges intelligencia helyettünk ír cikkeket, vagy hogy egy idei nyári kísérletről szóljak: a limai U20-as atlétikai vb-n kipróbálták és működtették azt a mesterségesintelligencia-programot, amely a francia nyelvű kommentátorok közvetítését azonnal portugálra fordította - az indoklás szerint azért, hogy a sportkedvelőknek még nagyobb élményt adjanak a saját anyanyelvükön. Vajon eljön a nap, amikor közvetíteni sem emberek fognak? Úgy látszik, a mesterséges intelligencia olcsóbb, mint a kommentátor… bele sem merek ebbe gondolni. Ha már bennünket, hivatásos sportrajongókat is megpróbálnak mesterséges intelligenciával helyettesíteni - és valamennyire ez sikerülni is fog, biztosak lehetünk benne -, akkor egy nagyon fontos emberi dimenzió szép lassan kikophat a sportból. A kommentátor, a sportoló, a csapat és a néző egysége. És innen már tényleg csak egy lépés, hogy a kedves néző és akár mi magunk is robotsportolóknak, önvezető autóknak stb. szurkoljunk, de hogy ez jó-e, afelől vannak kétségeim.

Mi lesz a robotok jövője a sportban? A válasz: nem valószínű. A sport lényege éppen abban rejlik, hogy az ember nem algoritmus. Egy utolsó pillanatban szerzett gól, egy váratlan taktikai húzás vagy egy kapus reflexmozdulata olyan változó, amit a legjobb rendszer sem tud előre jelezni. Az AI képes valószínűségeket számolni, de nem képes bizonyosságot adni. A futball például azért marad izgalmas, mert a 90. percben még bármi megtörténhet. Az AI tehát nem veszi el a sport és a sportfogadás értelmét - inkább új dimenziót ad neki. Segít megérteni a mintázatokat, de a végső szó mindig az emberé marad. „Az AI kiszámolja. Az ember elhiszi.”

A Portugália elleni 2-2-es döntetlen messze több volt, mint egy pont a világbajnoki selejtező tabelláján. A magyar válogatott számára ez a mérkőzés lelki, szakmai és identitásbeli fordulópont lett. Ez a döntetlen morális győzelem volt. Idegenben, Európa egyik legerősebb csapata ellen sikerült talpra állni kétgólos hátrányból. A meccs utolsó perceiben Szoboszlai Dominik gólja nem csupán egyenlítést, hanem hitet jelentett: hitet abban, hogy bármilyen helyzetből vissza lehet jönni. Taktikai értelemben is mérföldkő volt. Marco Rossi csapata megmutatta, hogy képes nemcsak hősiesen védekezni, hanem tudatosan játszani. A magyar futball évtizedeken át a szívre épített, most viszont a fej is bekapcsolt. Szimbolikus értéke is van: Portugália a futball elitje, tele világsztárokkal, míg Magyarország a kitartás és fejlődés szimbóluma. Ezzel az eredménnyel a válogatott azt üzente: többé nem csak tisztességesen helytállni jön, hanem eredményt hozni. A döntetlen tehát nem papíron fontos, hanem lélekben. Egy új korszak üzenete: Magyarország nemcsak múltja, hanem jövője miatt is beszédtéma a futballvilágban.

Az utóbbi években a mesterséges intelligencia (AI) és az adatvezérelt elemzés egyre meghatározóbb szerepet kap a magyar futballban is. Az AI-rendszerek ma már segítik az edzéstervezést, a terhelésmérést és a taktikai felkészülést. A játékosok mozgását szenzorok és GPS-alapú rendszerek követik, amelyek másodpercre pontosan rögzítik a futott távolságot, a gyorsulásokat, a pulzusszámot és a regenerációs mutatókat. A videóelemzés is új dimenzióba lépett: az AI képes automatikusan felismerni taktikailag kulcsfontosságú helyzeteket - például hibás pozícióváltásokat, túl későn záró védőket, vagy rossz ütemű pressinget. A mesterséges intelligencia nem helyettesíti az edzőt - de meghosszabbítja a látását. Olyan adatokat és összefüggéseket mutat meg, amelyek korábban rejtve maradtak. Az AI a futballban nem a varázslat eszköze, hanem a tudatosságé. Magyarország számára ez nem luxus, hanem lehetőség: hogy a tehetséget és a szívet végre adatokkal és technológiával támogassa.

tags: #miert #fontosabb #a #gep #mint #a

Népszerű bejegyzések:

• Premier League elemzések
• Hanna Gubik tengerentúli strandröplabda sikerei
• Munkaviszony megszüntetése
• A labdarúgás történelme
• Tehetség és karizma a játéktéren