انقلاب داده‌ها: چگونه استعدادیابی جام جهانی از دفترچه‌ها به شبکه‌های عصبی تکامل یافت

در اواسط قرن بیستم، جام جهانی فیفا جشنواره‌ای از ناشناخته‌ها بود. وقتی تیم‌های ملی به تورنمنت می‌رسیدند، اغلب اسرار تاکتیکی را با خود حمل می‌کردند که برای حریفانشان کاملاً بیگانه بود. بازی جهانی بسیار منطقه‌ای بود و اطلاعات به کندی در مرزها جابجا می‌شد.[2]

روش اصلی جمع‌آوری اطلاعات، استعدادیاب تنها بود که با یک دفترچه یادداشت و قلم به قاره‌های مختلف اعزام می‌شد. این تاکتیک‌دانان اولیه کاملاً به «آزمون چشمی» متکی بودند، آرایش‌های تیم را روی کاغذهای باطله ترسیم می‌کردند، پای غالب بازیکنان کلیدی را یادداشت می‌کردند و تلاش می‌کردند ریتم حریف را صرفاً از طریق مشاهده رمزگشایی کنند.[3]

این دوران کمبود اطلاعات به این معنی بود که نوآوری‌های تاکتیکی می‌توانستند بدون کنترل در یک تورنمنت گسترش یابند. یک سیستم جدید یا یک بازیکن غیرمتعارف می‌توانست یک قدرت بزرگ را از هم بپاشد، صرفاً به این دلیل که حریف هیچ مرجع قبلی برای آماده‌سازی یک ضد استراتژی نداشت. غافلگیری‌ها فقط ممکن نبودند؛ آنها یک عنصر اساسی در رقابت بودند.[2]

اولین تغییر بزرگ با گسترش تلویزیون‌های پخش و نوار VHS فرا رسید. تا دهه‌های ۱۹۸۰ و ۱۹۹۰، تبادل فیزیکی ضبط مسابقات به واحد پول جاسوسی فوتبال بین‌المللی تبدیل شد و به مربیان اجازه می‌داد بدون سوار شدن به پروازهای بین‌قاره‌ای، حریفان را مطالعه کنند.[3]

مربیان ساعت‌ها در اتاق‌های تاریک وقت می‌گذراندند و نوارها را به صورت دستی عقب می‌زدند تا خط دفاعی یا روال‌های ضربات ایستگاهی حریف را ردیابی کنند. اگرچه این تحلیل ویدیویی در آن زمان انقلابی بود، اما ذاتاً ذهنی بود و توسط زوایای دوربین پخش‌کننده محدود می‌شد، که عمدتاً توپ را دنبال می‌کرد نه ساختار بدون توپ تیم را.[2]

آغاز هزاره، اولین موج تحلیل کمی را به جام جهانی معرفی کرد. ارائه‌دهندگان اولیه داده شروع به ثبت رویدادهای مجزای مربوط به توپ کردند: پاس‌های کامل شده، تکل‌های برنده شده، مسافت کل طی شده و شوت‌های در چارچوب. فوتبال سرانجام شروع به شمارش اقدامات خود کرده بود.

با این حال، این داده‌های اولیه اغلب گمراه‌کننده بودند. آمار بالای مالکیت توپ یا مسافت‌های طی شده زیاد لزوماً با تسلط تاکتیکی ارتباط نداشت. صنعت به سرعت متوجه شد که شمارش رویدادها بدون زمینه فضایی، تصویری به طرز شگفت‌آوری ناقص از یک ورزش بسیار سیال و پویا ارائه می‌دهد.

انقلاب واقعی با فناوری ردیابی نوری فرا رسید. استادیوم‌های مدرن اکنون مجهز به آرایه‌های دوربین تخصصی هستند که مختصات دقیق توپ و هر ۲۲ بازیکن را چندین بار در ثانیه ثبت می‌کنند و یک دوقلوی دیجیتال پیوسته از مسابقه ایجاد می‌کنند.

این فناوری میلیون‌ها نقطه داده در هر بازی تولید می‌کند. ساختار اسکلتی بازیکنان را نقشه‌برداری می‌کند و جهت‌گیری لگن و شانه‌های آنها را ردیابی می‌کند تا شکل بدن و آگاهی بصری را قبل از دریافت پاس درک کند.

با تغییر تمرکز از بازیکنی که توپ را در اختیار دارد به ۲۱ بازیکن بدون توپ، ردیابی نوری هندسه پنهان این ورزش را روشن کرد. تحلیلگران سرانجام توانستند فواصل بین مدافعان، سرعت انتقال دفاعی یک تیم، و فضای دقیقی که یک مهاجم با یک حرکت فریبنده ایجاد می‌کرد را اندازه‌گیری کنند.

این داده‌های فضایی باعث تولد معیارهای پیشرفته‌ای شد که اساساً نحوه ارزیابی عملکرد توسط تیم‌ها را تغییر داده است. گل‌های مورد انتظار (xG) کیفیت یک فرصت گلزنی را بر اساس داده‌های تاریخی کمی‌سازی می‌کند و واریانس پایان‌دهی استثنایی یا دروازه‌بانی را حذف می‌کند تا تسلط ساختاری زیربنایی یک تیم را آشکار سازد.

فراتر از شوت‌زنی، معیارهایی مانند تهدید مورد انتظار (xT) و مدل‌های کنترل زمین ارزیابی می‌کنند که چگونه یک تیم توپ را به مناطق خطرناک حرکت می‌دهد. این مدل‌ها احتمال گلزنی یک تیم از هر مالکیت توپ را محاسبه می‌کنند و ارزش فوق‌العاده‌ای به پاس‌های پیش‌رونده و دریبل‌هایی می‌دهند که خطوط دفاعی را می‌شکنند.[1]

برای آماده‌سازی جام جهانی، این مدل‌ها برای شناسایی آسیب‌پذیری‌های ساختاری به سلاح تبدیل می‌شوند. یک تحلیلگر می‌تواند از پایگاه داده سؤال کند تا دقیقاً پیدا کند که یک مدافع کناری حریف در طول انتقال‌های تهاجمی کجا فضا باقی می‌گذارد، یا کدام مدافع میانی از نظر آماری به احتمال زیاد در یک دوئل هوایی در برابر نوع خاصی از سانتر شکست می‌خورد.[3]

شاید عمیق‌ترین تأثیر انقلاب داده‌ها، اثر دموکراتیزه کننده آن بر فوتبال بین‌المللی بوده است. از لحاظ تاریخی، فدراسیون‌های ثروتمند دارای مزیت بزرگی در زیرساخت‌های استعدادیابی بودند و می‌توانستند ارتش‌هایی از تحلیلگران را در سراسر جهان برای ساخت پرونده‌های اختصاصی مستقر کنند.[2]

امروز، تمرکززدایی داده‌ها زمین بازی را برابر کرده است. فیفا به همه کشورهای شرکت‌کننده دسترسی به یک مجموعه داده یکنواخت و بسیار پیشرفته را از طریق یک مرکز متمرکز فراهم می‌کند و تضمین می‌کند که هر کادر مربیگری مواد خام مورد نیاز برای آماده‌سازی تاکتیکی نخبه را در اختیار دارد.

این بدان معناست که کشورهای نوظهور فوتبال مانند کیپ ورد (Cape Verde) یا ازبکستان (Uzbekistan) به همان داده‌های پایه ردیابی نوری و رویدادها دسترسی دارند که غول‌های سنتی مانند برزیل یا آلمان. مزیت دیگر در این نیست که چه کسی می‌تواند بیشترین داده را جمع‌آوری کند، بلکه در این است که چه کسی می‌تواند آن را به مؤثرترین شکل تفسیر کند.[3]

این دموکراتیزه شدن، کاهش شکاف استعدادی در جام جهانی را توضیح می‌دهد. کشورهای کوچک‌تر از داده‌ها برای ساخت بلوک‌های دفاعی بسیار سازمان‌یافته و از نظر ریاضی دقیق استفاده می‌کنند که نبوغ فردی حریفان فوق ستاره را خنثی می‌کند. آنها محرک‌های دقیق پرس کردن را شناسایی می‌کنند که برای ایجاد گردش توپ در مناطق با ارزش بالا لازم است، و انضباط تاکتیکی را به یک عامل تساوی‌بخش بزرگ تبدیل می‌کنند.[1]

با وجود تسلط الگوریتم‌ها، عنصر انسانی استعدادیابی همچنان ضروری است. داده‌ها می‌توانند آنچه یک بازیکن انجام می‌دهد را با دقت قابل توجهی آشکار کنند، اما اغلب در توضیح «چرایی» روانشناختی پشت اقدامات آنها مشکل دارند.

استعدادیاب‌های سنتی اکنون با تمرکز لیزری مستقر می‌شوند. به جای تماشای یک بازیکن برای دیدن اینکه آیا او از نظر فنی با استعداد است – واقعیتی که داده‌ها قبلاً تأیید کرده‌اند – آنها تماشا می‌کنند تا انعطاف‌پذیری روانی، رهبری در شرایط سخت، و مهارت‌های ارتباطی را ارزیابی کنند.[2]

«آزمون چشمی» ارزیابی می‌کند که یک مدافع چگونه به ارتکاب یک اشتباه حیاتی واکنش نشان می‌دهد، یا یک مهاجم در طول یک دوره طولانی بدون گل چگونه رفتار می‌کند. این ویژگی‌های انسانی غیرقابل لمس اغلب موفقیت را در بوته آزمایش پرفشار یک مسابقه حذفی جام جهانی دیکته می‌کنند، جایی که برنامه‌های تاکتیکی اغلب به هرج و مرج تبدیل می‌شوند.[3]

ترکیب داده‌ها و استعدادیابی سنتی، نژاد جدیدی از آماده‌سازی تاکتیکی را ایجاد کرده است. مدیر مدرن جام جهانی بین الگوریتم و استعدادیاب یکی را انتخاب نمی‌کند؛ آنها از الگوریتم استفاده می‌کنند تا دقیقاً به استعدادیاب بگویند کجا را نگاه کند.

با نگاه به آینده، هوش مصنوعی آماده است تا تکامل بعدی را در آماده‌سازی تورنمنت هدایت کند. مدل‌های یادگیری ماشینی در حال آموزش دیدن هستند تا الگوهای تاکتیکی پیچیده را به طور خودکار تشخیص دهند و چرخش‌های موقعیتی ظریف حریف را قبل از اینکه حتی یک تحلیلگر انسانی متوجه شود، علامت‌گذاری کنند.

این سیستم‌های هوش مصنوعی می‌توانند هزاران سناریوی مسابقه را شبیه‌سازی کنند، پیش‌بینی کنند که چگونه یک مربی حریف احتمالاً آرایش خود را در پاسخ به یک گل عقب افتادن تغییر می‌دهد، یا دقیقه دقیقی را شناسایی کنند که معمولاً در آن یک پروفایل خاص از تعویض را معرفی می‌کنند.[1]

همانطور که جام جهانی به گسترش و تکامل خود ادامه می‌دهد، میدان نبرد قاطعانه از زمین بازی به اتاق سرور منتقل شده است. کشورهایی که پیروز می‌شوند، آنهایی خواهند بود که بر تعادل ظریف بین قطعیت سرد داده‌ها و شعر غیرقابل پیش‌بینی بازی انسانی مسلط شوند.[3]