Как искусственный интеллект помогает при трансферах? Ищем форварда для «Сити» и защитника для «МЮ»
«Сегодня мы живем в мире искусственного интеллекта. Допускаю, что через 20 лет перед вами будет сидеть робот», – говорил Арсен Венгер в аналитической программе на beIN Sports в 2018-м.
Легенда ошиблась на 15 лет. СhatGPT уже сейчас может выступить на уровне среднестатистического эксперта среднестатистического спортивного ТВ (конечно, не на уровне Венгера!).
Эра технологий и продвинутых данных приучила, что для базового представления о стиле и эффективности игрока/команды необязательно смотреть футбол. Графики и диаграммы способны объяснить многое (конечно, пока не все).
Но научились ли технологии предсказывать будущее хотя бы с относительной точностью?
Очень актуальный вопрос в летнее трансферное окно!
Топ-клубы одновременно ведут сотни игроков лишь с одной целью – найти того, кто на 100% отработает вложенные деньги и улучшит результаты. Сейчас эту задачу выполняют два мира.
1. Мир продвинутых данных. Пока у них роль первичного фильтра, который отсеивает кандидатов и оставляя в списке несколько претендентов на одну позицию.
2. Мир классического скаутинга, где главный инструмент – человеческий глаз. Все еще очень влиятельная область. Ведь ни один безумец в топ-футболе (надеемся) не вложится в игрока, просто посмотрев на два красивых графика.
Сейчас эти миры скорее соседствуют (не всегда доброжелательно), но первый с каждым годом забирает все больше и больше влияния.
С продвинутыми данными мы можем оценить стиль и эффективность игроков на дистанции прошлых лет, но не знаем наверняка, что будет с футболистом в новой команде. Остается только догадываться и предполагать с большой вероятностью ошибки.
С недавних пор искусственный интеллект тоже может предполагать. И давайте оценим, насколько успешно.
«Мы стремимся быть дальновидными аналитиками – пытаемся найти игроков, которые могут подойти клубу, – говорил в интервью The Athletic доктор Райан Бил, сооснователь компании SentientSports. – Есть много футболистов, которые достаточно хороши для Премьер-лиги, но кто подходит для какой команды? Мы используем искусственный интеллект не для того, чтобы находить игроков и принимать решения, а для того, чтобы дать гарантию людям, принимающим решения».
Ключевой тезис: алгоритм – это лишь навигатор, который ведет в нужную сторону, но ехать с ним, закрыв глаза, все же не стоит. Именно с таким настроем стоит воспринимать его расчеты.
Как конкретно это работает? Возвращаемся в прошлое и ищем форварда для «Ман Сити»
Ровно год назад Пеп Гвардиола решил, что его команда должна войти в новый сезон с полноценным форвардом. Тогда же на канале DW Kick off! вышло видео, где искусственный интеллект SentientSports искал форварда для «Сити». Сейчас лучшее время вернуться к нему, ведь мы уже знаем, кого выбрал Пеп, знаем, насколько успешным был этот выбор, и можем сравнить результат с предсказанием искусственного интеллекта.
Для начала алгоритм SentientSports из 171 тысячи игроков отфильтровал тех, кто теоретически может подойти «Сити»: центрфорварды с высоким атакующим рейтингом, максимальным шансом получить рабочую визу в Британии и возрастом до 30.
В итоге в списке осталось 19 человек. Неплохо, но пока ничего впечатляющего, тот же результат достигается за пару кликов на сайтах с доступной продвинутой статистикой.
Магия включается на следующем шаге: спрашиваем у ИИ, кто из 19 человек подходит именно стилю «Сити». И получаем диаграмму!
Вертикальная ось: тактическая совместимость, горизонтальная – химия. Два основополагающих фактора успеха игрока в клубе.
С тактикой все относительно ясно – подбираются игроки, которые играли в той же схеме, что и «Сити», или привыкли играть при разных схемах и которые соответствуют требованиям команды по качеству паса и другим ключевым футбольным параметрам.
«Эта шкала – скорее красный флаг, который может указать, что игроку может потребоваться больше времени, чтобы адаптироваться к тактической системе новой команды», – описывает результат Бил из SentientSports.
Но как высчитывается химия? Под ней подразумевается способность сыграться с партнерами.
«Химия оценивает, как новый футболист будет связан с новыми товарищами по команде, что затем хорошо коррелирует с участием игрока в построении атак, процентом его передач и общей вовлеченностью в командную игру», – добавляет Бил
Если конкретнее, то алгоритм оценивают три параметра: общий язык с партнерами, общий возраст и прошлый опыт игры вместе.
Из списка 19 вручную отобрали трех – Харри Кейна, Эрлинга Холанда и Килиана Мбаппе – и оценили, кто из них быстрее адаптируется в «Сити».
Итог: у Эрлинга Холанда наименьшее число партнеров из зеленой зоны и общий рейтинг химии 75 – наименьший в тройке. А наивысший – у Мбаппе. То есть модель предсказала, что быстрее к атмосфере «Сити» привыкнет именно француз.
По Холанду такой вердикт: «Прогнозируем, что у него наладится строгое взаимодействие с Грилишем, Фоденом, КДБ, Габи Жезусом и Гюндоганом. Холанд знает языки 21 игрока из состава. Он не играл ни с кем прежде из нынешнего состава, по возрасту совпадает с 7 футболистами».
Третье место Холанда смущает, учитывая его быструю адаптацию в «Сити», но не стоит забывать, что 75 – тоже высокий показатель, если оценивать график из 19 футболистов.
Переходим к тактической совместимости.
Кейна, Холанда и Мбаппе сравнили по 10 ключевым параметрам, и наиболее органично в тактику «Сити» вписался именно норвежец – ушел в красную зону только по навесам (как и остальные претенденты).
А вот Кейн и Мбаппе просели еще и в переходных стадиях: контрпрессинге и быстрых контратаках.
Третий параметр – деньги! Здесь игроки воспринимаются как активы, прогнозируется их текущая стоимость и будущая.
И снова Холанд выглядит наиболее предпочтительным вариантом, прогнозируемая максимальная стоимость – 250 млн, что дороже и Кейна, и Мбаппе. А англичанин вообще, как предполагала модель, начнет дешеветь после лета 2022-го (на Transfermarkt его оценочная стоимость не изменилась – 77 млн фунтов).
А теперь итоговое сравнение по всем параметрам. Картинка для занятого владельца клуба, где вся аналитика упрощена до двух цифр.
Вердикт: Эрлинг Холанд был лучшим вариантом для «Ман Сити» прошлым летом. И оценивая сезон, с этим сложно спорить.
Но кажется, сравнивать Холланда, Кейна и Мбаппе – слишком простая задача, нужны примеры посложнее.
Снова летим в лето 2022-го, когда дата-аналитик The Athletic Марк Кэри c помощью алгоритма оценил главные трансферы топ-клубов АПЛ. Очень интересно посмотреть на расчеты именно сейчас – когда новички провели целый сезон.
Как модель оценивала трансферы Каземиро Стерлинга, Аканджи, Фофана и Мартинеса?
Каземиро – ключевой трансфер прошлого лета для «Ман Юнайтед». За 30-летнего полузащитника отдали 60+10 млн фунтов. Модель SentientSports высоко оценила тактические способности и – что удивительно – спрогнозировала, что он быстро вольется в команду, несмотря на околонулевое знание английского (сейчас Каземиро прибавил). Вместе с бразильцем в топ-4 вошли Френки де Йонг, Марцело Брозович, а наиболее предпочтительным вариантом был голландец Тен Копмейнерс из «Аталанты» (сигнал, чтобы последить из игроком в будущем).
Итог: кажется, Каземиро и правда быстро адаптировался в АПЛ и, вероятно, оправдал ожидания Тен Хага.
Тем же летом голландец искал центрального защитника и остановился на Лисандро Мартинесе.
Модель тогда считала аргентинца оптимальным вариантом, несмотря на рост 178 см. ИИ учел, что защитник работал с Тен Хагом в «Аяксе», а значит – идеально подходит и в его новую команду. Увидев Мартинеса в дуэлях АПЛ, радикальные эксперты посчитали его непригодным для борьбы в лиге, но защитник закрепился в составе и регулярно выходил до апрельской травмы. Очевидно, Тен Хаг рассчитывает на него и в будущем. Точно не провальный трансфер. Альтернативными вариантами для «МЮ» были Рональд Араухо и Люка Эрнандес
Дальше еще один случай, когда клуб выбрал игрока в полном соответствии с расчетами SentientSports.
Пеп явно угадал с Мануэлем Аканджи: швейцарец готов выполнить любые тактические прихоти – вплоть до игры на фланге. Если бы любой из вас был скаутом «Ман Сити» прошлым летом и имел доступ к этому графику, то принял бы такое же элегантное и успешное решение, как и Пеп. Несомненный плюс в пользу мира искусственного интеллекта.
А теперь более сложная задача – найти атакующего игрока в меняющийся «Челси».
Очевидно, SentientSports перемешал игроков разного атакующего функционала. Стерлинг не очень подходил «Челси» по химии (например, меньше, чем Депай), но тактически вполне соответствовал запросам Томаса Тухеля. Модель тогда считала Мемфиса и Виктора Осимхена более предпочтительными вариантами.
Результат Стерлинга в «Челси» (6 голов в АПЛ) нельзя оценивать в отрыве от проблем команды (три тренера за сезон). В менее кризисной ситуации англичанин наверняка бы проявил себя лучше, так что оценивать успешность этого трансфера преждевременно, нужно еще как минимум полсезона.
Оценивать рано и нового центрального защитника «Челси» Уэсли Фофана, которого SentientSports, кстати, не рекомендовал подписывать лондонцам прошлым летом.
В топ-3 вариантов выходили: тот же Мануэль Аканджи, Жюль Кунде и Эдер Милитао.
К низкому месту Фофана пока есть вопросы. Да, сезон француза нельзя признать удачным, но вряд ли любой игрок из этого списка проявил бы себя в тонущем «Челси» гораздо лучше. Можно было бы подумать, что SentientSports заложил в прогноз травматичность (Фофана в итоге не играл с октября по февраль), но разработчики пока не говорили о таком функционале.
Кроме того, еще раз стоит проговорить, что тактическая совместимость теряет значение, когда меняешь по несколько тренеров за сезон.
Выводы!
Реальный футбол по принципу поиска игроков все больше похож на футбольный менеджер (казалось, должно быть наоборот!). Ведь даже если скаут «Ман Сити» по Бундеслиге по каким-то причинам прозевал весь сезон, то на Мануэля Аканджи Пепу укажет искусственный интеллект. Технологиям по-прежнему нельзя отдавать решающую роль, но кажется, они могут спасти людей вроде Тодда Боули от безумных и нелогичных трат и сделать футбольный рынок прагматичнее. Кроме того, с каждым годом технологии явно будут умнеть, учитывая все больше и больше факторов.
Главное, правильно ими пользоваться.
Фото: Gettyimages.ru/Shaun Botterill
------
ого, прямо как в фифа ультимейт тим. иа спортс гении получается.
Задайте этой машине подобрать, например, долгосрочного форварда для Крыльев Советов. Должен быть дешёвый, с готовностью выступать в России при нынешней политической обстановке, закрыть позицию на долгие годы, при этом не раскрыться слишком хорошо, чтобы его не увёл Зенит. :)
А ну, справится ваша продвинутая статистика?
Шучу, конечно, но скаутинг - это всё-таки искусство рассмотреть потенциальную звезду или просто сильного игрока там, где другие этого не видят, в том числе с помощью статистики.
-----
не видел еще такого шоу. те что есть на данный момент интересны именно как шоу, т.е. за счет субъективного понимания этих же цифр на основании опыта говорящего. не совсем понятно чем этот подход как-то принципиально отличается от интерпретации уровня "такие показатели, как правило, означают то и это", с той лишь разницей что лицо, которое разработало паттерн подобного "усредненного" анализа нам недоступно.
да и вопрос каких экспертов и ведущих можно считать "качественными"? невилла? каррагера? линекера? анри? ведущего ютуб канала зе атлетика? лукомского? мостового? слуцкого?
люди используют такие же штампы, а их контекст и призма восприятия зачастую только мешают отделять зерна от плевел, так что как в случае с чатом гпт, так и в случае с "качественными экспертами" пренебрегать критичностью мышления крайне не рекомендуется.
В общем-то это и ИИ трудно назвать. Это нейронная сетка, у которой прямо в названии сказано - Generative Pre-trained Transformer, что буквально означает - Трансформер это архитектурная модель, которая получает на вход некоторую последовательность, например на естественном языке и обрабатывают её (есть разные механизмы, типа внимание на важных частях текста).. Архитектура хорошо используется в речевых моделях. Задача состоит в том, чтобы именно обработать текст на естественном языке максимально быстро, т.е. параллельно работать с контекстом.
Пред-обученный означает, что у модели для её работы есть множество материала, предварительно отфильтрованного.
Генеративный означает, что нейросеть может не только получать данные на вход, но и генерироватьчто-то на выход.
Всё. Задача GPT получить слова, разобрать их и выдать что-то отталкиваясь от контекста. Ей в целом наплевать, насколько результат верен или не верен.
Т.е. просто даже на примере сити выбрат ьне из трёх готовых игроков, каждый из которых гарантированно даст результат, а поможем клубу в каждом конкретном матче выигрывать и так из года в год, независимо от тренера. Ну и план тренировок, заодно.