تأمل NFL أن تتمكن الخوارزميات الذكية، بمساعدة أدوات جمع البيانات عالية التقنية، من استخراج بيانات ذات معنى من الألعاب وفك أنماط أداء اللاعبين.

وتقول شركة أمازون إنها استلهمت الفكرة من العروض المقدمة إلى مسابقة Big Data Bowl لعام 2023، وهي مسابقة برمجية سنوية ينظمها اتحاد كرة القدم الأميركي، عندما شرعت في ابتكار فئة جديدة من التحليلات التي تتعلق بتحليل “الضغط” في لعبة كرة القدم.

وساعدت AWS في بناء خوارزميات مدعومة بالذكاء الاصطناعي يمكنها تحليل سلوك اللاعب في الملعب ويمكنها التعرف على مدى عدوانية لعب المدافع ومدى سرعته وحتى مدى سرعة استجابة لاعب الوسط.

وتحدد هذه البيانات الدقيقة الضغط، ومن خلال القيام بذلك، تسمح لمحللي اللعبة بتحليل الاستراتيجيات التي قد تؤثر على اللعب، وترتفع هذه المجموعة المبتكرة من التحليلات عن الإحصائيات التقليدية المحدودة في مقدار ما يمكن أن تكشفه. 

في حين أن البيانات التقليدية يمكن أن تخبرك إذا تجاوز المهاجم لاعب الوسط، فقد لا تكون قادرة على تقديم رؤى حول مقدار القتال الذي تم طرحه، هذا هو المكان الذي يتم فيه تتبع احتمالية الضغط بواسطة “Next Gen Stats” بمزيد من التفاصيل.

وركز شركاء AWS وNFL على تطوير نماذج التعلم الآلي التي يمكنها توفير البيانات المتعلقة بثلاثة مجالات في اللعب، وفقًا لشركة Amazon، حيث أن التطبيق الأول هو منح الذكاء الاصطناعي القدرة على تحديد حواجز التمرير وتمرير المتسرعين في عمليات التمرير.

ثانيًا، تعليم الأداة كيفية قياس “الضغط” في اللعبة. وأخيرًا، تطوير عملية للكشف عن التطابقات الفردية بين أدوات الحظر والاندفاع، وفي نهاية المطاف، يوفر تطوير تقنية التتبع بالذكاء الاصطناعي للمحترفين في دوري كرة القدم معلومات قيمة عن إحصائيات اللاعبين التي يمكن أن تساعد الكشافة أو المدربين في اختيار لاعبين جدد، وعلى سبيل المثال، قد تساعد معرفة اللاعب الذي قام بصد أي مهاجم أو تجاوزه في تحديد ما إذا كان مناسبًا للتشكيلة الهجومية.

في لعبة كرة القدم، قد يكون قياس أداء اللاعبين المهاجمين والاندفاعيين الذين يتصدون لهم أمرًا صعبًا، حتى بالنسبة لخبراء اللعبة الذين لديهم القدرة على هذه الحركات السريعة.

ويمكن أن تحدث ردود فعل اللاعب في لحظات مقسمة وقد يكون من الصعب تتبع أداء الفرد في هذه التبادلات عالية السرعة ناهيك عن قياسه كميًا، أشياء مثل مدى قرب المدافع من تشكيلة الهجوم يمكن أن تساعد المدرب على فهم قوة لعبه. 

ويقوم اتحاد كرة القدم الأميركي بجمع البيانات لبرامج المعالجة التي تعمل بالذكاء الاصطناعي باستخدام الأدوات التي يقوم بتثبيتها في مجالاته الخاصة، وفي كل مكان مشارك في الدوري الوطني لكرة القدم الأمريكية، يوجد ما لا يقل عن 20-30 جهاز استقبال واسع النطاق داخل الملعب ويوجد 2-3 علامات تعريف للترددات الراديوية (RFID) داخل منصات كتف كل لاعب وعلى معدات اللعبة الأخرى، مثل الكرات و دعامات.

وتقوم أجهزة إرسال البيانات هذه بجمع المعلومات التي يتم تغذيتها من خلال نموذج الشبكة العصبية الرسومية (GNN)، والذي يسمح بنقل البيانات في الوقت الفعلي، باستخدام الذكاء الاصطناعي، يمكن تحويل الإحصائيات التي يتم استخلاصها إلى رؤى ذات معنى.