از ویدئو تا تصمیم؛ هوش مصنوعی چگونه داده ورزشی را تحلیل می‌کند؟

به گزارش پایگاه تخصصی اقتصاد ورزش، هوش مصنوعی بدون داده باکیفیت نمی‌تواند عملکرد قابل اتکایی داشته باشد. به همین دلیل، یکی از مهم‌ترین تحولات ورزش حرفه‌ای در سال‌های اخیر، تبدیل تصاویر، ویدئوها و اطلاعات خام مسابقات به داده‌های ساختاریافته است.

مطالعات علمی جدید نشان می‌دهد کاربرد AI در ورزش طیف گسترده‌ای دارد؛ از بینایی ماشین و بازسازی سه‌بعدی صحنه‌ها تا یادگیری عمیق، مدل‌های زبانی بزرگ و تحلیل داده‌های زمانی. یک مقاله مروری منتشرشده در سال ۲۰۲۵ در نشریه Intelligent Sports and Health این فناوری‌ها را از مهم‌ترین مسیرهای آینده هوش مصنوعی ورزشی معرفی کرده است.

در فوتبال، یکی از مهم‌ترین داده‌ها Tracking Data یا داده‌های ردیابی است؛ یعنی ثبت موقعیت بازیکنان و توپ در طول مسابقه. پژوهش‌های جدید حتی به استفاده از مدل‌های Transformer و Diffusion برای بازسازی مسیر بازیکنان و توپ از تصاویر ویدئویی پرداخته‌اند.

در سطح کاربردی، فرآیند را می‌توان چنین تصور کرد:

ویدئو → تشخیص اشیا → ردیابی بازیکن و توپ → تولید داده → مدل هوش مصنوعی → تحلیل → تصمیم

برای مثال، سیستم‌های بینایی ماشین می‌توانند بازیکنان، داور و توپ را شناسایی کنند و سپس شاخص‌هایی مانند مالکیت توپ یا موقعیت بازیکنان را استخراج کنند. یک مطالعه سال ۲۰۲۵ با مدل‌های YOLO به تحلیل بلادرنگ مسابقات فوتبال و ردیابی بازیکنان و توپ پرداخته است.

در مرحله بعد، الگوریتم‌های یادگیری ماشین می‌توانند از این داده‌ها برای پیش‌بینی یا تحلیل استفاده کنند. یک پژوهش منتشرشده در Decision Analytics Journal در سال ۲۰۲۵، مدل‌های مختلف یادگیری ماشین از جمله LightGBM و شبکه عصبی کانولوشنی را برای پیش‌بینی نتایج مسابقات لیگ برتر انگلیس آزمایش کرده است.

اما یک نکته مهم وجود دارد: داده بیشتر الزاما به معنای تصمیم بهتر نیست. کیفیت، دقت، استانداردسازی و نحوه تفسیر داده اهمیت زیادی دارد.

به همین دلیل، برای یک باشگاه ورزشی، معماری داده شامل داده بازیکنان و عملکرد؛ داده مسابقات و ویدئو؛ داده پزشکی و آمادگی جسمانی؛ داده هواداران؛  داده فروش و بلیت؛ داده شبکه‌های اجتماعی؛ و داده مالی و تجاری باید از ابتدا مشخص باشد.

در نهایت، هدف نباید «داشتن هوش مصنوعی» باشد؛ هدف باید حل یک مسئله مشخص باشد. کاهش مصدومیت، افزایش دقت استعدادیابی، افزایش فروش بلیت یا شناخت بهتر هوادار، هرکدام می‌توانند یک پروژه مستقل هوش مصنوعی باشند.

منابع:

مقاله مروری Intelligent Sports and Health، ۲۰۲۵: A Review of Artificial Intelligence for Sports

پژوهش Computer Vision، ۲۰۲۵: Real-Time Football Match Analysis Using YOLO

پژوهش Decision Analytics Journal، ۲۰۲۵: Predictive Analytics Framework for Soccer

انتهای پیام/