Между успехом и неудачами в спорте часто существует тонкая грань: от забитого мяча или мирового рекорда спортсмена отделяют какие-то сантиметры и доли секунды. Многое решает стремление к победе, но данные, аналитика и технологии начинают играть все более важную роль в том, что выделяет чемпионов на фоне всех остальных.
Спортсмены и спортивные команды всегда оценивали и оптимизировали свои возможности с помощью некой формы данных, будь то древнегреческие прыжки в длину или римские гонки на колесницах. Одним из первых примеров того, что можно считать важной статистикой, является английский футбол. И ее дальнейшее развитие привело к неожиданным последствиям.
Проклятье длинного паса
Торольд Чарльз Рип* (Thorold Charles Reep) впервые начал записывать пасы и перемещения игроков в 1950 году во время матча между командами «Суиндон Таун»* и «Бристоль Роверс»*. Эта привычка привела к созданию системы ведения записей в реальном времени, что позволяет анализировать взаимосвязь между перемещением, голами и, в конечном итоге, победами. Работая в разных командах, Рип совершил одно из самых важных своих открытий. Это была теория о том, что игроки забивают 80% голов с помощью трех пасов или меньше.
После публикации эта идея легла в основу стратегий игры английских футбольных команд: предпочтение отдавалось не техничным, а длинным, менее точным пасам глубоко в оборону соперника. В конце 1980-х философия длинного паса стала отличительной чертой стиля игры сборной Великобритании, где уделялось меньше внимания навыкам или способностям игроков. Но в результатах исследований Рипа был один недочет.
В английской футбольной лиге команды обычно владеют мячом относительно короткое время. Это приводит к сокращению фаз игры и количеству пасов, необходимых для гола. Однако на Чемпионате мира, где уровень команд выше, время владения мячом было почти вдвое больше, а количество пасов — семь и более, что опровергало предположения Рипа. Футболу в Англии потребовалось несколько лет, чтобы отойти от заветов Рипа в отношении длинного паса. Это говорит о том, что данные важно не просто собирать, но и правильно применять. Извлечение правильной аналитики из данных — это область, в которой искусственный интеллект и технологии могут дать серьезное конкурентное преимущество.
Более глубокий анализ игры
Рип создавал наборы данных, используя карандаш и блокнот, но сегодня они формируются с помощью технологий, которые позволяют узнать о малейших движениях спортсменов. Что еще важнее, эти данные проще понять и применить на практике, чем когда-либо ранее.
Чтобы помочь начинающим спортсменам достичь новых высот, компания EXOS использует экспериментальную технологию 3D Athlete Tracking (3DAT) корпорации Intel. Эта система не требует, чтобы спортсмены носили громоздкие устройства отслеживания. Для записи их тренировок применяются камеры. Затем видеоданные используют для формирования точной аналитики о движениях тела и показателей эффективности, которые человек увидеть не может. Они позволяют спортсменам и тренерам подробнее анализировать механику движений тела и понять, какие возможные изменения нужно внести, чтобы достичь максимальной эффективности.
Просмотр видеозаписей уже является краеугольным камнем во многих командных видах спорта: защитники получают тактическое преимущество, когда знают, что предпримут атакующие игроки соперника. Однако технологии искусственного интеллекта позволяют камерам снимать и анализировать игры в прямом эфире, помогая тренерам и командам быстро менять свою тактику.
Для видеозаписи изображения со всей баскетбольной площадки и отслеживания перемещений игроков решение компании Keebmotion использует три камеры. Созданная на базе ИИ Intel®, эта система позволяет тренерам искать и просматривать конкретные моменты игры для оценки эффективности стратегий. Возможность менять тактику практически в реальном времени обеспечивает конкурентное преимущество. Она помогает таким командам, как «Голден Стэйт Уорриорз» из НБА и «Йель Бульдогс» из Йельского университета.
Решения для сбора и анализа данных, отслеживающие отдельных игроков, помогают командам точнее прогнозировать, кто сможет переломить ход игры.
Применение на трансферном рынке
Понимание возможностей игроков — это главный компонент создания команды, которая будет побеждать. Сфера подбора лучших игроков и заключения с ними контрактов на игру в команде также претерпела кардинальные изменения. Публикация книги Майкла Льюиса* (Michael Lewis) «MoneyBall. Как математика изменила самую популярную спортивную лигу в мире»* (и последующий выход фильма с Брэдом Питтом* (Brad Pitt) в главной роли) показала, как бейсбольная команда «Окленд Атлетикс», возглавляемая Билли Бином* (Billy Beane), использовала данные для поиска недооцененных игроков. В результате команда побила рекорд, одержав 20 побед подряд несмотря на то, что у их конкурентов было больше денег. Благодаря минимизации расходов и оптимизации эффективности поиск талантов на основе данных быстро приобрел популярность в отрасли.
Сегодня искусственный интеллект и аналитика позволяют использовать данные для повышения эффективности и принятия решений даже в таком виде спорта, как футбол, где по традиции данных собирается меньше по сравнению с бейсболом. Чтобы сформировать базу данных с подробной информацией об отдельных игроках, решение OptaPro* анализирует видеозаписи игр в большом объеме. Такой набор данных обеспечивает доступ более чем к 520 000 активных игроков и использует технологию Intel® Quick Sync Video для обработки огромного количества видеоданных, формируемых каждую неделю. Он позволяет специалистам по подбору игроков и тренерам узнать о возможностях игрока с точки зрения данных, а не видеозаписей. Это помогает командам найти игроков, которые поднимут их на более высокое место в лиге.
Данные и искусственный интеллект, получаемые на стадионах, игровых полях и в офисах, позволяют выявить новых звездных игроков и начинают играть все более важную роль. В мире оптимизации на основе данных, от количества пасов до скорости броска, одержать победу может каждый.
*Другие наименования и товарные знаки являются собственностью своих законных владельцев