Mivel egyre népszerűbb és keresettebb téma a mesterséges intelligencia (pláne a ChatGPT óta), ezért már egy ideje terveztem egy átfogóbb bejegyzést arról, hogy hol is tart az AI a futball világában manapság, mennyiben “vette át a hatalmat” a klubok managelésében, milyen területeken alkalmazzák, honnan indult, hová tart, és hasonlók.
Még mielőtt mindenki megijedne, MZ/xG-t már nyugdíjaztuk, átöltöztettük és két láda sörért áttoltuk a Fonat blogra.
Úgyhogy mindenki nyugalom, nem nyög, nem hörög, nem nyivákol, hajt.

Még mielőtt belekezdenénk, gyors figyelemfelhívás: sokat fogok pofázni, úgyhogy ajánlott két napi hideg élelemmel felkészülni, ne a vécén ülve kezdjetek olvasni meló közben.

Natehát.

Akit eddig teljesen hidegen hagyott a téma és sosem beszélgetett még chatrobottal, nem látta a 2001 Űrodüsszeiát, és esetleg Sirivel sem találkozott, még az is 100%-os biztonsággal érintkezett már mesterséges intelligenciával. A FIFA sorozat bármely darabjával biztosan játszott már mindenki – ott is tulajdonképpen egy AI irányítja a csapatunk éppen nem aktív embereit, illetve az ellenfél komplett tizenegyét. De említhetem a mindenkinek oly kedves Football Manager (leánykori nevén Championship Manager) sorozatot is, ahol a gépek által irányított csapatok mögött szintén AI bújik meg.
Ebben persze semmi forradalmi nincs (csak az EA Sports igyekezett úgy tenni a marketinges húzásaiban), számítógépes játékok már jóval korábban is büszkélkedhettek ilyen fícsörrel – lásd például az 1991-ben útjára indult Civilization-sorozatot, ahol AI irányította a számítógép által vezérelt civilizációkat (és vette rá egy bug miatt többek közt a béke szimbólumaként ismert Mahatma Gandhit arra, hogy atombombákat szórjon), de említhetem az 1989-es SimCityt is, vagy éppen még korábbi és még kezdetlegesebb darabokat is a nyolcvanas évekből. Ekkoriban az AI mindössze néhány algoritmus sorozatából állt csak, amikkel egy másik, valós játékos cselekvéseit igyekeztek a programozók szimulálni, pusztán azzal a céllal, hogy a szerencsétlen kocka gamerek egyedül is tudjanak a hálószobájuk vaksötétjében egész éjszakákat játékkal tölteni anélkül, hogy egy másik hús-vér játékosra is szükség legyen ehhez. Egyébként a mesterséges intelligenciának már ez a szintje is újabb forradalmi lépcsőfoknak számított a játékgyártók szerint, mivel a 70-es években legfeljebb addig terjedt az AI kapacitása, hogy olyan objektumokat irányítsanak vele a képernyőn, amiket mondjuk egy kezdetleges lövöldözős játékban egy puffantással le lehetett szedni némi high score pontért cserébe. Aztán ahogy fejlődött a processzorok gyártása során a kapacitás, úgy lehetett egyre bonyolultabb műveletekre tanítani a mesterséges intelligenciát is, eljutva a Pac Man-t üldöző szellemeket irányító programoktól kezdve a Mortal Kombatban ugráló-verekedő ellenfeleken át egészen az éppen aktuális sakkvilágbajnokot megverő Deep Blue-ig.

De lássuk milyen volt a fejlődés görbéje a futballban.

A sztorit messzebbről kell indítsam, elvégre a mesterséges intelligencia fogalmát is csak az ötvenes évek közepén definiálta először (sokadmagával) egy bizonyos John McCarthy professzor, és adta ezt elő az azóta elhíresült 1956-os Darthmouth-egyetemen tartott konferencián, ahol arról próbálta meggyőzni a hallgatóságot, hogy a mesterséges intelligencia egy külön tudományágként fog futni a továbbiakban.
Futball azonban már évtizedekkel korábban is létezett.
Az AI ezért természetesen jóval később csatlakozott be a futball életébe, kezdetben csak fehérköpenyes matematikaprofesszorok próbáltak e mögé a rejtélyes fogalom mögé bújva minél több támogatást kicsikarni állami szervekből és egyéb patronáló cégektől. A futballal jóval később fonódott össze a tudományoknak ez a területe – de még mindig nem szaladunk ennyire előre.

A még messzebbről indított történetnek Charles Reep, a brit Királyi Légierő repülőezredese az első főszereplője, aki 1923 és 1955 között szolgált az alakulatnál.
Reep civilben óriási futballfanatikus volt, a Plymouth Argyle hárdkór rajongója. Akkoriban elég ütős csapatot alkotott a Plymouth, az 1920-as években az akkori harmadosztályú profi bajnokság alapító tagjaiként még dél-amerikai túrára is mentek (alacsonyabb osztályú kluboknál nem volt ez divat), és óriási meglepetésre elintézték a pár évvel később vébét nyerő Uruguay, valamint Argentína válogatottját is.
Reep azonban a szolgálatai miatt csak az Arsenal meccseit tudta rendszeresen látogatni, úgyhogy rendszeres néző volt a Highburyben, és később izgatottan hallgatta a Légierő henlow-i bázisán azt az előadást, amit a legendás, 30-as években bajnokságokat halomra nyerő Herbert Chapman-féle Ágyúsok kiöregedett jobbhátvédje tartott mesterének módszereiről. Ezen felbuzdulva mindenféle légierő-alakulatok csapatait edzette (vagy inkább látta el tanácsokkal), egészen az ötvenes évekig. Minden tanácsát statisztikákkal igyekezett alátámasztani, a futballtörténelemben elsőként.
Mivel azonban a statisztikák akkoriban gólszerzőkön és végeredményeken kívül a világon semmit nem tartalmaztak, ezért Reep saját maga kellett, hogy létrehozza ezeket. A győzelemhez vezető egyetlen igaz formula megtalálásán ügyködött, mintákat próbált felismerni az általa megfigyelt meccsekről. Az adatgyűjtést hazai bajnokikon és kupafordulókon kezdte, a megszállottsága pedig komoly találékonysággal párosult.
Hamar rájött, hogy a meccseken előforduló összes passz, lövés és átadás lejegyzéséhez nem lesz jó az angol nyelv, ezért apró, gyorsan lekörmölhető jeleket talált ki a rögzítéshez, ami utalt rá, hogy honnan indult a passz, hova érkezett, milyen hosszú volt, sikerült-e, és így tovább.

Hamar rá kellett jöjjön arra is, hogy ehhez egy sima jegyzetfüzet nem lesz elegendő, ezért tapétaboltból vételezett méter széles tekercseket, ezeknek a hátuljára készítette a jegyzeteit. Az esti meccsek sem jelentettek akadályt, Reep ilyenkor bányászsisakot viselt a sötét nézőtéren, és a sisakra szerelt lámpával világított maga elé. A meccsek után pedig rohant is haza, hogy a szombat estét és a komplett vasárnapját is az adatok elemzésével töltse, a következő héten pedig kezdte az egészet elölről.
Reep ezt évtizedes viszonylatban folytatta, végül az évek során több, mint 500 angol érdekeltségű (klub és válogatott) mérkőzésről gyűjtött össze adatokat, a levont tanulságokat pedig egy brit demográfus segítségével publikálta is.
Ha esetleg érdekel valakit, hogy ezek során milyen következtetésekre jutott, és hogyan formálta át vele az egész angol labdarúgást, az sokkal bővebbet talál erről a témáról Jonathan Wilson “Inverting The Pyramid” című könyvében, amit a hőskori NST blog szerkesztői fordítottak magyarra Futballforradalmak néven. (Érdemes egyébként, mivel Reep következtetésein alapult később az FA edzőképzése és a válogatott játéka is a 70-es évektől kezdve, ezért az ő nyakába varrták az angol válogatott relatív sikertelenségét a 66-os vébécímük után – Reep kétségkívül az angol futball legellentmondásosabb figurája).
Csak azért mutattam be ezt kicsit részletesebben, mert ez volt a futball első lépése a statisztikai elemzések felé – akkoriban ez ugyanannyira cutting edge-dolog volt, mint mondjuk manapság a ProZone, vagy a StatsPerform.

A következő lépcsőfokot Valerij Lobanovszkij munkája jelentette, aki a futballban elsőként használt számítógépet statisztikai analízishez. Valerij Kijevben látta meg a napvilágot, tehetséges balszélsőként játszotta végig játékoskarrierjét, majd mindössze 29 évesen abbahagyta a játékot egy szovjet bajnoki címmel és kupagyőzelemmel a vitrinben. Szerencsés körülmények közt találta magát különben: tizenéves volt mindössze, mikor beindult az első szovjet atomerőmű és pályára állították az első Szputnyikot, mivel a hidegháború közepette a szovjet gazdaság és a szovjet űrprogram keményen versenyezni óhajtott az amerikaival (hesteg hidegháború). Éppen ezért komoly számítástechnikai kutatás-fejlesztés volt kibontakozóban ekkor, aminek történetesen pont Kijev volt a központja. A Szovjetúnió 1957-ben indította el itt az első kibernetikai intézetet a világon, és 1963-ban a mai PC-k első prototípusait is itt fejlesztették, elsősorban azért, hogy a gazdasági termelést, a hadsereget (és úgy általában a kommunizmust) szolgálják velük.
Aztán jött a Reephez hasonlóan szintén a csontvelejéig megszállott Lobanovszkij azért, hogy a szovjet számítástechnikai ipar csúcstermékeit holmi mezőn szaladgáló és labdát toszogató játékosok fejlesztésére használja.
Fiatalként épületgépésznek tanult a Kijevi Politechnikai Intézetben, majd Ogyesszában hozzátett egy hőerőmű-technikusi végzettséget is. A tanulmányai során már használhatott egy rakás számítástechnikai eszközt, amikben azonnal meglátta a potenciált, ezért később manageri pályafutása alatt alkalmazta is ezeket – és csak egy hajszál választotta el attól, hogy mégis vízvezeték-szerelőként kezdjen el dolgozni.
Az adatgyűjtést egy külön edzői stábra bízta, majd az analízist már számítógéppel végezte. Hasonlóan Reephez, ő is a játékosok közötti interakciókat, illetve egyéni statisztikákat gyűjtötte (passzok, azok hosszúsága, sikeressége, fejpárbajok, hosszú sprintek, rövid sprintek, és hasonlók).
Lobanovszkij volt az első, aki képességek felmérésére is használta a technikát, egy ilyen példa a rekacióteszt, amit direkt egy erre a célra, Moszkvából behozott számítógépre írt program segítségével végeztetett, a Dinamo játékosainak egy képernyőn szaladgáló képpont helyváltoztatásainak megfelelően kellett gombokat lenyomniuk egy kezelőpulton, a gép pedig mérte a reakcióidőket. Később a szovjet válogatotthoz is vitte magával a módszereit, szövetségi kapitányként a 88-as EB-re készülő 40 fős keret leszűkítésénél adta elő ezt a módszert, amit sokan kritizáltak – ennek ellenére mégis simán gyalogoltak a torna döntőjébe, ahol egy nagyon erős holland válogatott verte csak el Lobanovszkij tizenegyét – ezzel a góllal:

De két évvel korábban, a 86-os mexikói vébén mi magyarok is kaptunk ízelítőt abból, hogy milyen kellemetlen egy általa felkészített csapat ellen játszani. Ezen kívül használta ő még az algoritmusokat tehetségek kutatására is, illetve az analízis segítségével feketén-fehéren a játékosok arcába tudta nyomni a saját teljesítményüket minden meccs után, kérlelhetetlenül, számokban kifejezve. A módszerei különösen kemények voltak a játékosokkal szemben, mivel az algoritmusok elsősorban a fizikai felkészítést hozták ki elsődleges szempontként, ami elengedhetetlen része volt az általa komponált presszingnek, ami a mai napig fontos eleme a futballnak. Nem minden játékos bírta a statáriális módszereket és a dupla edzésmunkát (az első szövetségi kapitányként töltött periódusa például egy játékossztrájk miatt zárult rövidre), de aki hajlandó volt dolgozni, az sokra vihette – lásd Shevcsenkót, Blohint, Belanovot, Rebrovot vagy Luzsnyijt.
Lobanovszkij volt az agytröszt a Dinamo Kijev 86-os KEK-győzelme, illetve a 1998/99-es BL-menetelése mögött is, amelyik idegenben lőtt gólokon elhasalva maradt csak le a Barcelonában rendezett döntőről, az ukrán futball csúcstermékével, a fent említett 22 éves Shevcsenkoval a soraiban, aki 4 évvel később pont az Old Traffordon vágta be Buffon hálójába a győztes büntetőt a Juventus elleni döntő párbajában, hogy az ünneplés után egyenesen Kijevbe repüljön, és Lobanovszkij sírján hagyja az aranyérmét – majd egy évvel később az Aranylabdáját is.

A probléma csak annyi volt Lobanovszkij módszereivel, hogy a komoly számítógépes technika komoly pénzekbe került, amit a klubok csak az állam jóváhagyásával a hátuk mögött engedhettek meg maguknak – már amelyek kedvesek voltak a Párt számára. A Dinamo a belügyminisztérium (pontosabban a belügyminiszter, Vlagyimir Serbickij) patronáltjaként természetesen bővelkedett forrásokban, legalábbis a többi szovjet klubhoz képest. Serbickij végül azt is kibulizta a Dinamónak, hogy profi státust kapjanak az államtól, ami lehetővé tette például szponzori szerződések kötését is. A pénzt persze nem direkt támogatásként dugdosták a klub igazgatóinak zsebébe, mindenféle kerülőutakat kellett ehhez választani: a klub többek közt engedélyt kapott évi 2 tonna arany exportálására, nukleáris rakéta-alkatrészek szállítására (kimondottan indokolt ez egy futballklubnál), de a szovjet térség tehetséges játékosait is pártutasítással küldték Kijevbe ingyen, hogy aztán a Dinamo súlyos milliókért adja el őket nyugatra. Persze nem tartozik ez már szorosan a témához, de más posztban nem nagyon lett volna lehetőség erről is mesélni. Lényeg, hogy Lobanovszkij korában már a technika is megvolt az analízishez, amit ő ki is használt, és ahogy egyre szélesebb rétegek számára vált elérhetővé a digitális háttér, úgy kezdték el egyre többen követni az ő statisztikai analízisre alapuló módszereit.

És hogy miért lényeges számunkra a statisztikai elemzés az AI-felé vezető úton?
Nos nagyrészt azért, mert az AI-t jelenleg 90+%-ban adatelemzésre használja a futballvilág.
A fociról felfoghatatlan mennyiségű adatot gyűjtünk már hosszú évek óta, amit feldolgozni pusztán emberi erőforrások felhasználásával lehetetlen volna. Csak hogy egy példával érzékeltessem: néhány évvel ezelőtt a Nürnberg FC reserve-csapatának tréningjén egy 60 perces, 8 a 8 elleni edzőmeccset játszottak a fiatalok egymással. A játékosok cipőiben és a kapusok kesztyűiben, valamint a labdában érzékelőket helyeztek el, amik másodpercenként 200-szor rögzítették a pozícióikat, a labdáét pedig 2000-szer. (Hogy minek mértek ilyen sűrűn, azt ne kérdezzétek. Az emberi szem is már simán mozgóképnek nézi a másodpercenként hússzor vetített állóképek sorozatát, de úgy látszik, az AI-nak ez nem elég “sűrű”). Ez a módszer másodpercenként 8400 adatpontot generált (X, Y és Z koordináták formájában, mint egy 3d-s térkép), ami a meccs végére egy 6 gigabájtos adathalmazt eredményezett – több, mint 120 millió számmal. Ezt pedig nem jókedvében gyűjtötte a Nürnberg edzői stábja, ezzel az adathalmazzal kezdeni is kell valamit, a feldolgozást pedig az algoritmusokra bízták, mivel nincs az a DC-be oltott Marvel szuperhős sem, amelyik ezt megoldaná. Ez volt az első olyan meccs egyébként, amiről a pozíciós adatokat később nyilvánossá tették kutatási célokkal. A sztori egyébként a Soccermatics c. könyvben található, annak is ajánlott az olvasása, ha valaki bővebben is érdeklődik a futballal kapcsolatos más egyéb kutatásokról is.
Ma már minden, magára egy kicsit is adó top 5 ligás klub gyűjti a pozíciós adatokat minden meccséről és edzéséről, az így halmozódó adat mennyiségének növekedésére pedig a “robbanásszerű” jelző sem lenne elég szemléltető. Egy Premier League meccs során minden játékos és a labdák pozíciója másodpercenként 200-szor és 2000-szer mérve 212 millió pozíciós adatot eredményez, ami egy teljes szezon során (380 meccs) 80 milliárdos halmazt jelent.
Ez nagyon sok vasárnapjába kerülne Reepnek, mire feldolgozná.
Márpedig a feldolgozásra a kluboknak nem majd egyszer lesz szüksége, hanem azonnal. Már a félidei szünetre az öltözőben készen kell állnia az analízissel a statisztikus nerd brigádnak, ráadásul mindezt a manager számára használható formában kell prezentálniuk – nem dobhatnak le elé az asztalra egy integrálással, bonyolult valószínűségekkel és hasonlókkal teli doktori disszertációt, az edzőnek a pályán is hasznosítható utasításokra van szüksége, amit kiadhat a játékosoknak – a halmazt le kell fordítani “emberi nyelvre”. Az AI segítségével próbálnak mintázatokat felismerni a halmazban, illetve rájönni, hogy mely események korrelálnak a legjobban az elérni kívánt sikerrel. Ami nem feltétlen jelent gólt, lehet ez egy sikeresen kivitelezett lescsapdától kezdve egy lövéssel befejezett kontráig bármi. A futballban az AI jelenleg 90%-ban nem több, mint egy kicsit szofisztikáltabban működő brute force engine, azaz végtelen processzorkapacitással dolgoz fel terabájtnyi adatokat szempillantások alatt, mediánokat, devianciákat, várható eloszlásokat számol, amiből egy analyst-csapat végül fogyasztható analízist gyárt.

És a fenti csak egy egyszerű pozíciós elemzés példája volt, márpedig az AI mindenhol felüti a fejét, ahol embertelen mennyiségű adathalmazokkal kell megbirkózni.

A játékosok pozícióival kapcsolatos adatok gyűjtése csak a jéghegy csúcsa – a különböző fizikai-biológiai paraméterek monitorozása és analízise szintén komoly szeletet képez ebben a tortában. Az edzői stábnak az a dolga, hogy a kezük alá adott keretből a legtöbbet hozzák ki, éppen ezért kulcsfontosságú, hogy a játékosok közül minél többen álljanak rendelkezésre minél hosszabb ideig. Arról nem is beszélve, hogy egyetlen board sem szereti, ha a heti százezer fontos fizetések úgy terhelik a bértömeget, hogy cserébe az adott játékos sérülések miatt zéró melót tud végezni.
Az AI pedig ha csodákra nem is képes, de komoly segítséget tud nyújtani egy-egy stábnak – rögtön itt van példának a Leicester City 15/16-os bajnoki szezonja.
A Ranieri dirigálta edzői stáb nagyon kevésből hozott ki nagyon sokat, és akkor talán még enyhén fogalmaztam. A bajnoki arannyal zárult versenyfutás során mindössze 18 játékost játszattak, ami elég meredeken hangzik, pláne azóta, hogy 25 fős kereteket lehet nevezni. És ha ebben a szűk keretben sincsenek olyan sztárjaid, mint a riválisaidnak, akkor csak egy dolgot tehetsz: megpróbálod elérni, hogy minden épkézláb futballistád egészséges és bevethető maradjon.
A Leicester keretének átlag 96%-a match-fit állapotban volt a szezon minden bajnokiján, ami a legmagasabb átlag volt abban az évben a Premier League-ben, hobbiszinten kerülték el a sérüléseket. Őket nem csak az érdekelte, hogy mennyit és hova fut egy játékos, hanem az is, hogy az izomzata milyen terhelést kap, mekkora a pulzusa és a vérnyomása, mennyi tejsavat termel a szervezete, és így tovább. A gyűjtött adatokat természetesen algoritmusokkal szedték ízekre, az analízis pedig hamar rámutatott arra, hogy a lassabb, kocogó tempóban végzett mozgásnak és irányváltásoknak is komoly sérülésveszélye van, legalábbis sokkal nagyobb, mint azt a józan ész elsőre saccolná. Az AI segítségével egyéni edzésterveket készítettek a játékosoknak és folyamatosan monitorozták, mekkora a eséllyel következhet be egy várható sérülés. Vardynál például már pirosan villogott a kijelző áprilisban, pont a legnagyobb versenyfutás közepette (így jár az, akit minden nemzetközi barátságos meccsre is kötelező jelleggel cipel magával az angol válogatott), de a stáb bízott az algoritmusokban, úgyhogy egy kétmeccses pihenőt adtak neki, Vardy pedig végül 24 góllal bajnoki aranyhoz segítette a csapatot.
Jó példa még ugyanerre a Getafe alakulata, ahol pár éve kezdtek együttműködést egy sports science stábbal, név szerint a Zone7-nel. Ennek következtében 70%-kal csökkent az izomsérülések száma, és a La Liga “legfittebb” csapatává változtak hirtelen, ami pláne a covid miatti első nagy szünet után volt nagy előny. Mikor 2020 nyarán mindenki fetrengett, és 25-30%-kal nőttek meg a sérülések az összes európai ligában, addig a Getafe tulajdonképpen friss feljutóként áthasított a mezőnyön és zsinórban háromszor végeztek a top 10-ben, kiérdemelve egy Európa Liga indulást is. Az AI az előrejelzésben nyújtott óriási segítséget, olyan adatokból kiindulva, mint a játékosok alvási ciklusai, az anyagcseréjük, és természetesen az izomzatuk terhelése.
Ugyanezzel a stábbal a háttérben nyert Steven Gerrard Rangerse is skót bajnoki címet azután, hogy a negyedosztályba száműzték a glazvég bandát jó 10 évvel ezelőtt.
Az ilyen analízist végző cégekkel szerződni pedig sokkal olcsóbb, mint egy hosszabb kispadot fenntartani súlyos fontmilliókért. A know-how már az alsóbb ligákba is kezd beszivárogni, ahol szintén nagy segítséget jelent a játékosok monitorozása és a sérülések precíz előrejelzése.
A Champo pont azt a közeg, ahol négyfrontos terhelés, meg európai kupák sem kellenek ahhoz, hogy a 24 csapatos mezőny 46 meccses bajnoki szezonjában egymást érjék a fordulók, a 2020/21-es szezonban (ami a covid miatt egy hónappal később kezdődött a szokásosnál) 24 olyan forduló volt, amit 3 napon belül egy másik követett. Ez természetesen megtöbbszörözi a sérülésveszélyt, aminek az előrejelzésében nagy segítség az analízist végző AI.
A Zone7 stábja néhány esettanulmányt nyilvánossá tett a saját weboldalán, amiket tulajdonképpen arra használtak, hogy egy-egy csapatnak eladják a terméket, ebből megmutatok ezt-azt.

A fenti képen a QPR számára készített tanulmányból egy grafikon, ahol heti bontásban szerepel a 21/22-es szezon során valószínűsített sérülések mozgóátlaga a valószínűségük szerint (sárgával a közepes, pirossal a magas valószínűség, ezt a szezont ugye a Champoban focizta végig a Queens Park).
Magyarul a QPR stábja láthatta ebből, hogy hetente átlag hány játékos volt kisebb-nagyobb sérülésveszélynek kitéve – természetesen ők azért ennél részletesebben, nevekre lebontva, “közepes” és “magas” címszavaknál jobban specifikálva kapták az adatokat.
Több nagy csúcsa is van a grafikonnak, ahol ugrásszerűen megnő a sérülésveszély. Rögtön a szezon előtt a felkészülési időszak kezdetén, júliusban van a legnagyobb csúcs (mikor mindenki beesik a nyári alapozásra a többhetes nyaralásból), a következő nagyobb ugrás pedig augusztusban, a szezon kezdésénél várható, mikor elkezdődik az éles sorozatterhelés. Utána januárban jelentkezik egy újabb csúcs, abból kifolyólag, hogy a QPR-nek decemberben két meccsét is halasztották pont az ünnepi darálásban, úgyhogy ott hirtelen nullára is csökkent az átlag, majd hirtelen megint ugrott egyet.

Ezen a képen megint egy esettanulmányból kiragadott esemény, egy BL-ben is szereplő anonim bajnokság anonim csapatának anonim játékosának a bekövetkezett sérülését jósolta meg a Zone7 (igaz csak visszamenőleg, ezt is egy promóanyag keretében).
A grafikon függőleges tengelyén a játékos által megtett távolság látható (intenzitástól függetlenül), a vízszintes tengelyen pedig a sérülést megelőző napok (T a sérülés napja).
Kék vonallal a Zone7 stábja egy teljesítménysávot adott meg, amin belül maradva menedzselhető lett volna a játékos sérülésveszélye, pirossal pedig a játékos által valóban elvégzett teljesítmény. A grafikonból látszik, hogy a sérülés előtt 3 nappal (T-3) 11 kilométert futott a delikvens (alighanem meccsnap volt, gyaníthatóan a BL-ben, és a mennyiségből ítélve mind a 90 percet végigjátszotta), kicsit túllőve a Zone7 által javasolt sávon – alighanem menthető lett volna a dolog, ha mondjuk 15 perccel a vége előtt lecserélik. Utána T-2 napon egy kicsi, 3 kilométer körüli sávot még megengednének az algoritmusok a játékosnak, de ott minden bizonnyal pihenőnap következett (nulla kilométer a megtett távolság), majd a T-1 napon egy edzés keretein belül a játékos ismét túllépi a megadott optimális teljesítménysávot, majd a sérülés napján, kis híján 7,5 km futás után bekövetkezik a sérülés. Ez alighanem egy szombati bajnoki volt, ahol legfeljebb egy félidőt engedélyeztek volna neki a Zone7 algoritmusai, de a játékos ismét kezdő volt és valamikor a második félidőben be is következett a sérülés.
Csak a procedúrát akartam érzékeltetni a példákkal: az adatgyűjtés és az analízis végén így néz ki egy edzői stáb által is használható kimutatás, ami jó esetben teljesítményben kamatozik.

Az AI azonban nem csak extra teljesítménnyel kecsegtet, mert mint feljebb már írtam, mindenhol felüti a fejét, ahol embertelen mennyiségű adatot kell feldolgozni – jó példa rá a tehetségek kutatása.
Jó 20 évvel ezelőtt ez még mindig a hagyományos úton ment: ha egy eldugottabb klubnak voltak kapcsolatai komolyabb bajnokságok komolyabb szereplőivel, akkor volt rá esély, hogy egy-egy fiatal tehetség felől érdeklődtek, és esetleg személyesen is megjelentek azért, hogy szemügyre is vegyék. Az élőben megfigyelés volt az egyetlen módszer, ami azonban baromi költséges – egy adott esetben két, vagy többtagú stábot utaztatni a világon fel-alá és elszállásolni nem két fillér. Éppen ezért csak a nagyobb klubok engedhették meg maguknak, hogy megfigyelőket küldjenek az eldugott szegletekbe, a kisebb egyesületek a monitorozást nem nagyon terjesztették kijjebb Európa határain túl.
Mikor Yaya Touré 2001-ben Európába igazolt, azt tulajdonképpen csak annak a szerencsés ténynek köszönhette, hogy klubja, az elefántcsontparti ASEC Mimosas kapcsolatban állt a belga Beverennel.
Azóta sok víz lefolyt az öltözői zuhanyzókban, ma pedig már sokkal olcsóbban is meg lehet tudni fiatal elefántcsontparti játékosokról infókat, mint Touré idejében. Rengeteg játékosmegfigyelő rendszert állítottak működésbe, egy példát említek csak közülük, de az összes többi is lényegében ugyanarra a kaptafára megy.
A fent említett ASEC Mimosas az Eyeball névre hallgató hálózattal a háttérben egyre komolyabb játékosforgalmat bonyolít – az ezredfordulón havonta talán egyszer ha érdeklődött náluk játékosok után valaki, manapság már havi 30-40 megkeresésük van.
A csapat pályáján felszereltek egy széles látószögű kamerát olyan magasságban, hogy tisztán lássa a játéktér egészét kaputól kapuig. A kamera kamerázik, az adatokat pedig egy szoftver gyűjti, amit algoritmusokkal rendszereznek, az eredmény pedig egy olyan statisztikai halmaz, ami az OPTA-hoz nagyon hasonló. A világ legnagyobb akadémiái már régesrég felszerelték magukat valami hasonló rendszerrel, ami lehetővé teszi, hogy a hétvégén játszott meccseikről készült statisztikákat már másnap böngészhesse bármelyik scout csoport egy laptopról egy kényelmes kantinban ücsörögve, anélkül, hogy repkedniük kéne 14 órákat szerte a világban.
A szoftver és az algoritmusok képesek egyes játékosokról beavatkozás nélkül összevágni action clipeket, kiválogatni a játékos minden passzát, lövését, blokkolását, sprintjét, bármit, amire szükség lehet. Többé nem kell személyes kapcsolat ahhoz, hogy egy-egy játékosról infóhoz jusson bármelyik klub stábja, elég egy működő rendszerhez partnerként szerződni, és ömlik az adat az ablakon befelé.
Ez persze a kisebb nemzetek akadémiáinak jelent nagy segítséget, de ha kész tehetségeket keres az ember mondjuk az Inter keretébe, akkor is hasonló alapokon működő rendszer segítségével teszi.
N’Golo Kante sztorija gondolom mindenkinek megvan: a feljebb említett Leicester bányászta ki őt a francia másodvonalból fillérekért, hogy aztán bajnoki címet nyerjenek vele, és elhappolhassa őt a Chelsea 32 millió fontért.
A Leicester transfer targetek monitorozásával megbízott stábja kiszúrta, hogy Kante őrült magas számokat produkál labdaszerzésekben, azon belül is az ellenfelek kontráinak komoly százalékban való megakadályozása volt a legfontosabb skillje. A stáb pedig úgy értékelte, hogy ez a kiugró képessége komolyan kamatozna a Premier League mezőnyében, ahol szép számban akadtak elsősorban kontrákra alapozó csapatok. Végül a stáb scoutja, David Mills is vetett rá egy pillantást személyesen, és arra a következtetésre jutottak, hogy a filléres (4 millió font körüli) ár és a cserébe kapott érték aránya olyan magas, hogy Kantét muszáj vinni – Kante pedig végül bajnok lett a Leicesterrel és a Chelsea-vel is, nyert egy FA-kupát, egy BL címet, és nem utolsó sorban Franciaországgal egy vébé-aranyat (meg talán egy Európa Liga győzelme is van, ha nem tévedek).
Azonban nem csak a kész tehetségek útjait egyengeti az AI, ma már az amatőrök közé is kezd betörni a 21. századi modern futball módszereinek tárháza. Először a Burnley volt az a klub, amelyik az AiSCOUT stábjának segítségével belefogott a 14 év fölötti amatőrök kutatásába abból a célból, hogy a legfelsőbb kategóriás akadémiájukra vihessék őket. Az AiSCOUT fejlesztett egy telefonos applikációt, amit bárki letölthet a sajátjára a Google store-ból, egy gyors regisztráció után pedig az applikáció elvégeztet a wannabe játékosokkal olyan gyakorlatokat, amit egy tipikus próbajáték során kellene megtenniük. A teljesítményt végül fel lehet tölteni az AiSCOUT adatbázisába, amit az AI értékel, és ha az adott srác elég jól pörgött forgott a zsugával a sárga meg a piros bóják között, akkor az applikáción keresztül valós próbajátékokra kaphatott meghívást azoktól a kluboktól, amelyek érdeklődtek.

A modellben volt potenciál, a fejlesztők szerint az első 50 fiatal tesztalany közül hatan is kaptak meghívást. A legszebb példa Ben Greenwoodé, aki mindössze egy sarokra lakott a Chelsea akadémiájától, mégsem szúrták ki soha. Az applikáción keresztül azonban felfigyeltek rá, és ugyan az oroszlánosok nem találták elég jónak, de a Bournemouth szerződést ajánlott neki. Greenwood azóta tapossa a Bournemouth korosztályos csapatainak lépcsőfokait, jelenleg 20 éves, már a premier ligás csapattal edz, és pályára lépett az U19-es ír válogatottban is – melyikőnk nem álmodott ilyenról kissrácként.
És ahogy a klubok is alkalmazzák játékosok keresésére az algoritmusokat, úgy igaz ez a fordítottjára is: ma már a játékosok számára is készülnek riportok arról, hogy egy-egy átigazolási ablak előtt mely potenciális klubban vagy bajnokságban nyújthatnának jobb teljesítményt. Nem mindegy ugyanis, hogy melyik klubban van nagyobb esélyük a támadósorban érvényesülni és gólokat szerezni. Betekintést nyerhetnek abba, hogy egy-egy csapatnál döntően milyen gólszerzési szituációk adódnak a támadók előtt, melyik bajnokságban nagyobb a sérülésveszély, hol osztják jobban a lapokat, hol operálnak inkább hosszabb ívelésekkel és beadásokkal, hol több fajlagosan a meccsenként előforduló fejpárbajok száma – és el lehet dönteni, hogy a különböző stílusú játékok közül melyik fekszik jobban.

Az AI-vonat pedig még mindig nem áll meg itt.

Amióta egyre nagyobb felbontásban elérhetőek a közvetítések világszerte, azóta próbálnak ebből a data analyst csapatok minél nagyobb hasznot húzni. És amióta megfelelő processzorkapacitással rendelkeznek már a kenyérpirítók is (már egy cipőkanálban is minimum nyolcmagos processzor van), azóta eszközük is van ahhoz, hogy a közvetítést bonyolító kamerák által készített felvételeket elemezzék.
A vizuális adatgyűjtés kezdetben ugyanúgy emberi szemekre volt bízva, mint minden más, megszállott managerek és a megbízott jobbkezeik időt és energiát nem kímélve utaztak (néha napokig) azért, hogy egy-egy nemzetközi torna előtt feltérképezzék a rivális válogatottak játékát, már ha erre adódott lehetőség. A tévés közvetítések óta már utazni sem kellett ehhez, a VHS, a DVD és a merevlemezek elterjedése óta pedig tárolni is lehetett a végtelen mennyiségű anyagot (fun fact, hogy Benítez egyébként még ma, a cloud store-ok és terabájtos külső winchesterek napjaiban is ragaszkodik a saját, évtiezedes viszonylatban összeszorgoskodott DVD-gyűjteményéhez, amit papírdobozokban cipel magával minden új munkahelyére).
Manapság természetesen a vizuális adatgyűjtést is az algoritmusok végzik, a feldolgozással együtt – megint csak egy példát hoznék arra, hogy hol tartunk ezzel.
2021-ben jött ki egy publikáció a prediktív analízis lehetséges alkalmazásairól a futballban, van vagy 40 szerzője, úgyhogy nem sorolnám fel mindegyikőjüket, különben is liverpooli diákok mind, beteg egy banda az kérem, beisznak, beszipuznak, aztán írogatnak minden szirszart összevissza a fociról ahelyett, hogy félmeztelenül topognának egy rave-partyn, mint minden rendes cuccos.
Valahol a publikáció harmadik fejezetében rátérnek a büntetőlövésekre, amit már egy évszázada próbálnak a kapusok és a lövők is a saját számukra kezdvező irányban megtweakelni.
Az egész teória egy szoftveren alapszik, ami képes felismerni a lövő játékos és a kapus alakját a közvetítés kamerájának képén keresztül, a végtagjaikat pálcikákkal és pontokkal helyettesíti, és elég minta elemzése után képes megállapítani a lövő és a kapus valószínűsíthető szándékát (hova lövi/hova vetődik) olyan jelekből, amit a puszta emberi szem ki sem szúrna.

Tudom, nagyon úgy néz ki, de ezt higgyétek el, hogy nem én rajzoltam, ez a modern foci, srácok.
Ha jól értelmezem a szöveget, akkor ennek az alkalmazására még nincs példa, de meg lennék lepve, ha nem állna 1-2 éven belül hadrendbe egy ilyen eszköz is, ami tanácsokkal látja el a lövőt vagy a kapust arról, hogy milyen jelekre figyeljen elmozdulás előtt.
Első sztretfordos bejegyzésem pont egy videó volt a 2008-as BL döntő büntetőpárbajáról, ahol még egy baszk matekprofesszor saját kezével-szemével gyűjtött mintákat büntetőlövésekről, és saját kezűleg készített elemzést belőle Avram Grant alakulatának a moszkvai utazás előtt – elég sokat fordult azóta a világ.
A dolog egyébként nagyon közel van a félautomata leshez, amit persze nem ilyen durva közelítéssel leképzett pálcikaemberekkel, hanem rendes, labdába és sportszárakba telepített érzékelőkkel óhajtanak megoldani a FIFA tech gurujai.

És ha már a kameráknál és a közvetítéseknél tartottunk, az AI már a harmadik fél – a közvetítést bonyolító – helyére is elkezdett beavászkodni.
Ma még döntően hús-vér operátorok működtetnek kamerákat a meccsek helyszínein, de más sportágakban (főleg a tengerentúlon) már gyakori az automatizált kamera, ami némi szoftveres segítséggel követi a játékszert, közelít-távolít és fókuszt állítgat a helyzetnek megfelelően. A módszer már elég sok sportág alsóbb ligáiban is elkezdett terjedni, elsősorban olyan bajnokságokban, amit minimális számú közönség követ figyelemmel, és amit ezért nem közvetít semmilyen hagyományos médiafelület. Itt is akadna több példa, de csak egyet ragadnék ki: az izraeli Pixellot vállalkozása úgy az egyik legnagyobb sport témájú streamszolgáltató, hogy aligha hallott róluk valaki, mivel pont az ilyen alacsony ligás sorozatokra specializálták magukat. Havonta 100 000 órányi adást bonyolítanak a felületükön (ez nagyjából 50 000 meccs…), focitól kezdve a hokin és a teniszen át a kézilabdáig. Ezeket a meccseket eddig csak a helyszínen lehetett megtekinteni, az AI fejlődésével azonban ez már otthonról is megy – mivel a közvetítés bonyolítása nem igényel emberi beavatkozást, legfeljebb akkor, mikor a rendszert telepítik.
2014-ben indult útra a Pixellot, azóta 6500 futballpályát, jégcsarnokot és egyéb létesítményt kameráztak be, kezdetben észak-amerikai főiskolai csapatok otthonait, aztán bővült a kör. A sportpályára egyszer kivonul a Pixellot stábja pár kamerát telepíteni, és itt tulajdonképpen véget is ér a szükséges meló. Az adott csapat csak leadja a hazai meccsek tervezett időpontjait, a többit pedig megoldja az AI.
A különböző szögből felvevő kamerák képeit a szituációnak megfelelően automatikusan játsszák be az algoritmusok az élő adásba, gyakorlatilag egy rendezői szobát szimulálva ezzel – rendezői szoba és rendező nélkül. Az AI felismeri a különböző játékszituációkat (képes természetesen megkülönböztetni egy szögletet mondjuk attól, ha csak két játékos véletlenszerűen a szögletzászló közelében téblábol), a közvetített meccsek felvételeit pedig arra használják, hogy finomítsák-pontosítsák a közvetítést bonyolító algoritmusokat.
Ez többek közt lehetőséget ad még az amatőr szintű ligák csapatainak is arra, hogy némi extra bevételhez jussanak. Az első osztályú női ligák is hasonló rendszerekkel intézik a közvetítéseket, és a sportfogadással foglalkozó oldalak is ilyen módszerekkel közvetítik a mindenféle nyugat-szamoai gyeplabdaselejtezőket.
Egyébként semmi sincs hiba nélkül, úgyhogy ezekbe a közvetítésekbe is csúszik be néhány: mikor a covid alatti újrainduláskor lezárták a nézőtereket, pár skót klub bejelentette, hogy a Pixellottal streamelik majd a meccseket, így történt ez az Inverness Caledonian egyik hazai meccsén is, ahol a kamerát kezelő AI a hozzá közelebb eső partjelző szép fényes, kopasz fejbúbját újra és újra összetévesztette a labdával, random módon fókuszálva a nem létező frizurára az akció helyett.

A Pixellot egyébként már a skót másodosztályban is bevetésre került, mind a 300 meccset streamelték a tavalyi szezonból, és bár a saját bevallásuk szerint a közönség minden esetben minimális, de a kötődés elég szoros a szurkolók részéről – mindenképpen van piaca a dolognak. Nyilván ez nem olyan minőséget képvisel, mint a csillogó villogó El Clasicó 24 darab full HD 8K kamerával, de aki teszem azt 30 éve szurkol mondjuk a Falkirknek, az mindenképp örömmel fogadja a lehetőségét annak, hogy figyelemmel követhesse a csapatát akkor is, ha annak Skócia ellentétes felébe kell utaznia egy bajnokira.

És valahol véget kell szakítsak a bejegyzésnek mielőtt mindenki tűréshatára szétszakad, de még folytathatnám néhány bekezdésen keresztül. Például azzal, hogy a klubok miként generáltatnak az AI segítségével marketingtartalmat és twitter- meg instabejegyzéseket, hogyan becsülnek vele várható nézőszámokat az időjárás, a nemzeti ünnepek, meg a font-euró árfolyam, meg minden egyéb körülmény vonatkozásában, hogyan fejlesztették a VAR-rendszert (LOL), vagy éppen hogyan figyelik meg a közönséget a lelátón szintén automata kamerákkal… na jó, oké, ezt azért még leírom.

Természetesen a tavaly decemberi katari vébén annyira be volt szarva a rendező ország a súlyos emberi jogi kihágásaik miatt várható ellenséges nézői rekacióktól, hogy a világ legfejlettebb kamerarendszerét állították rá (nem két fillérből) a nézőterekre, hogy a szoftverek és az algoritmusok felismerjék és kiszűrjék az esetlegesen számukra elítélő transzparenseket, kellemetlen feliratú pólókat, vagy adott esetben arcfestéseket. 22 000 (!!!) olyan kamerát szereltek fel a rendezés helyszínéül szolgáló 8 stadionban, ami csak ezzel a feladattal törődött és egy árva perc futballt nem rögzített, cserébe 1,2 millió ember minden mozdulatát figyelték velük a torna minden perce során, természetesen arcfelismerő rendszerrel megtoldva. Katar ennek a szükségességét természetesen a nézők egészségének és biztonságának biztosításával indokolta.
Ja.

Egyébként az AI képes előrejelzni azt, hogy a tömeg milyen hullámokban érkezik majd a stadionba, hol akalul ki tömeg a nézőtéren kívül, mikor rohanják meg a büféket és a vécéket (itt kurvanehéz dolga lehet egyébként az algoritmusnak, általában egy félidei sípszó szokta ezt megelőzni), a rendező stáb pedig ennek megfelelően tud kapukat és átjárókat nyitni, illetve zárni, vagy sört pumpálni a sörcsapokba.

Összegzésként pedig talán érdemes összefoglalni, hogy hol is tartunk.
Azért komplett klubok irányítását még közel sem fogja átvenni a mesterséges intelligencia, egyelőre csak hasznos segédeszközként alkalmazzák egyre szélesebb területeken. Nagyrészt azért (és itt biztos tudna velem vitatkozni egy informatikában jártasabb kolléga), mert az AI még jelenleg is csak egy nagyon gyorsan dolgozó rézuszmajom, ami a neki betanított műveleteket végzi el egy irgalmatlan nagy adathalmazzal. Csak ugye az algoritmus nem egy műveletet végez el egy másodperc alatt, hanem több százmilliót. Ha kell, akkor GPS koordinátákból háromszögel ki térbeli pozíciókat, ha kell, akkor képpontokat összehasonlítgatva dönti el, hogy melyik ponthalmaz a labda és melyik a játékos, vagy ha kell, akkor vérnyomásgörbék pontjait hasonlítja össze és visít, hogy ez egészséges-e, vagy sem.
Az AI nem attól pörög, hogy olyan rohadt intelligens lenne, hanem attól, hogy a műveleteket végző processzorok kapacitása ugrásszerűen nőtt az elmúlt évtizedekben. A hatvanas években a NASA egy mindössze 2MHz kapacitású (!!!) procival szállt le a Holdra, ezzel csinálták végig a komplett Apollo-programot, és ez akkor übercsúcstechnológiának számított, ma meg az AMD poénból gyárt 64 magos egységeket a vízforralódba. És ez is csak az a technika, amit az egyszerű szántóvetőknek már piacra dobtak, egy atomerőmű számítástechnikai hátterét, vagy éppen a hadseregek informatikáját ennél is bivalyabb egységek biztosítják, csak azt még jóideig nem fogják civileknek piacra dobni, legfeljebb ha annyira elavul.
A Chat GPT is azért kelti egy baromi intelligens rendszer látszatát, mert szó szerint végtelen mennyiségű szöveget tároltak le a háttértárolóin (mondtam már, hogy a tárolók kapacitása is végtelenül nagyra nőtt?), és ezen az irdatlan mennyiségű szöveges mintán természetesen pillanatok alatt végez analízist több végtelen kapacitású processzor. Addig, amíg a brute force intézményével operálunk, addig az AI nem lesz valóban, humán értelemben véve is “intelligens”, csak nagyon gyors, amit a júzer emberi agya intelligenciának néz.
Egyébként nagy trendje ez a technika fejlődésének, mármint a feljebb említett folyamat, miszerint előbb a hadseregek fejlesztenek ki minden csipogó-berregő kütyüt, aztán amikor már sokkal előrébb járnak a következő generáció színvonalával, akkor hozzák kereskedelmi forgalomba az elavult cuccokat.
A mai, nagyjából méter pontossággal működő GPS (vagy ha az jobban tetszik, akkor a Google maps) is azután került civil forgalomba, hogy az USA hadserege valahogy célba szerette volna juttatni a brutál pusztításra képes atomfejes rakétáit, amihez navigációs rendszer kellett – csak egy idő után már nem volt elég pontos számukra a méteres nagyságrend. Ma már Johnnyéknak nem elég, ha egy rakétával az utcában eltalálják a házszámot, nekik az kell, hogy azon az ablakon menjen be, amelyik nekik tetszik. És amióta azon az ablakon megy be a rakéta, amelyiken Johnny tábornok óhajtja, azóta forog civil kereskedelemben az eggyel korábbi fejlesztés – mert kár lenne nem keresni egy elavult technikán néhány milliárd dollárt.
A processzorok végtelenül növekvő kapacitását is többek közt annak köszönhetjük, hogy a hadseregek világszerte azon dolgoztak, hogy ellenséges rakétákat elhárító rendszereket állítsanak fel, megakadályozva ezzel, hogy komplett városokat döntsenek romba velük. Egy rakéta meg kurvagyorsan hasít ám, szóval onnantól kezdve, hogy a radarod észlelt egy Kubából induló objektumot, van kábé fél perced arra, hogy eldöntsd, hogy Washington felé tart-e, vagy sem, mert ha igen, akkor élesíteni kell a védelmi rendszert. A “Washington felé tart-e” kérdéskörét pedig processzorokkal válaszoltatják meg, amiknek nem árt csipkedni magukat, ha jövőre is akarnak hamburgert sütni július negyedikén. Amelyik processzor meg már nem elég gyors Johnny tábornoknak, az megintcsak megy a civileknek játszani a PlayStationjeikbe.

De tényleg befejezem itt a bejegyzést, készüljön mindenki a csütörtöki Sevilla-fetrengésre.

Búcsúzóul pedig mindenki oldjon meg egy captcha-t valami illegális letöltőoldalon.

GGMU!