مطهره‌سادات قاسمی، خبرنگار گروه دانشگاه: هوش مصنوعی حوزه‌های مختلف را یکی پس از دیگری فتح می‌کند تا این عقل رایانه‌ای سروکله‌اش در جوانب مختلف زندگی انسان پیدا شود. ورزش هم از این قاعده مستثنی نیست. این روزها فوتبال در سطح جهانی به سمت تصمیم‌گیری براساس دیتا‌ها حرکت کرده و باشگاه‌های بزرگ فوتبال برای جمع‌آوری اطلاعات از کنش تیم‌های حریف در جهت قهرمانی خود، افراد متخصصی با عنوان مهندس داده را استخدام می‌کنند تا بررسی‌های هوشمندانه و کارشناسی امکان تصمیم‌گیری بهتری را از مربی گرفته تا مدیران دیگر باشگاه فراهم کند. انجمن علمی دانشکده مهندسی کامپیوتر دانشگاه شریف چندی پیش با حضور شاهین جعفری، فارغ‌التحصیل علوم مهندسی از دانشگاه تورنتو و مهندس داده باشگاه آرسنال، نشستی مجازی درباره بررسی تاثیرات هوش مصنوعی و علوم داده در فوتبال جهان برگزار کرد که گزیده‌ آن را در ادامه می‌خوانید.

پوشش روزانه دیتا مهم‌ترین مزیت‌ تیم داده آرسنال است
شاهین جعفری مهندس داده باشگاه آرسنال با اشاره به فعالیت‌های تیم داده این باشگاه بیان کرد: «آرسنال به‌عنوان یک باشگاه، تیم‌های زیرمجموعه متعددی از جمله بزرگسالان، بانوان، زیر 23 سال، زیر 21 سال و زیر 18 سال دارد. ما سعی می‌کنیم با آنالیزورهای خاص تیم‌های مختلف، اسکت‌ها یا افرادی که بازیکن‌ها را پیدا می‌کنند و استعدادیاب‌ها برای دریافت دیتا ارتباط گرفته و با توجه به نیازمندی‌ها و درخواست‌هایی که از مربیان و باشگاه‌ها وجود دارد دیتاهایی فراهم می‌کنیم که در دستیابی به برنامه روزانه و هدف باشگاه‌ کمک‌کننده است.» وی افزود: «پوشش دیتاها در تمام ساعت‌های روز یکی از مهم‌ترین مزیت‌های تیم داده آرسنال است. اعضای این تیم در کشورهای مختلف مانند انگلیس، آمریکا و کانادا مستقرند و در ابتدا افرادی که در لندن حضور دارند شروع به کار می‌کنند و به مرور فعالیت افراد در کشورهای دیگر نیز آغاز می‌شود. این مساله باعث مدیریت تمام دیتاها و اطلاعات در طول روز خواهد شد و به قول معروف هیچ‌وقت سورپرایز نمی‌شویم.»

شناخت تیم حریف با کمک هوش مصنوعی
جعفری با اشاره به یکی از پروژه‌های دوست‌‌داشتنی‌اش در باشگاه آرسنال تشریح کرد: «در باشگاه اطلاعات زیادی وجود دارد که با توجه به اقتضائات و هدف باشگاه در بازه‌های زمانی مختلف روند کار دچار تغییر می‌شود. آماده‌سازی و تحویل داده‌ها درباره تیم‌های حریف یکی از پروژه‌های من در باشگاه آرسنال بود. درواقع هدف این بود که تیم قبل از ورود به زمین بازی حریف را به‌طور کامل شناخته و درجریان نقاط قوت و ضعف، نحوه گل‌زنی، ساختن موقعیت برای گل، پاسکاری و... قرار بگیرد. یکی از پروژه‌هایی که به‌عنوان مهندس داده در باشگاه‌های فوتبالی کار می‌کنیم این است که برای قهرمان شدن، همواره این اطلاعات را برای تیم‌های اول آماده کرده و علاوه‌برآن دیتا‌ها را در زمینه تیم‌های دیگر مانند بانوان بسط دهیم تا به قهرمانی برسیم. این اطلاعات باید دو هفته قبل از هر بازی در اختیار تیم قرار بگیرد و آنالیزور بررسی‌هایش را راجع‌به آن بنویسد تا تیم بتواند در سریع‌ترین زمان ممکن و قبل از بازی به دیتا‌ها دسترسی داشته و روی آنها کار کند.»

مهندسی داده نه دانشمند داده است، نه آنالیزور
شاهین جعفری با بیان اینکه مهندسان داده مسئول آماده‌سازی اطلاعات و دیتاها هستند، گفت: «آماده‌سازی داده چند بخش مختلف دارد که دیتا دریافت، یا توسط مهندس داده تولید می‌شود. برای مثال ممکن است قسمتی از داده را از یک شرکت و قسمت دوم را از شرکت دیگری دریافت کنیم درحالی‌که هیچ‌کدام از این دیتاها به‌تنهایی کاربردی ندارند و زمانی قابل استفاده می‌شود که مهندس داده آنها را در کنار هم قرار دهد. درواقع کار مهندس داده نیز همین است که داده‌ها را درکنار یکدیگر برای بررسی آنالیزور آماده کند. مهندس داده، دانشمند داده یا دیتاآنالیزور نیست و درواقع یک گام قبل از فعالیت آنهاست که کار آماده‌سازی و مرتب‌سازی دیتاها را انجام می‌دهد. در باشگاه آرسنال با توجه به شرایط مختلف ممکن است که مجبور به انجام فعالیت‌های حوزه‌های دیگر نیز بشویم که تا به الان یکی از بهترین فرصت‌ها برای من بوده است.»
هوش مصنوعی کجا به کمک باشگاه‌های فوتبال آمد؟
مهندس داده باشگاه آرسنال ادامه داد: «اگر از بالا به پایین نگاه کنید دیتای باشگاه‌ها برای دو هدف مورد استفاده قرار می‌گیرد. ابتدا هدف فوتبالی و اطلاعاتی که مربوط به فوتبال باشگاه است که برای قهرمانی در بازی اهمیت دارد و قسمت دوم دیتاهایی است که باشگاه برای جذب مخاطب و فعالیت‌های روزمره از آنها استفاده می‌کند. مثل اینکه باشگاه چگونه می‌تواند میزان بیشتری لباس‌ و بلیت بفروشد؟ بازی‌های تدارکاتی کجا برگزار شود؟ چگونه مخاطب بیشتری جذب کنیم؟ و... فعالیت من به‌طور اختصاصی بر قسمت فوتبالی باشگاه است و در این حوزه بیشتر صحبت خواهم کرد. در بازی‌ها تیم لیگ، پس از گل تصاویری نشان می‌دهند که زاویه‌ و سرعت شوت بازیکن چقدر بوده است. یکی از آمارهایی که از این تصاویر می‌توان پیدا کرد این است که در این شرایط احتمال گل شدن توپ چقدر بوده است؟ رخ دادن این احتمال در بازیکن‌های مختلف متفاوت است. حالا اگر از زاویه داده به این موضوع نگاه کنیم در چند مرحله می‌توان دیتا‌ها را جمع‌آوری کرد. در ابتدا اطلاعات درباره بازیکن‌هاست که باشگاه‌ها هم در این باره بسیار صحبت می‌کنند و این اطلاعات را می‌دهند. پس از آن می‌توان راجع‌به تیم داده‌هایی را کسب کرد که این امکان را می‌دهند که بفهمیم چه رقابت‌هایی بهترین رقابت‌های جهان محسوب می‌شوند. از آنجایی که امروزه تلاش‌ می‌شود بیشتر به جنبه علم فوتبال توجه شود برخی باشگاه‌ها این اطلاعات را در اختیار دیگران می‌گذارند و به‌طور کلی فوتبال به‌مرور به سمت استفاده از دیتاها رو آورده است.

هنر مهندس داده تعریف کمیت‌های جدید است
جعفری با بیان اینکه مهم‌ترین مساله برای ورود به دیتای فوتبال علاقه است، بیان کرد: «وب‌سایتی مانند ترنسفرمارکت اطلاعات جامعی را در اختیار افراد علاقه‌مند به این زمینه قرار می‌دهد. همچنین برخی شرکت‌ها اجازه می‌دهند که افراد از دیتای عمومی استفاده کنند. درواقع باتوجه به دیتاهای موجود با خلاقیت می‌‌توان کمیت‌های جدید تعریف کرد؛ قسمت جالب ماجرا هم اینجاست زیرا تقریبا همه باشگاه‌ها داده‌های مشترکی در اختیار دارند و هنر اصلی مهندس داده این است که با تعریف کمیت‌های جدید بازیکن‌ها را با روند دیگری رده‌بندی کند. نقش اصلی این فعالیت‌ نیز در استعدادیابی است که می‌توان بازیکن‌های مستعد را از تیم‌های پایین به لیگ‌های معتبر آورده و با تربیت و پرورش آنها، بازیکنان را به باشگاه‌های دیگر بفروشیم.»

داده‌ها بخشی از بازی هستند
وی با اشاره به مزیت انتقال داده‌های حین بازی به مربی تیم گفت: «یکی از مهم‌ترین اطلاعاتی که حین بازی به مربی می‌رسد داده‌های فیزیکی بازیکنان است. همچنین در فیفا پس از نیمه اول جدولی درباره تعداد شوت‌ها، سانت‌ها و... ارائه می‌شود که اگر به صفحات بعدی آن مراجعه کنیم اطلاعات وسیع‌تری مانند نوع شوت‌های بازیکنان نیز در اختیار تیم قرار می‌گیرد. اگر مهندس داده اطلاعات بین نیمه را به مربی برساند، فرصت شکل‌گیری ایده‌های جدید برای ادامه روند بازی در اختیار تیم قرار خواهد گرفت. البته دیتا بخشی از بازی است و نباید استعداد مربی‌ها را نادیده بگیریم. بسیاری از تصمیماتی که در بازی گرفته می‌شود زاده فکر و ایده تیم مربی‌گری است.»
جعفری با بیان اینکه دو مسیر برای مهندس داده شدن در فوتبال وجود دارد، اظهار کرد: «برخی افراد اطلاعات و علم فوتبالی بالا، مدرک مربی‌گری فوتبالی دارند یا با تیم‌های پایه زیادی در ارتباط‌ هستند و به قول معروف لب خط قرار دارند و با این اطلاعات می‌توانند به باشگاه‌ها برسند. روش دوم کسانی هستند که شاید خیلی نزدیک به فضای فوتبالی نباشند اما وقتی تکنیک‌ آنها را در مهندسی داده در نظر می‌گیریم، می‌توانند خودشان را نشان دهند. توصیه می‌کنم افراد علاقه‌مند در این حوزه پروژه‌ای را در ذهن خود ساخته و پروتکل‌های مخصوص به خودشان را روی آن پیاده کنند. برای مثال ویلیام اسپرمن، مهندس داده باشگاه لیورپول چند سال‌ گذشته مبحثی به نام پیچ کنترل را ارائه کردند که نشان‌ می‌داد پوزیشن بازیکن‌ها هنگام پاس دادن تا چه میزان می‌تواند به کنترل بازی کمک کند.»

اهمیت داده‌ها در فرصت کم تمرینات به چشم می‌آید
مهندس داده باشگاه آرسنال در پاسخ به سوال یکی از حضار مبنی‌بر اینکه استفاده از داده‌ها در بازی فوتبال که پر از متغیر‌ها است تا چه میزان می‌تواند تاثیر مستقیم داشته باشد، بیان کرد: «دیتا در دو مسیر قابل استفاده است. مسیر اول اینکه بگوییم با استفاده از اطلاعاتی که در اختیار داریم چه مسیری را برای آینده پیش‌بینی می‌کنیم؛ و مسیر دوم صرفا اطلاع از اقدامات گذشته است. در فوتبال اگر به جای صرفا نگاه کردن به 20 بازی اخیر یک تیم، دیتاهای آن را در نظر بگیریم، برای مثال متوجه خواهیم شد که در 65 درصد مواقع سانت‌های از سمت چپ بین نفر دوم دفاع و فول بک انجام می‌شود، پس توجه تیم را به ارتقا در این قسمت می‌گذاریم که راه را برای تیم حریف مسدود کنیم. درک بهتر از نحوه بازی تیم حریف، به این معنا نیست که حتما می‌توانیم روند بازی را به مسیری که دوست داریم متمایل کنیم. بلکه در تمرینات بیشتر بر نقاط ضعف خود تمرکز خواهیم داشت. زیرا تایم تمرین بین برخی بازی‌ها کم بوده و بهتر است تمرکز را بر نقاط ضعف و قوت تیم حریف و خود بگذاریم.»