Представленный проект был создан в рамках хакатона генеративным медиа ScienceMedia AI 2024. Данные, выводы и их визуализация нуждаются в доработке.
НЕ/ЕСТЕСТВЕННЫЙ
ОТБОР
как футбольные клубы находят спортсменов с помощью нейросетей
ГОЛ!

Когда скауты отбирают новых игроков,

то часто ориентируются на субъективные вещи:

как футболист выглядит и какое впечатление производит.

Но в один момент «чутье» может

подвести — и в таких случаях помогает статистика.

ТАЛАНТ
ИГРА
УСПЕХ
Сейчас нейросети отслеживают перемещение по полю, составляют тепловые карты активности и сравнивают тысячи игроков за раз. Все это меняет не только футбольную индустрию, но и жизни отдельно взятых спортсменов.
В статье мы расскажем, как искусственный интеллект поменял скаутинг — на примере одного игрока и одного «разведчика».
Еще лет двадцать назад скауты вели эксель-таблицы, смотрели видео
с матчей и медицинские карты —
это был их способ собрать «объективные» данные.
Но с появлением нейросетей количество инструментов увеличилось в разы. Как будто раньше футболистов рассматривали
с дедушкиной лупой, а теперь — через сверхточный электронный микроскоп.
Человек, занимающийся подбором талантливых игроков в команду.
Знакомьтесь — Валера, 16 лет.
Он — отличный начинающий футболист, живет
в Петропавловске-Камчатском, играет в любительской команде и хочет стать профессионалом. Он уже несколько лет пытается достучаться до скаутов
из любимых столичных клубов: рассказывает о себе, присылает видео с тренировок и игр.
Но никто не хочет приезжать и смотреть на него вживую.
Все меняется, когда он узнает
о платформе для молодых игроков:
она анализирует их с помощью ИИ,
а статистику показывает представителям известных команд
и футбольных академий — например, «Зенита» и «ЦСКА».
Валера снимает видео своих тренировок на мобильный телефон
и загружает ролики на платформу.
Алгоритмы компьютерного зрения детально анализируют его навыки:
от точности передач до скорости реакции.
Спустя несколько недель Валера получает приглашение на просмотр
в Москву. А спустя пару месяцев
— контракт с его любимым клубом.


Как бы фантастично ни звучала история выше, именно так и работают современные сервисы для скаутинга.
В России для таких целей используют отечественный
JuniStat.
«С помощью компьютерного зрения приложение собирает более 60 параметров физической и технической подготовки футболиста. В итоге каждый игрок имеет свой цифровой профиль со статистикой развития в разрезе многолетней подготовки».

Сооснователь JuniStat Егор Шапортов — о том, как работает платформа
Похожий сервис есть в Британии — это AiSCOUT, через который ищет игроков клуб «Челси». В нем непрофессиональный футболист также может показать себя, имея под рукой только смартфон и мяч. Для этого нужно включить камеру и выполнить пару упражнений — например, дриблинг и удары.
Потом нейросеть проанализирует видео и оценит скорость, ловкость, равновесие и реакцию. Данные отправятся напрямую скаутам — и их хватит, чтобы объективно оценить игрока.
Это Андрей — скаут клуба из российской премьер-лиги.
Раньше он вручную просматривал десятки видео и личных дел игроков. И часто промахивался: тратил часы на дорогу, чтобы вживую увидеть спортсмена и понять — он ему не подходит.

Нейросети поменяли его работу: теперь ему
не нужно составлять таблицы и просматривать десятки видео. Специальное приложение анализирует игроков за него — и показывает выжимку с объективными данными.

Раньше видео с игроком нужно было оценивать «на глаз». Опираться на интуицию и следить за ударами, выносливостью
и позиционировании на поле. Теперь все это превращается
в статистику: нейросети рассчитывают скорость бега, высоту прыжка, дриблинг,
точность передач.

Например, так умеет российское приложение Dia-Gram.
«Скауты часто принимают решения о приглашении футболиста по разным показателям. Поэтому наша задача— оцифровать всех футболистов. Узнать, кто с какой скоростью бежит, с какой силой бьет по мячу, как высоко прыгает и так далее».

Андрей Коробов, сооснователь Dia-Gram
Будущее скаутинга:
передаем слово нейросетям
Мы дали почитать нашу статью трем нейросетям. Показываем, что они обо всем этом «думают».
GigaChat
«Cтоит учитывать, что нейросеть — это лишь инструмент, и она не заменяет полностью человеческий фактор. Окончательное решение всегда принимается специалистом, который учитывает не только количественные показатели, но и качественные: харизму игрока, его психологический настрой и лидерские качества».
ChatGPT-4
«Основные плюсы нейросетевого скаутинга — в его способности быстро обрабатывать и анализировать данные, выявляя потенциал спортсменов на основе объективных метрик. Однако существует ряд рисков: такие системы могут упускать важные человеческие качества, такие как лидерство и командное взаимодействие, и сталкиваются с вызовами, связанными с качеством входных данных. Также они поднимают вопросы этики, связанные с приватностью и защитой данных спортсменов. Важно использовать нейросетевой скаутинг в сочетании с традиционными методами, чтобы компенсировать эти ограничения»
Claude 3.5 Sonnet
«С одной стороны, развитие нейросетевого скаутинга может привести к более эффективному распределению ресурсов спортивных организаций, так как появится возможность более точно оценивать потенциал инвестиций в конкретных спортсменов. С другой стороны, существует риск чрезмерной "механизации" процесса отбора, когда уникальные таланты, не вписывающиеся в стандартные метрики, могут остаться незамеченными».
АВТОРЫ
КОМАНДА ФК "ВЕЛИКОЛЕПНАЯ ПЯТЕРКА"
  • Максим Абрамович
    Текст и редактура
  • Ксюша Гоян
    Дизайн и верстка
  • Аня Дякова
    Дизайн и генерация изображений
  • Никита Мельников
    Поиск фактуры, генерация текста и аудио