مقدمه
در معرفی قسمت قبلی بهاشتباه گفتم فصل هفتم گایتون هال؛ درصورتیکه این هشتمین فصل از کانال ورزشی گایتون هال است. البته خیلی مهم نیست فصل اول باشد یا قسمت چندم؛ مهم این است که شما الان دارید این اپیزود را گوش میدهید.
اگر شما هم مثل من از آن دسته افرادی هستید که هنگام تماشای یک مسابقه ورزشی فقط دنبال گلزدن و امتیازگرفتن نیستید و دوست دارید بدانید پشتصحنه آمادگی بدنی بازیکنان، تمرینات حرفهای و تحلیلهای دقیق چه میگذرد، این اپیزود دقیقاً برای شماست.
امروز قرار است به سراغ موضوعی داغ و آیندهدار برویم: هوش مصنوعی در آنالیز عملکرد ورزشی.
اگر بخواهم خیلی ساده توضیح بدهم، موضوع این است که تکنولوژی، بهخصوص هوش مصنوعی، چگونه به مربیان، آنالیزورها و حتی خود ورزشکاران کمک میکند بهتر بدانند چه کاری انجام میدهند، چه زمانی باید استراحت کنند، چه موقع زمان تعویض بازیکن است و چه خطراتی ممکن است آنها را تهدید کند.
منظور از عملکرد ورزشی چیست؟
یک سؤال ساده اما کمی پیچیده: وقتی میگوییم عملکرد یک ورزشکار، دقیقاً منظورمان چیست؟
آیا فقط منظور این است که ورزشکار چند کیلومتر دویده یا چند بار شوت زده است؟ نه، اصلاً!
عملکرد ورزشی مجموعهای پیچیده از حرکات، تصمیمگیریها، شرایط فیزیولوژیکی بدن، وضعیت ذهنی، الگوی دویدن، میزان تنفس، خستگی عضلات، هماهنگی ذهن و بدن، دقت، تمرکز و عوامل متعدد دیگر است.
امروزه با پیشرفت علم و تکنولوژی میتوانیم بسیاری از این عوامل را با دقت بالایی بررسی کنیم؛ اما سؤال اصلی این است: اگر نتوانیم از این حجم عظیم داده به یک نتیجه کاربردی برسیم، این اطلاعات چه فایدهای دارند؟
اینجاست که هوش مصنوعی وارد میشود
این روزها بسیاری از ورزشکاران هنگام تمرین یا مسابقه تجهیزاتی همراه خود دارند که عملکردی شبیه یک کامپیوتر کوچک دارند.
شاید باورش سخت باشد، اما واقعاً همینطور است.
وقتی بازیکن یک جلیقه مجهز به حسگر میپوشد، مچبند هوشمند به دست دارد یا از کفش مجهز به حسگر و GPS استفاده میکند، حجم زیادی از اطلاعات مربوط به بدن و عملکردش ثبت میشود؛ از سرعت، شتاب و الگوهای حرکتی گرفته تا ضربان قلب، تعریق و کیفیت خواب شب قبل.
اما نکته مهم اینجاست: جمعآوری داده بهتنهایی هیچ کمکی نمیکند.
اینجاست که هوش مصنوعی وارد بازی میشود. هوش مصنوعی این دادهها را بررسی میکند و با استفاده از مدلهای ریاضی و الگوریتمهای یادگیری ماشین به دنبال الگوهای معنادار میگردد. بهاینترتیب، میتواند تغییرات عملکرد ورزشکار را شناسایی کند و درباره اتفاقاتی که ممکن است در آینده رخ دهند، برآوردهایی ارائه دهد.
یک مثال ساده از تحلیل عملکرد ورزشکار
فرض کنید سرعت یک بازیکن در شرایط عادی بهطور میانگین ۲۰ کیلومتر بر ساعت است. در یک مسابقه، هوش مصنوعی متوجه میشود که سرعت او در نیمه دوم به ۱۸ کیلومتر بر ساعت کاهش پیدا کرده است.
همزمان، دادههای حرکتی نشان میدهند زاویه زانوی بازیکن هنگام فرود بعد از پرش نیز تغییر کرده است.
سامانه با کنار هم قراردادن این اطلاعات میتواند احتمال دهد که بازیکن در حال خستهشدن است و الگوی حرکتی او نیز به سمتی میرود که ممکن است خطر آسیب را افزایش دهد.
در چنین شرایطی، مربی میتواند بازیکن را تعویض کند یا فشار واردشده بر او را کاهش دهد؛ پیش از آنکه خستگی شدید به کشیدگی عضلانی یا آسیب بافتی منجر شود.
البته هوش مصنوعی نمیتواند با قطعیت بگوید که یک بازیکن حتماً مصدوم خواهد شد. این فناوری فقط با تحلیل دادهها، احتمال خطر را برآورد میکند و اطلاعات بیشتری برای تصمیمگیری در اختیار مربی و تیم پزشکی قرار میدهد.
دادههای ورزشی از کجا میآیند؟
حالا ممکن است این سؤال مطرح شود که این دادهها از کجا جمعآوری میشوند. در ادامه با چند نمونه از ابزارهایی آشنا میشویم که برای پایش عملکرد ورزشکاران استفاده میشوند.
Catapult Sports
Catapult یکی از سیستمهای شناختهشده در زمینه پایش عملکرد ورزشکاران است.
در این سیستم، ورزشکار معمولاً جلیقهای مجهز به تجهیزات ردیابی و حسگرهای حرکتی میپوشد. این تجهیزات میتوانند اطلاعاتی مانند مسافت طیشده، سرعت، شتاب، تغییر جهت، شدت فعالیت و بار تمرینی بازیکن را ثبت کنند.
اطلاعات جمعآوریشده وارد یک پلتفرم تحلیلی میشوند تا مربیان و آنالیزورها بتوانند وضعیت بازیکن را در تمرین و مسابقه بررسی کنند.
STATSports
STATSports نیز یکی دیگر از سیستمهای پایش عملکرد ورزشکاران است که برای جمعآوری و تحلیل دادههایی مانند سرعت، مسافت، شتاب، تعداد فعالیتهای شدید و بار تمرینی استفاده میشود.
گزارشهای این سیستم به مربیان کمک میکنند فشار تمرین را بهتر مدیریت کنند و عملکرد بازیکنان را در جلسات مختلف تمرینی یا مسابقات با یکدیگر مقایسه کنند.
WHOOP
WHOOP در دسته تجهیزات پوشیدنی قرار میگیرد و بیشتر برای بررسی شاخصهایی مانند خواب، فشار فیزیولوژیکی، ریکاوری و میزان آمادگی روزانه بدن استفاده میشود.
این ابزار ظاهری شبیه مچبندهای هوشمند دارد و در میان ورزشکاران رشتههای انفرادی، دوندگان، بدنسازان و برخی ورزشکاران حرفهای مورد استفاده قرار میگیرد.
تجهیزات پوشیدنی تنوع بسیار زیادی دارند و از نظر قیمت، دقت، نوع حسگر و کاربرد با یکدیگر متفاوتاند. به همین دلیل، نمیتوان اطلاعات تمام این ابزارها را از نظر دقت و اعتبار در یک سطح در نظر گرفت.
تحلیل دادهها؛ کلید اصلی موفقیت
همانطور که گفتیم، اعداد و دادههای خام بهتنهایی چندان کاربردی نیستند.
برای مثال، اینکه یک بازیکن در یک جلسه تمرینی ۱۱ کیلومتر دویده است، شاید در نگاه اول جالب باشد؛ اما مهمتر از آن باید بدانیم این مسافت را با چه شدتی، در چه مدتزمانی، با چه الگویی و تحت چه شرایطی طی کرده است.
همچنین باید اطلاعات همان جلسه را با سابقه تمرینی، وضعیت ریکاوری و ظرفیت بدنی خود بازیکن مقایسه کنیم.
اینجاست که هوش مصنوعی میتواند دادههای پراکنده را به اطلاعاتی قابلاستفاده تبدیل کند. برای مثال، سامانه ممکن است به کادر فنی هشدار دهد که فشار تمرینی یک ورزشکار نسبت به الگوی همیشگی او افزایش پیدا کرده و بهتر است برای جلسه بعدی، استراحت یا تمرین سبکتری در نظر گرفته شود.
البته یک جلسه تمرینی سنگین لزوماً به معنای ورود ورزشکار به وضعیت بیشتمرینی یا Overtraining نیست. بیشتمرینی یک وضعیت پیچیده و معمولاً طولانیمدت است و تشخیص آن باید با بررسی مجموعهای از عوامل انجام شود.
هوش مصنوعی و پیشبینی آسیبهای ورزشی
در سال ۱۴۰۳، بهعنوان نماینده فدراسیون کوهنوردی و صعودهای ورزشی در سمیناری حضور داشتم که محور اصلی آن پیشگیری از آسیب با کمک هوش مصنوعی بود.
یکی از جذابترین کاربردهای هوش مصنوعی در ورزش حرفهای، ارزیابی و پیشبینی خطر آسیب است.
بخشی از آسیبهای ورزشی بدون برخورد مستقیم با بازیکن یا عامل خارجی اتفاق میافتند. خستگی، اختلال در الگوی حرکت، فشار زیاد بر مفاصل، خواب ناکافی، ریکاوری نامناسب و افزایش ناگهانی بار تمرین میتوانند در بروز این آسیبها نقش داشته باشند.
هوش مصنوعی میتواند اطلاعات روزهای مختلف را کنار هم قرار دهد و تغییرات غیرعادی را شناسایی کند. برای مثال، ممکن است سامانه چنین هشداری ارائه دهد:
«بازیکن شماره پنج در معرض خطر بیشتری قرار دارد؛ زیرا الگوی حرکتی مچ پای راست او طی دو روز گذشته تغییر کرده و شدت تمرینش نیز از محدوده معمول بالاتر رفته است.»
این هشدار به معنای تشخیص قطعی آسیب نیست؛ بلکه نشانهای است که مربی، پزشک یا فیزیوتراپیست باید وضعیت ورزشکار را دقیقتر بررسی کند.
باشگاههای حرفهای چگونه از دادهها استفاده میکنند؟
امروزه بسیاری از باشگاهها و تیمهای حرفهای از تحلیل دادهها، تجهیزات پوشیدنی و سامانههای هوشمند برای مدیریت عملکرد بازیکنان استفاده میکنند.
تیمهایی مانند لیورپول، بایرن مونیخ و منچستر سیتی از فناوریهای تحلیل عملکرد در بخشهای مختلف تمرین و مسابقه بهره میبرند. بارسلونا نیز زیرساختهایی برای تحلیل دادههای مربوط به بازی، تمرین و ریکاوری بازیکنان دارد.
در این باشگاهها، هدف فقط جمعآوری آمار مسابقه نیست. دادهها برای مدیریت بار تمرین، مقایسه عملکرد بازیکنان، برنامهریزی ریکاوری، تحلیل تاکتیکی و بررسی عوامل مرتبط با خطر آسیب استفاده میشوند.
در ایران نیز برخی تیمها بهتدریج به استفاده از سیستمهای پایش عملکرد و تجهیزات پوشیدنی روی آوردهاند؛ هرچند دسترسی به این فناوریها و شیوه استفاده از آنها هنوز در همه تیمها یکسان نیست.
آیا هوش مصنوعی جای مربی را میگیرد؟
بهطور قطع خیر.
هوش مصنوعی نمیتواند بهطور کامل جای مربی را بگیرد؛ زیرا مربی فقط یک آنالیزور نیست. مربی باید بازیکنان را هدایت کند، انگیزه بدهد، شرایط روانی تیم را بشناسد، بحرانها را مدیریت کند و تصمیمهای فنی و تاکتیکی بگیرد.
هوش مصنوعی احساسات، روابط انسانی و شرایط پیچیده تیم را مانند یک مربی باتجربه درک نمیکند. همچنین کیفیت تحلیل آن به کیفیت دادهها، الگوریتمها و نحوه تفسیر نتایج وابسته است.
اما این فناوری میتواند دستیار علمی و دقیقی برای مربی باشد. ترکیب تجربه مربی، تحلیل انسانی، دانش تیم پزشکی و توانایی هوش مصنوعی در پردازش دادهها، میتواند نتایج بسیار ارزشمندی ایجاد کند.
جمعبندی
هوش مصنوعی در حال تبدیلشدن به چشم پنهان زمین بازی است؛ چشمی که میتواند نشانههای خستگی، افت عملکرد و تغییرات مرتبط با خطر آسیب را زودتر شناسایی کند و به مربیان برای گرفتن تصمیمهای دقیقتر کمک کند.
بااینحال، تصمیم نهایی همچنان بر عهده انسان است.
هوش مصنوعی قرار نیست جای مربی، پزشک، فیزیوتراپیست یا آنالیزور را بگیرد. این فناوری ابزاری قدرتمند است که در کنار تخصص و تجربه انسانی میتواند به ساخت تیمی آمادهتر، سالمتر و حرفهایتر کمک کند.
