Edzést nem fog tartani, csak hatékonyságot növel a mesterséges intelligencia

Milyen területeken és miképpen alkalmazható a mesterséges intelligencia a sportban, továbbá hogyan jelenik meg az utánpótláskorúak képzésében? Ezekre a kérdésekre kaptunk választ dr. Sáfár Sándortól, a Testnevelési és Sporttudományi Egyetem docensétől.

Ahogyan az élet minden területe, a sportvilág is évek óta használja és teszteli a mesterséges intelligenciát. A fejlődés folyamatos, újabb és újabb problémákat lehet megoldani az okosmódszerekkel.

Arra voltunk kíváncsiak, hogy vajon hányadán áll a mesterséges intelligenciával a hazai sporttudomány, miként alkalmazzák az utánpótlás-nevelésben, és milyen lehetőségek rejlenek a technológiában. Ahhoz, hogy képbe kerüljünk, dr. Sáfár Sándort, a Testnevelési és Sporttudományi Egyetem docensét kerestük meg.

„Azt le kell szögeznem, hogy direkten

A profi versenysportban azonban egyre több területen jelenik meg, és ez természetesen a fiatalkorú játékosokat is érinti. Magyarországon vannak olyan projektek, amelyek lényege, hogy a laborkörülmények között rögzített hatalmas adattömeget a mesterséges intelligencia segítségével dolgozzák fel. Például arra tanítják a kutatók az AI-t, hogy nyugalomban és terhelésben milyen változások alakulnak ki a sportolóknál, és aranyszabályokat vagy aranyközéputakat próbálnak ilyen módon kijelölni. Az ehhez hasonló kutatásokban az utánpótláskorú sportolók esetében arra külön figyelmet fordítanak, hogy melyek azok a változók, értékek, amelyeket erősíteni fejleszteni kell.”

Vannak államok, amelyek előttünk járnak ezen a területen.

„Egyes országokban korábban nagyon sok sportolót felmértek éveken keresztül, így megvan, hogy mondjuk az atlétikában, ami zárt készségű sportág, milyen fizikai adottságok kellenek az adott életkorban a közép- és hosszútávfutónak vagy a dobótatlétáknak. A mesterséges intelligencia az adatok alapján tudja terelni a sportolót, melyik szakágra érdemes fókuszálnia. Magyarországon erre még nincs példa, folyamatosan épülnek és bővülnek az adatbázisok, de

A fókusz viszont mindenütt a felnőtteken van.

„Személy szerint kevés olyan mesterségesintelligencia-projektről tudok világszerte, amely kizárólag az utánpótlássportban futna, inkább piramisszerűen kell ezt elképzelni: legfelül, a professzionális versenysportban indulnak a kutatások, kísérletezések, amelyek lehet, hogy idővel legyűrűznek a korosztályos játékosokig is. Ha globálisan nézzük a kérdést, akkor az egyes profi ligákban használják a legtöbbet a mesterséges intelligenciát. Ha például egy NBA-s kosárlabda-mérkőzésre gondolunk, el lehet képzelni, mennyi adat keletkezik a találkozón, amely rendszerezéséhez, feldolgozásához nagyon jól lehet alkalmazni az AI-t.”

Amikor mesterséges intelligenciáról beszélünk, idővel mindig előkerülnek a negatívumok – Sáfár jelen pillanatban csak közvetett, a felsőoktatási tanulmányokhoz kapcsolódó kockázatokat lát.

„Veszély addig nincs, amíg ilyen kevés területen használjuk a technológiát. Inkább az egyetemeken látom azt, hogy probléma lehet belőle, ugyanis állítólag már beadandók vagy szakdolgozatok is készülnek AI-jal. Pedig a lényeg az lenne, hogy az egyén adjon számot a tudásáról, látni szeretnének, hogyan szerkeszti össze a megtanultakat, hogyan építi fel a dolgozatot.”

Bizonyára izgalmas lesz, hogyan fogadják majd az edzők és a versenyzők az új technológiát idehaza, mennyire lesznek nyitottak a modern módszerekre.

„Fel lehet rá készíteni a magyar sporttársadalmat, például az orvostudomány már használja, szóval többen már találkozhattak vele. Az edzések, meccsek monitorozásában, a tréningek tervezésében sokat tud majd segíteni idővel. A mai teljesítménydiagnosztikai rendszerekben nagyjából ezer változót mérnek, amiből körülbelül harmincat-hatvanat használnak ténylegesen. Értékes idő megy el azzal, hogy az adatrengetegből a stáb kiszedi a lényeget, míg optimális esetében a szakemberek feladata az elemzés, a következtetések levonása lenne. A mesterséges intelligencia feldolgozhatná az adatokat, végignézhetné, elérte-e a célját az adott edzés, hogyan alakult a csapat teljesítménye, van-e szignifikáns különbség egyes posztok között, a másnapi edzésen kell-e valamit kompenzálni. A meccseken pedig az AI jóval gyorsabban reagálná le bizonyos helyzeteket:

Amennyiben jól használják a mesterséges intelligenciát, akkor az az edzői stábról terhet vehet le, és mindenki nagyobb hozzáadott értékű munkát tud végezni.

„Gyorsaságot és hatékonyságot fog növelni idővel a mesterséges intelligencia, de

Inkább arra lehet számítani, hogy ha az edző megadja a követelményeket az edzéstervben, akkor sokkal jobban ellenőrizhetővé válik, ténylegesen elérte-e a foglalkozás a célját.”

Nagyon fontos, hogy az AI-t tanítani kell ahhoz, hogy egyre hasznosabb legyen. Persze minden rendszer más, de alapszabályként elmondható, hogy minél több adatot kap, annál jobban segíti a munkánkat. És nem csak a technológiát, hanem a sportban dolgozó szakembereket is kell oktatni:

„Vannak fórumok a mesterséges intelligenciáról, nálunk, a Testnevelési Egyetemen is volt erről szóló konferencia és a Magyar Edzők Társasága is tart továbbképzéseket a témában. De összességében, egyelőre a legjobban a kutatók látják át a területet. Még sokat kell fejlődnünk az AI használatában, de addig eljutottunk, hogy bevezettük ezt a tudást a hazai sportba, most pedig lehet építeni erre az alapra.”

(Kiemelt képünk forrása: Sándor Károly Labdarúgó Akadémia)