25 марта 2020, 15:36 7 мин.

Еще больше искуственного интеллекта, авто теггинг и алгоритмы Формулы 1. Итоги Opta Pro Forum 2020

Автор

Не так давно прошла очередная ежегодная конференция Opta Pro Analytics Forum 2020, на которой аналитики и просто психи с разных стран мира имели шанс снова продемонстрировать очередные технические наработки, которые уже завтра могут облегчить жизнь профессионального футбольного аналитика. В этом посте мы публикуем перевод оригинального отчета о проделанной работе, ссылка на который будет как обычно под текстом. Из текста вырезано несколько кусков, в котором автора рассказывали про то, какая у них крутая конференция. Остальное написано от лица OptaPro. Погнали!

Конференцию 2020 года открыли два Форума, которые включали в себя две презентации с использованием трекинг данных, любезно предоставленных Бельгийской Про Лигой; две презентации, основанные на вопросах исследователей из Суонси и Нордшелланда; прикладная презентация о влиянии нового правила розыгрыша свободного удара, созданная аналитиками Опта Про при поддержке аналитиков Федерации Футбола Англии.

....

Общение, общение, общение

Этот ивент всегда был направлен на то, чтобы продемонстрировать передовые достижения футбольной аналитики, и в этом году мы продолжили демонстрировать методы, которые позволяют нам бросить вызов традиционному мышлению, одновременно сосредотачиваясь на том, как мы можем создавать концепции данных с четким тактическим применением.

В первые годы Форума одной из ключевых лакмусовых бумажек для спикеров была уверенность в том, что их проект мог быть легко применен в рабочем процессе аналитика. В то время, как это оставалось важным моментом, высокий темп эволюции в кругах аналитиков привел к тому, что ситуация вышла на следующий уровень – это уже не касается простого применения концепта, теперь это еще и об обеспечении донесения результатов наработок до тренеров и игроков в понятной форме.

Возможностью говорить на языке тренера уже вооружались на ряде предыдущих гостевых бесед на Форуме, в частности, Люк Борнн в 2018 году. Введение в этом году двух категорий заявок под руководством клубов оказало заметное влияние на то, как к этой задаче подходили соответствующие докладчики, которые успешно воспользовались доступом к аналитической группе каждого клуба в целях адаптации своих презентаций.

В случае Вигнеша Джаянта, чья презентация была сфокусирована на нахождении для Нордшелланда стратегий по взлому низкого блока оппонентов, вы могли бы заметить, что он тесно сотрудничал со своим ментором, Джо Малберри, чтобы понять проблемы клуба в контексте их игровой модели. В дальнейшем, с целью создания вовлеченности и демонстрации того, как данные могут помочь решить ключевые тактические трудности на тренировочном поле, он принял решение маркировать свои стратегии в соответствии с существующим плейбуком тренерского штаба.

Продолжая тему коммуникации, Стивен Хьюстон из Williams Advanced Engineering использовал свое выступление, чтобы обсудить идею репетиции аналитиками своих презентаций перед предоставлением своих наблюдений тренерам. Эта практика уже применяется аналитиками в Формуле 1 и задает вопрос аналитиками, работающим в футболе: обеспечивают ли их существующие формы коммуникации наиболее эффективный способ передачи самой важной информации?

Совершенствуем рабочий процесс аналитиков

Одной из первостепенных целей Форума было создание моста между аналитическим комьюнити и профессиональными аналитиками. Помимо презентаций, основанных на тактике, Форум также показал технические инновации, подчеркивая то, как можно улучшить существующие рабочие процессы, одновременно повысив их эффективность.

Оба этих элемента проявились в проекте, представленным Каруном Синхом (который уже несколько раз появлялся у нас в блоге: 1 , 2), который применил Deep Learning алгоритмы к трекинг данным, чтобы выявить повторяющиеся сценарии среди футбольных матчей всего сезона. Это потенциально дает матч-аналитикам возможность ускорить ежедневный рабочий процесс путем устранения необходимости маркировки видео и поисков похожих игровых эпизодов.

Используя самообучаемые лейблы, он описал, как его система может освободить несколько часов рабочего дня аналитика, потенциально устраняя необходимость просмотра огромного количества видео для выявления ключевых командных тенденций.

Подход Каруна к нахождению более эффективных методов отображает другую более широкую тенденцию того, как практикующие, работающие вне профессионального спорта аналитики, теперь лучше понимают, как выглядит процесс анализа.

...

Переосмыслить подход к техническому скаутингу

В дополнение к Performance анализу, Форум также предоставил возможность скаутам-аналитикам убежать от безумного повседневного процесса мониторинга и оценки игроков с главных рынков поиска и обдумать их процессы оценки игроков на предмет соответствия краткосрочным, среднесрочным и долгосрочным целям.

Интересная идея была представлена Полом Пауером из Stats Perform и Уиллом Гюрпинар-Морганом, которые выдвинули концепт “Исследования Роли”, который перемещает нас от идеи оценки игроков по позиции к профайлингу на основе их роли в команде.

После демонстрации ограничений профайлинга только по позиции, этот дуэт продемонстрировал то, что при помощи применения автономных процессов обучения команды могут потенциально начать анализировать игроков в широком диапазоне игровых стилей. Это означает, что скауты-аналитики могли бы сгруппировать игроков по ключевым тенденциям и характеристикам, необходимым для выполнения каждой роли внутри их собственных игровых моделей.

Роль технического скаута первый раз появилась 15 лет назад и все еще остается относительно новой, но ее значение в клубах стремительно увеличивается одновременно с развитием технологий, алгоритмов анализа видео и данных. Однако, в то время, как инструменты в руках скаутов значительно изменились, насколько реально изменились критерии оценки игроков? Размышляя над вопросом о том, является ли скаутинг по роли более эффективным, чем по позиции, мы можем начать задавать объективные вопросы о существующих подходах. Используем ли мы оптимальные методы анализа для принятия обоснованных решений о подборе игроков?

Одним глазом на будущее

Нам действительно очень повезло, что Стивен Хьюстон смог выступить со своим докладом в этом году. Основываясь на своем прошлом опыте в футболе он смог предоставить взгляд на то, чему бы мог научиться спорт у аналитических первопроходцев Формулы 1.

Еще одной важной находкой стало напоминание нам о том, что нужно “выжимать лимон” – максимизировать пользу данных с текущим уровнем инструментов. Хорошим примером этого стала презентация Девида Куорти о том, как стратегии вбрасывания аутов могут предоставить дополнительные шансы забить гол. Это напомнило нам о том, что ауты являются относительно недоиспользованным типом стандартов в футболе.

В конце Стивен также смог дать нам краткое представление о том, как основанный на данных и технологиях ИИ анализ способствует принятию решений в Ф1.

Достаточно ясно, что Искусственный Интеллект и Машинное Обучение будут доминировать ближайшие десять лет, так как мы ищем все новые и новые способы использовать силу этих стремительно развивающихся технологий, чтобы создать новые базы данных, обрабатывать их быстрее, идентифицировать паттерны и тенденции, которые в дальнейшем будут влиять на наши решения в любых отраслях спорта. В Формуле 1, будь это анализ положения тела с целью получения максимальных результатов на пит стопах, или симуляция производительности разных гонщиков в одном болиде, есть очевидные параллели с тем, как эти же технологии могут быть применены в футбольном анализе.

Подобным образом, скаутские департаменты в футболе часто говорят о моделировании будущих результатов игроков, симулируя их поведение в различных сценариях матчей. Имея продвинутые технологии, внедрение этого плана в жизнь является лишь вопросом времени