AI ในการสอดแนมผู้เล่นและการสรรหาผู้เล่น
AI ในการสอดแนมผู้เล่นใช้การวิเคราะห์ข้อมูลและวิดีโอเพื่อระบุความสามารถ ทำนายเส้นทางอาชีพ และค้นหานักกีฬาที่ถูกประเมินค่าต่ำเกินไป
ภาพรวม
It is reshaping how clubs in football, basketball, and other sports decide who to sign and how much to pay.
เจาะลึก
การสอดแนมแบบดั้งเดิมอาศัยสายตาและความรู้สึกของลูกเสือโดยดูการแข่งขันจำนวนหนึ่ง AI เปลี่ยนขนาด: ขณะนี้ระบบนำเข้าข้อมูลเหตุการณ์ (ทุกการส่งบอล เข้าสกัด และยิง) การติดตาม GPS และการติดตามการมองเห็นด้วยคอมพิวเตอร์ของผู้เล่นทั้ง 22 คนในสนาม บริษัทต่างๆ เช่น SkillCorner และ Stats Perform แยกพิกัดของผู้เล่นออกจากวิดีโอที่ออกอากาศ ในขณะที่แพลตฟอร์มจำลองผู้มีโอกาสเป็นลูกค้าหลายพันรายในคราวเดียว แนวทาง 'Moneyball' อันโด่งดังของ Oakland A's ในกีฬาเบสบอลเป็นเวอร์ชันทางสถิติในยุคแรก AI สมัยใหม่ขยายขอบเขตด้วยการเรียนรู้ของเครื่องที่คาดการณ์มูลค่าในอนาคต ความเสี่ยงในการบาดเจ็บ และสไตล์ที่เหมาะสม สโมสรต่างๆ เช่น สโมสรลิเวอร์พูลได้สร้างแผนกวิทยาศาสตร์ข้อมูลที่นำโดยนักฟิสิกส์ เป้าหมายคือการค้นหาอัญมณีที่ซ่อนอยู่ในขาส่วนล่างก่อนที่คู่แข่งและสโมสรที่ร่ำรวยกว่าจะทำได้
ข้อมูลเชิงลึกทางเทคนิค
วิธีการหลัก ได้แก่ โมเดลที่เสริมการไล่ระดับสีและโครงข่ายประสาทเทียมที่ได้รับการฝึกอบรมเกี่ยวกับประสิทธิภาพในอดีตเพื่อคาดการณ์ตัวชี้วัด เช่น การมีส่วนร่วมของเป้าหมายที่คาดหวัง (xG) หรือมูลค่าตลาดในอนาคต คอมพิวเตอร์วิทัศน์ (การประมาณท่าทาง การติดตามหลายวัตถุ) แปลงวิดีโอดิบเป็นข้อมูลตำแหน่งที่มีโครงสร้างที่ 25 เฟรมต่อวินาที อัลกอริธึมความคล้ายคลึงกันจะฝังผู้เล่นไว้เป็นเวกเตอร์ เพื่อให้สโมสรสามารถค้นหา 'ผู้เล่น X เวอร์ชันที่ถูกกว่า' ได้โดยการค้นหาเพื่อนบ้านที่ใกล้ที่สุดในพื้นที่ฟีเจอร์โวหาร
ผลกระทบเชิงกลยุทธ์
สร้างทางเลือก
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
ทีมงานและขั้นตอนการทำงาน
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
ความเสี่ยงและความปลอดภัย
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ
อนาคตของ AI ในการสอดแนมผู้เล่นและการสรรหาผู้เล่น
คาดว่าจะมีโมเดลหลายรูปแบบที่สมบูรณ์ยิ่งขึ้น ซึ่งรวมข้อมูลการติดตาม ชีวกลศาสตร์ และแม้แต่สัญญาณทางจิตวิทยาและโซเชียลมีเดียเพื่อประเมินสภาพจิตใจและความทนทาน ข้อมูลเซ็นเซอร์ที่สวมใส่ได้จะป้อนให้กับหน่วยสอดแนมแบบเรียลไทม์ในสถานศึกษา โดยจะแจ้งเตือนผู้มีความสามารถรุ่นเยาว์ก่อนหน้านี้ การจำลองเชิงกำเนิดอาจช่วยให้สโมสรทดสอบว่าการคัดเลือกจะปฏิบัติงานอย่างไรภายในระบบยุทธวิธีเฉพาะของตนก่อนที่จะลงนาม ในขณะที่หน่วยงานกำกับดูแลและสหภาพผู้เล่นกลับผลักดันความเป็นส่วนตัวและจริยธรรมของการรวบรวมโปรไฟล์วัยรุ่น
การใช้งานจริงในโลกแห่งความเป็นจริง
แผนกข้อมูลของสโมสรฟุตบอลลิเวอร์พูลใช้แบบจำลองตำแหน่งเพื่อแนะนำการเซ็นสัญญาเช่นโมฮาเหม็ด ซาลาห์ และการโอนย้ายที่ขับเคลื่อนด้วยมูลค่า
SkillCorner และ Stats ทำการดึงข้อมูลการติดตามผู้เล่นจากภาพการออกอากาศไปยังผู้เล่นสอดแนมในลีกที่ไม่มีเซ็นเซอร์ครอบคลุม
ทีม NBA ใช้ข้อมูลการติดตามผู้เล่น (เดิมคือ SportVU) เพื่อประเมินผลกระทบการป้องกันที่คะแนนกล่องพลาด
ไม้เบสบอลที่ใช้ข้อมูลความเร็วทางออกและอัตราการหมุนของ Statcast เพื่อร่างและให้คุณค่าแก่ผู้ขว้างและผู้หวดที่นอกเหนือไปจากสถิติแบบดั้งเดิม
ความเสี่ยงและรั้ว
การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง
แผนงานการดำเนินงาน
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน
สำรวจต่อไป
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Player Scouting and Recruitment quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
คำแนะนำต่อไป
AI ในการสร้างเนื้อหาตามขั้นตอนสำหรับเกม
คำถามที่พบบ่อย
What is AI in Player Scouting and Recruitment?
AI ในการสอดแนมผู้เล่นใช้การวิเคราะห์ข้อมูลและวิดีโอเพื่อระบุความสามารถ ทำนายเส้นทางอาชีพ และค้นหานักกีฬาที่ถูกประเมินค่าต่ำเกินไป กำลังปรับเปลี่ยนวิธีที่สโมสรต่างๆ ในวงการฟุตบอล บาสเก็ตบอล และกีฬาอื่นๆ ตัดสินใจว่าจะเซ็นสัญญากับใครและต้องจ่ายเท่าไร
ตัวอย่างในโลกแห่งความเป็นจริงในยุคแรกๆ ใดที่มักได้รับการยกย่องว่าเป็นบรรพบุรุษของการสอดแนมที่ขับเคลื่อนด้วย AI
Oakland A ใช้การวิเคราะห์ทางสถิติ (เซเบอร์เมตริก) เพื่อค้นหาผู้เล่นที่ถูกประเมินค่าต่ำเกินไป ซึ่งเป็นปรัชญาที่ให้ความสำคัญกับข้อมูลเป็นอันดับแรกซึ่งการขยายขอบเขตการสอดแนมของ AI สมัยใหม่
คอมพิวเตอร์วิทัศน์ช่วยให้หน่วยสอดแนมทำอะไรกับฟุตเทจการแข่งขันที่ออกอากาศได้
การประมาณค่าแบบโพสท่าและการติดตามหลายวัตถุจะเปลี่ยนวิดีโอดิบให้เป็นพิกัด ช่วยให้สโมสรวิเคราะห์ผู้เล่นได้แม้ในลีกที่ไม่มีระบบเซ็นเซอร์
เหตุใดสโมสรจึงใช้ 'ความคล้ายคลึงของผู้เล่น' หรืออัลกอริธึมเพื่อนบ้านที่ใกล้ที่สุด?
โดยการฝังผู้เล่นเป็นเวกเตอร์คุณลักษณะ สโมสรสามารถค้นหาทางเลือกที่ถูกกว่าซึ่งมีโปรไฟล์ทางสถิติคล้ายกับดาวที่พวกเขาไม่สามารถจ่ายได้
ตัวชี้วัดใดเป็นตัวอย่างของการวัด AI/การวิเคราะห์ขั้นสูงในฟุตบอล (ฟุตบอล)
เป้าหมายที่คาดหวัง (xG) จำลองความน่าจะเป็นที่การยิงประตูจะกลายเป็นเป้าหมาย ซึ่งเป็นตัวชี้วัดขั้นสูงหลักที่ใช้ในการวิเคราะห์การสรรหาบุคลากรสมัยใหม่
ข้อกังวลหลักด้านจริยธรรมที่สำคัญที่เกิดขึ้นจากการสอดแนมของ AI คืออะไร
การรวบรวมข้อมูลไบโอเมตริก ประสิทธิภาพ และแม้แต่ข้อมูลทางสังคมของผู้เยาว์ทำให้เกิดคำถามด้านความเป็นส่วนตัวและจริยธรรมที่สหภาพแรงงานและหน่วยงานกำกับดูแลกำลังพิจารณาอย่างละเอียด