كيف سيغيّر الذكاء الاصطناعي كرة القدم: وقت المدربين لا قراراتهم

كيف سيغيّر الذكاء الاصطناعي كرة القدم؟ الجواب المختصر أنه يغيّر ما ينفق المدربون وأجهزتهم أوقاتهم فيه، ويترك دون مساس تلك الأجزاء من المهنة التي لا يمكن تفويضها. يستطيع النموذج أن يقرأ في أسبوع مواد تفوق ما يقرأه أي فريق من المحللين، لكنه لا يستطيع الجلوس أمام مجلس الإدارة بعد سلسلة نتائج سيئة، ولا إبلاغ قائد الفريق بأنه استُبعد، ولا يمكن لأحد محاسبته. يبقى القرار بيد صاحب الاسم المكتوب عليه.

أول ما يتحرك هو الإعداد. فأقسام التحليل قبل المباريات تنفق اليوم حصة كبيرة من الأسبوع في الجمع والتنقية والتلخيص: النتائج الأخيرة، وقوائم الإصابات، وكيف يسجّل الخصم ويستقبل الأهداف. وفي هذا العمل التجميعي تحديداً تكسب الأتمتة موقعها، لأنها تحرر الطاقم ليطرح أسئلة أفضل بدل أن ينشغل بتجميع الإجابات. وينطبق ذلك على تحليل الخصوم الذي يعدّه الجهاز الفني كل أسبوع: يستطيع الحاسوب صياغة المسودة الأولى للتقرير، أما تحديد أي من الأنماط العشرة فيه هو الأهم في هذه المباراة بعينها، أمام خط دفاع بعينه، فيظل حكماً تدريبياً.

وما تجيده نماذج الاحتمالات محدد ومفيد. فهي تعبّر عن عدم اليقين برقم، وتطبّق الإجراء نفسه على كل مباراة دون مزاج أو انحياز للأحداث الأخيرة، ويمكن تقييمها بعد ذلك. النموذج الذي يمنح فريقاً نسبة 70% يطلق ادعاءً يمكن اختباره على مدى مباريات كثيرة. ومن المتوقع كذلك أن يخطئ نحو ثلاث مرات من كل عشر، وهو ما ينساه صنّاع القرار. فالتوقع الخاطئ الواحد لا يخبرك بشيء يُذكر، والصائب الواحد كذلك.

أما ما تؤديه بصورة سيئة فمحدد بالدقة نفسها. التعادل هو النتيجة الأصعب في التوقع، لأنه يقع بين إشارتين أقوى منه. والمباريات الودية والمباريات شحيحة البيانات أقرب إلى رمي العملة، وأي منتج يدّعي غير ذلك يخفي عدم اليقين. كما أن النماذج لا ترى ما ليس في البيانات: مجموعة لاعبين متصدعة، ومدرب تحت الضغط، وتعديل تكتيكي تقرر يوم الخميس. لذلك ينبغي التعامل مع المخرجات كمدخل واحد في القرار، لا كالقرار نفسه.

فكيف تحكم على توقع ما، أو على منتج بيانات تفكر في بنائه أو شرائه؟ اطرح أربعة أسئلة. هل ينشر احتمالاً لا اختياراً مجرداً فقط؟ وهل يحتفظ بآخر توقع قبل صافرة البداية ويقيّمه وفق نتيجة محددة بوضوح بدل تعديل التاريخ؟ وهل تجري مقارنته بخط أساس بسيط، كالرهان الدائم على أصحاب الأرض أو استخدام نسب الفوز والتعادل والخسارة في العينة نفسها؟ وهل العينة كبيرة بما يكفي لتعني شيئاً؟ فالدقة وحدها تجامل، أما مقياس يكافئ الاحتمالات المعايَرة جيداً، مثل مقياس بريير، فيصعب التلاعب به.

يقدم كيك وايز مثالاً عملياً على هذا الانضباط. فسجله العلني يحتفظ بآخر توقع قبل انطلاق المباراة، ويقيّمه على نتيجة الـ90 دقيقة مضافاً إليها الوقت الإضافي إن وُجد. وخلال آخر 90 يوماً، أصابت التوقعات التي صدرت بثقة 65% أو أكثر في 66 مرة من أصل 82 (80%)، في مباريات فاز فيها أصحاب الأرض بنسبة 56%، أي أن الرهان الدائم على الفريق المضيف كان سيصيب بنسبة 56%. وعلى مستوى جميع التوقعات المقيَّمة بمختلف درجات الثقة خلال آخر 30 يوماً، أصاب كيك وايز في 114 مرة من أصل 186 (61%)، بمقياس بريير 0.544 مقابل 0.648 لخط الأساس (الأقل هو الأفضل).

ويحمل السجل نفسه التحذيرات. فالتعادل لا يزال الأصعب، وشح البيانات يعني ما يشبه رمي العملة، وتوقع بنسبة 70% يخطئ مع ذلك قرابة ثلاث مرات من كل عشر، ولهذا ينبغي قراءة السجل على مدى مباريات كثيرة لا على مدى عطلة أسبوع واحدة. أما آخر 7 أيام، بإصابة 58 من أصل 98 (59%)، فتذكير بأن النوافذ القصيرة تتذبذب. استخدم أرقام 30 و90 يوماً للحكم على المنهج، وعامل أي أسبوع منفرد على أنه ضجيج.

وللمعنيين باتخاذ القرار، الخلاصات العملية واضحة. استخدموا النماذج لتقليص وقت الإعداد ولبناء توقعات صادقة مع مجلس الإدارة: فخسارة فريق مرشح بنسبة 60% ليست فشلاً للتوقع. واستخدموها في تخطيط التدوير كفحص واقعي لمدى أهمية مباراة ما فعلاً، لا كتعليمات. وفي المنتجات الإعلامية وتلك الموجهة للجماهير، اعرضوا الاحتمال والسجل معاً، ليرى الجمهور الادعاء وتاريخ الأداء الذي يقف وراءه.

وسيكون أكثر المدربين استفادة من الذكاء الاصطناعي في الرياضة هم الذين يسلّمون مهمة التجميع للآلات ويحتفظون بالحكم لأنفسهم. يستطيع النموذج أن يخبرك بما يحدث عادة. أما ما يجب فعله مع هذه المجموعة من اللاعبين في هذا الأسبوع، والمساءلة عنه لاحقاً، فلا يقدر عليه إلا إنسان.