Fotbal s umělou inteligencí
Počítačové zpracování dat už tvář fotbalu změnilo a do budoucna ji výsledku fotbalových zápasů změní ještě výrazněji. Bude to pak ještě sport?
Moderní technologie dovolují fotbalovým týmům nasbírat o vlastních hráčích i soupeřích obrovské množství údajů a o vítězství či prohře nejednou rozhodují analýzy těchto dat špičkovými specialisty. Kromě masérů, fyzioterapeutů, sportovních psychologů a lékařů přední fotbalové týmy zaměstnávají i matematiky, fyziky či informatiky, které přetahují prestižním pracovištím. A jsou to právě tihle kouzelníci s daty, kdo mění tvář současného fotbalu. Díky jejich analýzám dnes útočníci méně často střílejí na branku z velkých vzdáleností a křídla se nesnaží centrovat míče před branku, ale víc přihrávají spoluhráčům na kratší vzdálenost. Trenéři jsou přímo posedlí pressingem a získáváním míče už na polovině soupeře. Tvrdá data totiž jasně ukazují, že právě tudy vede cesta k vítězství. Třeba střely z dálky mají podle analytiků jen dvouprocentní šanci, že skončí za zády brankáře.
Analýza dat není ve sportu nic nového. K průkopníkům patřili už v druhé polovině 90. let baseballoví manažeři Sandy Alderson a Billy Beane, kteří s hubeným rozpočtem stavěli úspěchy týmu Oakland Athletics na hráčích považovaných za outsidery. Za vodítko pro výběr jim posloužily hrubě podceňované parametry osobních statistik hráčů. V roce 2006 tak byli Athletics z 30 týmů profesionální baseballové ligy až čtyřiadvacátí v objemu platů hráčů, ale pátí co do výsledků. Beaneův příběh inspiroval v roce 2003 spisovatele Michaela Lewise k románu Moneyball a v roce 2011 byl podle něj natočen stejnojmenný film s Bradem Pittem v hlavní roli.
Využití podobného přístupu ve fotbale však vázlo, protože je ve srovnání s baseballem neskonale složitější. Zatímco v baseballu může skórovat vždy jen jeden tým a každá akce má jasný začátek a konec, ve fotbale usilují o vstřelení branky současně oba týmy, hráči pronikají na území soupeře, získávají ho a opět ztrácejí. Při fotbale také padá málo branek, a obtížně se proto stanovuje, kteří hráči ke skórování přispěli. Pak není lehké určit, kdo má lví podíl na vítězstvích a na čí konto padají prohry.
Fotbalové statistiky bývaly hodně kusé. Soustředily se hlavně na vstřelené a obdržené branky. I z těchto dat se odborníci snažili předpovědět výsledky budoucích fotbalových zápasů – a nevedli si špatně. Oxfordští epidemiologové například vyvinuli statistickou metodu, se kterou v roce 2021 správně určili šest z osmi čtvrtfinalistů fotbalového mistrovství Evropy. Nespletli se ani v tom, že ve finále Itálie porazí domácí Anglii.
Záplava dat
Pro odborníky nebyl úspěch statistického modelu velkým překvapením. „Statistická prognóza výsledků fotbalových zápasů je přesnější, než si většina lidí dovede představit,“říká autor programu Matthew Penn v rozhovoru pro vědecký týdeník Nature. „Pro každý tým určíte jeho útočnou a obrannou sílu. To zjistíte z počtu branek, které tento tým vstřelil, a ze síly soupeře. Dostanete velkou soustavu rovnic a jejím vyřešením zjistíte oba typy síly soupeřících týmů. Pak je velmi snadné výsledek zápasu předpovědět.“
Tak lehké to ale přece jen není. Před mistrovstvím světa v Kataru vyšel z tohoto modelu jako nejžhavější kandidát na vítězství tým Belgie, který ale po nepřesvědčivých výkonech vypadl už v základní skupině. Za další favority určil Pennův program týmy Brazílie, Francie, Argentiny a Nizozemska. Složení semifinalistů mu tedy vyšlo z poloviny.
Nástup analýzy dat do fotbalu si užívají i televizní diváci. Na současném světovém šampionátu přišel v zápase Portugalska s Uruguayí Cristiano Ronaldo o zápis na listinu střelců, když senzor v míči jasně ukázal, že slavný Portugalec nepomohl míči do uruguayské branky sebemenším dotykem. V zápase Japonska se Španělskem zase podlehli i věhlasní fotbaloví experti v komentátorských kabinách ze záběrů televizních kamer dojmu, že japonský útočník Kaoru Mitoma přihrával na rozhodující branku až poté, co se míč ocitl mimo hřiště. Technologie hlídající brankovou čáru ale jasně prokázala, že míč ještě neopustil celým objemem hrací plochu a vstřelená branka byla regulérní.
Mnohem větší porci dat než diváci mají k dispozici přímí aktéři šampionátu. Každý hráč dostává bezprostředně po zápase na svůj mobil údaje nejen o tom, jakou vzdálenost za celý zápas na hřišti naběhal, ale také jakou rychlostí a v jakých částech hřiště se pohyboval, kdy a kde si naběhl do volného prostoru na přihrávku nebo jak napadal protihráče s míčem. Dat je dost a dost, všichni hráči jsou pod permanentní kontrolou 12 kamer umístěných pod střechou stadionu. Ty snímají na těle každého hráče celkem 29 bodů, a to 50krát za sekundu. Senzor umístěný ve středu míče hlásí do systému svou pozici dokonce 500krát za sekundu. Takto získaná data se využívají například i při posuzování ofsajdů.
Klíčovou úlohu však dnes sehrává analýza dat na úrovni týmů, a to jak ligových, tak i národních. Když se v roce 2021 vrátil londýnský tým Brentford FC po 74 letech do nejvyšší anglické fotbalové soutěže, viděli v tom mnozí sportovní experti analogii s příběhem Oakland Athletics. Manažeři Brantfordu využívají vlastní algoritmus k hodnocení hráčů z různých fotbalových soutěží a s jeho pomocí se jim daří najít nedoceněné hvězdy. Světové velkokluby si drží celé týmy špičkových specialistů na analýzu dat, anglický Liverpool FC přetáhl experty z CERN a Cambridgeské univerzity, španělská FC Barcelona využívá vědce z univerzity v Lisabonu. Americký tým Seattle Sounders získal do svých služeb datové experty z Microsoftu.
Analýzy dat často přinášejí podobné postřehy, jaké neuniknou ani zkušenému oku fotbalových skautů. I ti například v předzápasových rozborech odhalí, že jeden z obránců nemá nejlepší statistiky pro hru hlavou, a poradí trenérům, aby proti němu nasadili vysokého útočníka. Z analýz dat ale vyplyne tenhle taktický tah s podstatně vyšší přesvědčivostí.
Nastupuje umělá inteligence
V současné době se fotbaloví analytici soustředí na aktivity hráčů, kteří nejsou právě u míče. Získat tato data je ale složité a v neposlední řadě i drahé; využívají se k tomu kamery, které nesledují jen centrum dění na hřišti kolem míče. Zabírají i hráče na jiných postech a sbírají data o jejich pozici 25krát za sekundu. Často je to výsledek práce specializovaných firem, které uzavírají smlouvy s nejvyššími národními ligami. Když chce ale třeba anglický trenér zjistit tyto parametry hráče působícího v Jižní Americe, má smůlu. K dispozici jsou mu jen záznamy televizních přenosů a z těch o pohybu hráče bez míče nic nevyčte.
Do hry proto vstupuje umělá inteligence, která i z běžného fotbalového přenosu poměrně přesně vyvodí, co dělají hráči, kteří nejsou v záběru kamer. Není to jednoduché, protože hráč reaguje na akce spoluhráčů i hráčů soupeře, z nichž mnozí rovněž unikají záběrům kamer. Umělá inteligence však tahle „neviditelná“data zrekonstruuje.
Anglický Liverpool FC spolupracuje s londýnskou společností DeepMind, která patří k lídrům oboru umělé inteligence. Její programátoři vytvořili například algoritmus AlphaGo schopný porazit nejlepší světové hráče go. Tato desková hra přitom nabízí astronomický počet herních situací vyjádřený číslem se 761 nulami. Pro srovnání, pro počet herních situací v šachu stačí číslo se 120 nulami. Do roku 2016, kdy AlphaGo porazil v pěti zápasech úřadujícího mistra světa 5:0, byli všichni přesvědčeni, že počítač špičkového hráče go nikdy nepřekoná.
Pro potřeby fotbalových analýz vyvodí umělá inteligence z určité herní situace tisíce variant. Počítač ukáže, jak se mohla hra od tohoto momentu vyvíjet, a nabídne porovnání výsledku simulovaných akcí s realitou. Trenéři pak vidí, jestli se hráči rozhodovali správně, nebo zda chybovali. Metody, které analytici jednotlivých týmů používají, i jejich úspěšnost patří z celkem pochopitelných důvodů k žárlivě střeženým tajemstvím. Výjimku představuje právě spolupráce DeepMind s Liverpoolem. Počítačová firma si vymínila, že bude výsledky publikovat, a fotbalový klub na to přistoupil. Důvod vysvětlil ředitel klubového analytického týmu Ian Graham v rozhovoru pro vědecký časopis Nature: „Získali jsme největší a nejmodernější analytický tým v současném fotbale. Sami bychom ten počítačový algoritmus nikdy nedali dohromady. A když to nezvládneme my, tak to nezvládne vlastními silami ani jiný fotbalový klub.“
Tým z DeepMind pod vedením Karla Tuylse tak představil na stránkách vědeckého časopisu Scientific Reports algoritmus Graph Imputer, který předvídá akce hráčů mimo záběr televizních kamer. Výsledky vědci porovnali s daty získanými z hřišť, kde je celá hrací plocha neustále pod kontrolou. Graph Imputer si vedl velmi dobře, ostatní systémy vyvinuté speciálně pro potřeby fotbalu mu nemohly v přesnosti a spolehlivosti konkurovat. Cílem Tuylsova týmu je vyvinout algoritmus, který by plnil roli asistenta hlavního kouče a nabízel mu reakce na vývoj zápasu. „Představte si, že umělá inteligence sleduje první poločas zápasu a trenérovi navrhuje změny, které by přispěly ke zlepšení hry jeho týmu,“říká Tuyls.
Navzdory veškerému pokroku nejsou datoví analytici všemocní a dobře si to uvědomují. „Fotbal je velice dynamická hra a týmy často prohrávají zápasy, které by prohrát neměly. A také vítězí v zápasech, které by měly prohrát,“říká Ian Graham. „Naše práce je kupodivu jednodušší, když se týmu nedaří, protože naše analýzy nejednou odhalí, že hráči dělají všechno správně a že když se budeme držet této hry, tak nakonec vyhrajeme za sezonu takový počet zápasů, jaký potřebujeme.“
Do budoucna spřádají analytici ambiciózní plány. Při sledování pohybu jednotlivých hráčů chtějí podchytit i nepatrné změny těžiště, protože to prozradí pohyby, kterými dokáže útočník vyvést obránce z rovnováhy před úspěšně provedenou kličkou. Největší uplatnění analýzy dat však vidí experti při výběru hráčů, protože tam hrozí, že klub draze koupí naprosto nevhodného hráče a nechá si utéct podstatně lacinějšího perspektivního fotbalistu. Další slibnou oblastí, kde analýza dat zcela jistě pomůže, je zahrávání standardních situací, jako jsou rohové nebo trestné kopy.
„Analýza dat změní celý sport,“říká analytik Ravi Ramineni pracující ve službách Seattle Sounders. „A už není cesty zpátky.“
Do včetně toho, který rozhodne o mistru světa, stále více promlouvají analýzy dat nasbíraných pomocí nejmodernějších technologií. Ke slovu se dostává i umělá inteligence.
Představte si, že umělá inteligence sleduje první poločas zápasu jako asistent trenéra a hlavnímu kouči navrhuje změny, které by přispěly ke zlepšení hry jejich týmu