Πώς η τεχνολογία άλλαξε το ποδόσφαιρο για πάντα

To VAR προκύπτει από τις λέξεις Video Assistant Referee και αναλύθηκε εκτενώς από τον Κώστα Μπράτσο, σε πρόσφατο κείμενο του στο Contra.gr. Η Ελλάδα δηλώνει έτοιμη να το χρησιμοποιήσει στη Superleague και σε όλα τα σχετικά κείμενα χαρακτηρίζεται ως “η νέα πραγματικότητα του ποδοσφαίρου”.

Μόνο που η δική μας πρόοδος είναι για κάποιους old news.

Στην Αγγλία χρησιμοποιούν από πέρυσι συστήματα που μάλλον δεν θα προλάβουμε να ζήσουμε στην ημεδαπή -τουλάχιστον όσοι έχουμε πατήσει τα δεύτερα άντα. Η τεχνολογία δεν έχει μπει απλά στο σπορ, αλλά έχει φτάσει σε επίπεδο ανάλογο με εκείνο του ΝΒΑ, όπου όλα πια έχουν να κάνουν με λογισμικά και μετρήσεις.

Πλέον ξέρουν πόσα γκολ να περιμένουν.

Φοιτητής του Eindhoven University of Technology, ονόματι Eggels διεκδίκησε το δικαίωμα του στο masters με μια διπλωματική εργασία που αφορούσε "τα αναμενόμενα γκολ στο ποδόσφαιρο. Η εξήγηση των αποτελεσμάτων των αγώνων, με τη χρήση αναλυτικών προβλέψεων". Το 2016 πήγε να παραλάβει το masters του, με τη μέθοδο του να ξεπερνά το 50% σε σωστές εκτιμήσεις “ και η πλειοψηφία των λανθασμένων είχε να κάνει με “κλειστά” ματς, για τα οποία είχε προβλεφτεί ισοπαλία”. Στην εισαγωγή τόνιζε ότι “ οι άνθρωποι του ποδοσφαίρου είναι συντηρητικοί, γεγονός που κάνει την επανάσταση δύσκολη”.

Ο ερευνητής τόνιζε ότι η μέθοδος μπορεί να χρησιμοποιηθεί μόνο σε κορυφαία clubs “ πρώτον γιατί αυτά μπορούν να αξιολογήσουν χρονικές περιόδους πιο αντικειμενικά. Δεύτερον, γιατί τα ξεχωριστά ματς μπορούν να αξιολογηθούν, κατά τρόπο που να χρησιμοποιηθούν στα ντέρμπι, στις αλλαγές κλπ και τέλος οι ποιοτικές μετρήσεις μπορούν να χρησιμοποιηθούν για να καθορίσουν την εμφάνιση των παικτών, συν το χρόνω, ώστε να γίνουν οι απαραίτητες κινήσεις και στα προγράμματα προπονήσεων ή ακόμα και στην απόκτηση κάποιου ποδοσφαιριστή”.

Η διπλωματική του έγινε πείραμα και μετά λογισμικό, με όνομα Expected Goals (xG), ένα νέο μετρικό σύστημα που προσφέρει στην Premier League η εταιρεία Opta Sports. Αυτό που κάνει είναι να αναλύει κάθε σουτ κάθε αγώνα, να συνυπολογίζει πολλές μεταβλητές και να καταλήγει στο πόσα γκολ μπορεί να σκοράρει καποιος από συγκεκριμένο σημείο του γηπέδου, σε μια συγκεκριμένη στιγμή του ματς. Κάθε σουτ έχει προσδοκώμενη αξία που είναι το ποσοστό για ευστοχία. Στους παράγοντες που λαμβάνονται υπ' όψιν είναι ο τύπος της ασίστ, η γωνία του σουτ, η απόσταση από το τέρμα, αν η προσπάθεια έγινε με το κεφάλι, αν ήταν από τις φάσεις που λέμε "μεγάλες". Το μηχάνημα έχει λάβει και αναλύσει περισσότερα από 300.000 σουτ, για να μπορεί να κάνει δουλειά. Δες ένα παράδειγμα.

Δεν θέλω να σε σοκάρω, που δεν πρόκειται, αλλά υπάρχει ανάλογο λογισμικό για τις προσδοκώμενες ασίστ.

(ο Κωνσταντίνος Πελεχρίνης)

Ένας δικός μας άνθρωπος, ο Κωνσταντίνος Πελεχρίνης, καθηγητής του University of Pittsburgh και επικεφαλής του Network Data Science Lab, με ουκ ολίγα διπλώματα στην πληροφορική και τη μηχανική, εξήγησε στο Contra.gr ότι “ είναι γεγονός ότι η Ευρώπη αντιστάθηκε στην ανάπτυξη και τη χρήση στατιστικών, μέχρι το σημείο που κατανόησε πως δεν μπορούσε να κάνει αλλιώς.

Η ανάγκη χρησιμοποίησης δεδομένων για την αξιολόγηση παικτών και ομάδων έγινε απόλυτη και οι προπονητές κατανόησαν ότι δεν απειλούνταν από την τεχνολογία. Τουναντίον, αντιλήφθηκαν πως τα στοιχεία που θα είχαν πια στη διάθεση τους, θα τους βοηθούσε στη δουλειά τους. Το ποδόσφαιρο είναι παιχνίδι χώρου. Το impact ενός παίκτη στο ποδόσφαιρο δεν έρχεται μόνο από τα on ball events, που είναι κατά βάση αυτά που καταγράφονται στα κλασικά στατιστικά, αλλά κυρίως από το τι κάνει τα 87 λεπτά που δεν έχει την μπάλα στα πόδια”.

Ο Johan Cruyff είχε πει πως “είναι στατιστικά αποδεδειγμένο πως οι παίκτες έχουν στα πόδια τους την μπάλα, για 3 λεπτά κατά μέσο όρο. Το σημαντικό λοιπόν, είναι τι κάνουν στα 87 λεπτά που δεν έχουν την μπάλα. Αυτό δείχνει αν είσαι καλός παίκτης ή όχι”.

“ Έχει σημασία πώς κινείται στο χώρο, πώς τραβάει πάνω του παίκτες και πώς ανοίγει χώρο για συμπαίκτες του” προσθέτει ο Κωνσταντίνος, o οποίος συνεργάστηκε με τον Kirk Goldsberry, τον γεωλόγο που άλλαξε για πάντα τη συγκέντρωση πληροφοριών στο μπάσκετ και πλέον δουλεύει στους San Antonio Spurs και την Team USA “ όπως σημασία έχει ποιοι παίκτες είναι εκτός θέσης στην άμυνα, ένα ακόμα στοιχείο που δεν μπορούσαν να καταγράψουν τα παραδοσιακά στατιστικά”. Έτσι φτάσαμε στο σήμερα όταν “σχεδόν όλες οι ομάδες της Premier League έχουν data analytics groups, που συνεργάζονται με τα προπονητικά teams. Ο χώρος είναι ακόμα νέος για το ποδόσφαιρο, αλλά γίνονται ήδη ωραία πράγματα. Δεν μπορώ να πω πότε θα έχουμε αποτελέσματα. Πιστεύω ωστόσο, ότι ήδη οι ομάδες παίρνουν data-driven αποφάσεις”.

Η πρωτοπόρος -στη δημιουργία χώρων- Barcelona

Η Barcelona έχει περίπου 15 άτομα για να λύνουν πάσης φύσεως προβλήματα (με αριθμούς) στην ομάδα που 'χει συγκροτήσει. Ένα μέλος, ο Javier Fernandez συνεργάστηκε με τον Luke Bornn, από το Simon Fraser University και υπάλληλο τον Sacramento Kings -ναι, στα data- και παρουσίασαν “ μια στατιστική τεχνική για τη μέτρηση της δημιουργίας χώρων στο επαγγελματικό ποδόσφαιρο. Mια μέθοδο για την ποσοτικοποίηση κατοχής χωρικής αξίας και παραγωγής, κατά το “ανοιχτό” παιχνίδι ”.

Εξηγείται πως “ ως άμεση κατοχή χώρου αναφέρεται ο χώρος που δημιουργεί ο παίκτης για τον εαυτό του. Η δημιουργία χώρου αφορά το άνοιγμα χώρου, για συμπαίκτες -τραβώντας πάνω του αντιπάλους”. Βρήκαν τον τρόπο να συγκεντρώνουν στοιχεία που αφορούν την κίνηση, τη σχετική απόσταση από την μπάλα, τη θέση του παίκτη για πιθανό έλεγχο της μπάλας.

Η κατοχή και η δημιουργία χώρων ήταν κάτι που δεν έδιναν τα κλασικά στατιστικά. Αυτό δεν ισχύει πια. Και ως κίνητρο χρησιμοποιήθηκε η ατάκα του Pep Guardiola, σύμφωνα με την οποία “ πρέπει να πασάρουμε την μπάλα, αλλά με ξεκάθαρο σκοπό. Να πασάρουμε για να τραβήξουμε παίκτες στη μια πλευρά και να δημιουργήσουμε χώρο στην άλλη, όπου θα πάμε την μπάλα. Αυτό είναι τοπ παιχνίδι μας”.

Η ουσία ήταν στη δημιουργία πλεονεκτήματος, αριθμητικού ή μέσω διαταραχής της άμυνας των αντιπάλων, μέσω της κίνησης και φυσικά, της ομαδικής δουλειάς, όπως η δυνατότητα του τερματοφύλακα να δημιουργεί και οι πάσες με επιθετικό προσανατολισμό.

Όπως κοιτάς τον πίνακα με το Space Occupation Loss (απώλεια κατοχής χώρου που είναι σε άμεση σχέση με την πίεση των αντιπάλων) και το Space Generation Gain (δημιουργία και κατάκτηση χώρου -οι πιο επικίνδυνοι τραβούν περισσότερους αντιπάλους πάνω τους) να σου πω ότι σύμφωνα με τους ειδικούς “ο Busquets έλαβε χώρο από τους περισσότερους παίκτες, τουλάχιστον από μια φορά και αυτό δείχνει την ικανότητα του να μείνει στο κέντρο του παιχνιδιού”.

H ημέρα που υπέκυψε η FIFA

Στις 8 Ιουλίου του 2015, ένα μήνα πριν την εκκίνηση της αγωνιστικής περιόδου 2015-16 στην Premier League, η FIFA απέστειλε έγγραφο (στην Αγγλία και τα λοιπά πρωταθλήματα που ανήκουν στην ελίτ του πλανήτη), στο οποίο ενημέρωνε πως “αν το επιτρέπουν οι λίγκες, οι παίκτες μπορούν να φορούν συσκευές EPTS (Electronic performance and tracking systems), κατά τη διάρκεια των αγώνων". Τον Οκτώβρη του ίδιου έτους ανακοίνωσε ότι προχωρά στη δημιουργία μιας συσκευής, για όλους και κάλεσε τις εταιρείες να παρουσιάσουν τα προϊόντα τους. Έτσι, φτάσαμε σε αυτό που θα δεις.

Πέραν του ότι αυτή η τεχνολογία υποσχόταν πως μπορεί να καταγράψει και να βελτιώσει την απόδοση κάθε παίκτη και τελικά της ομάδας, κατέγραφε τις θέσεις των παικτών -σε σχέση με την μπάλα- και ουκ ολίγα άλλα στοιχεία -τα οποία παρείχε και η σύνδεση με δορυφόρο.

Έως τότε στην Premier League υπήρχε καταγραφή δεδομένων μόνο όπου βρισκόταν η μπάλα, με τις κάμερες των σταδίων να παρέχουν το feed (πάσες, ντρίμπλες, σουτ). Δεν υπήρχε δυνατότητα καταγραφής επιτάχυνσης ή κούρασης των παικτών. Άρα δεν ενδιέφερε πάρα πολύ τους προπονητές.

Το νέο σύστημα τους τρέλανε (ενδεχομένως κάποιους και κυριολεκτικά), με τη FIFA να εξηγεί από την αρχή πως οι καταγραφές δεν θα μπορούσαν να χρησιμοποιηθούν σε πραγματικό χρόνο των αγώνων. Και ξεκάθαρα για αυτό και δεν τους βλέπετε όλους, με ένα tablet στα χέρια.

Από πέρυσι η αγγλική λίγκα προχώρησε στη συνεργασία των δύο μεθόδων που διέθετε: των πληροφοριών που συγκέντρωναν οι κάμερες στα γήπεδα (αυτές που χρησιμοποιούνται για τις μεταδόσεις, έτσι;) και οι συσκευές που φορούν οι παίκτες “σε μη ορατό σημείο”. Μια χαρά πρόοδος για τη λίγκα που χρησιμοποίησε το Hawk-Eye το 2013, έντεκα χρόνια μετά την πρώτη του εμφάνιση στο cricket.

Άπαξ όμως, κι έκανε την αρχή, το πήγε μέχρι τέλους. Δοκιμάζει πρώτη τα νέα δεδομένα και πλέον κάθε ομάδα έχει στα χέρια της στοιχεία που της δείχνουν κάθε μικρή λεπτομέρεια. Έχει και ένα λογισμικό που δείχνει αν θα νικήσει στο επόμενο ματς, με το πλάνο που 'χει ετοιμάσει. Σαν τα video games ένα πράγμα. Πάλι καλά που το απρόβλεπτο, το παρορμητικό των παικτών μπορούν να διαλύσουν κάθε πρόβλεψη.

Το 'μάτι του γερακιού'

Το Hawk-Eye, το οποίο ανήκει από το 2011 στη Sony, θεωρείται η πιο συναρπαστική εξέλιξη της αθλητικής τεχνολογίας. Δημιουργήθηκε στο Ηνωμένο Βασίλειο από τον Dr. Paul Hawkins, έναν φίλο των σπορ (έπαιζε cricket), με διδακτορικό στην τεχνητή νοημοσύνη. Το 1999 εργαζόταν στην εταιρεία Roke Manor Research και εκεί εμπνεύστηκε το σύστημα παρακολούθησης της μπάλας, μέσω καμερών που τοποθετούνταν στο γήπεδο (στην οροφή και στις γωνίες), από ηλεκτρονικό υπολογιστή. Ήταν το πρώτο σύστημα που μπορούσε να ενημερώσει, με απόκλιση μόλις 3.6 χιλιοστών, αν η μπάλα είναι μέσα ή έξω -ή εν πάση περιπτώσει, πού ακριβώς είναι.

Είχε ό,τι χρειαζόταν, για να περάσει από τη θεωρία στην πράξη. Το 2001 εμφάνισε το δημιούργημα του, σε τηλεοπτική κάλυψη του Channel 4 σειράς αγώνων στο cricket (γνωστής ως Ashes). Ακολούθησε η πώληση για χρήση στους Ολυμπιακούς Αγώνες του 2008 και του 2012, η προσθήκη σπορ όπως το snooker και το γκολφ και το τένις -από τα τέλη του 2005.

Οι φαν της αντισφαίρισης ακόμα θυμούνται τον τελικό ανδρών του Wimbledon, το 2007, όταν έγινε ένα μικρός χαμός στο ματς του Rafael Nadal και του Roger Federer, για το αν η μπάλα ήταν έξω ή μέσα, για 1 χιλιοστό.

Η start-up του έγινε εταιρεία αξίας 30 εκατ. ευρώ, με 100 υπαλλήλους. Το 2013 το αγόρασε η Premier League, για να “κλειδώνει” τις φάσεις που ουδείς καταλάβαινε αν η μπάλα έχει περάσει τη γραμμή του τέρματος (σήμερα το ξέρεις ως VAR, που παρεμπιπτόντως διάλεξε το Hawk-Εye για προμηθευτή τεχνολογίας) και το Δεκέμβρη του 2014 η Bundesliga. Η Bayern προχώρησε και σε μια επιπλέον κίνηση: συνεργάστηκε με την τεχνολογική εταιρεία SAP και ανέπτυξαν μαζί ειδικό λογισμικό για ανάλυση, προκειμένου η ομάδα να σκοράρει περισσότερα γκολ. Προφανώς και μέσα στα χρόνια προέκυψαν ουκ ολίγοι άλλοι τρόποι να "παρακολουθούνται" όσα κάνουν οι αθλητές. Μεταξύ αυτών ήταν και πρόγραμμα για "προσδοκώμενα γκολ".

Περιττό να σου πω ότι οι εξελίξεις της τεχνολογίας που αφορούν την καταγραφή όσων αφορούν μια προπόνηση δημιούργησαν ένα νέο χώρο στην αγορά (για όσους ασχολούνται με την άσκηση) που εκτιμάται πως θα αξίζει 2.8 δισεκατομμύρια δολάρια, το 2019.

Το 2013 είχαν πουληθεί 84 σχετικές συσκευές, παρακολούθησης απόδοσης και καταγραφής στοιχείων από την πίεση έως την προφύλαξη συγκεκριμένων -τραυματισμένων- περιοχών. Το 2019 υπολογίζεται πως οι πωλήσεις θα φτάσουν στις 120 εκατομμύρια “μονάδες”. Πίσω στο ποδόσφαιρο, η συνεργασία των συστημάτων που έπαιρναν το υλικό από τις κάμερες του γηπέδου και αυτών που έδιναν τα “μηχανάκια” που φορούν οι παίκτες, πρόσφεραν νέα πεδία έρευνας.

Η έξυπνη μπλούζα του Ralph Lauren

Οι ειδικοί προειδοποίησαν πως σύντομα τα “μηχανάκια” θα εξαφανιστούν από την εικόνα και τη δουλειά τους θα την κάνουν οι φανέλες των αθλητών. Οι εταιρείες αθλητικών ειδών δουλεύουν για τη δημιουργία “έξυπνων υφασμάτων” από το 2014. Μάλιστα, ο Ralph Lauren έκανε επίδειξη ενός T-shirt που μετρά τους καρδιακούς παλμούς, την ανάσα και διάφορα άλλα στο US Open του 2014

Ακόμα δεν έχει δημιουργηθεί η τέλεια μπλούζα που θα είναι εφάμιλλη της συσκευής, αλλά δεν πρέπει να είμαστε πολύ μακριά από αυτήν την ανακάλυψη. Προς το παρόν, υπάρχουν επικαλαμίδες με αισθητήρες, που συνδέονται με app, το οποίο κατεβάζουν οι παίκτες στο smart phone τους.

Όλες αυτές οι εξελίξεις, αλλά και εκείνες που έρχονται δεν έκαναν μόνο τη ζωή των προπονητών και των παικτών πιο απλή, αλλά και των φιλάθλων. Αυτών που 'χουν πρόσβαση στα στοιχεία. Τον Μάρτιο του 2016 η Αγγλική Ποδοσφαιρική Λίγκα είχε ανακοινώσει πως οι ομάδες του Championship, της League One και της League Two ήταν υποχρεωμένες να προσφέρουν δωρεάν Wi-Fi στους φιλάθλους των αγώνων, ώστε να μπορούν να επισκέπτονται τα apps των συλλόγων -συμπεριλαμβανομένων των στοιχηματικών υπηρεσιών.

Τα δεδομένα δεν προσφέρονται αφειδώς. Για τον προφανή λόγο (κάποιος πληρώνει), αλλά και γιατί ουδείς θέλει να πετάξει τους φιλάθλους σε έναν ωκεανό με πληροφορίες και τους αναγκάσει σε φυγή. Παρέχονται λίγα λίγα, σιγά σιγά “σαν να βγάζεις τις στρώσεις από ένα κρεμμύδι”, όπως τονίζουν οι καθ' ύλην αρμόδιοι.

Τα τηλεοπτικά δίκτυα όχι μόνο παρέμειναν στο παιχνίδι (προσφέρουν τις κάμερες που στην Premier League είναι από 24 έως 35, κατά μ.ο.), αλλά εξελίχθηκαν, προσθέτοντας νέες πλατφόρμες όπως το catch-up viewing και το Facebook Live. Το παράδειγμα της Premier League και της Bundesliga ακολούθησε η LaLiga.

Η τελευταία ποδοσφαιρική χώρα που υιοθέτησε την τελευταία λέξη της τεχνολογίας είναι η Ολλανδία.

Στις 14 Σεπτεμβρίου, η κορυφαία λίγκα της Ολλανδίας ανακοίνωσε πως στο εξής θα χρησιμοποιηθεί στην Eredivisie το TRACAB optical tracking system, το οποίο συγκεντρώνει και μοιράζεται data σχετικά με τον παίκτη και την κίνηση της μπάλας, σε πραγματικό χρόνο.

“Έτσι οι προπονητές, αλλά και οι μέτοχοι των 18 συλλόγων θα 'χουν μια ξεκάθαρη εικόνα για την ομάδα και για κάθε παίκτη, ξεχωριστά. Θα επωφεληθούν και οι φαν, που θα παρακολουθούν τα δεδομένα στις τηλεοπτικές μεταδόσεις. Συμπεριλαμβανομένων highlights σε έκδοση virtual reality”.

Η εταιρεία που φτιάχνει το TRACAB optical tracking system (υπάρχει σε περισσότερα από 300 γήπεδα παγκοσμίως -σε ποδόσφαιρο, baseball, NFL, cricket, tennis και ιπποδρομίες), λέγεται ChyronHego, έχει έδρα στη Νέα Υόρκη και θεωρείται ειδική στα τηλεοπτικά γραφικά και real-time data visualization. Eίναι η δυνατότητα απεικόνισης ροής δεδομένων (τρεχόντων ή ιστορικών), από πολλές διαφορετικές ιστοσελίδες, σε ένα μόνο περιβάλλον χρήστη. Μπορείτε να τα διακόψετε, να τα αναπαράξετε, να τα προσπεράσετε κλπ.

Το deep learning των μηχανών μόλις άρχισε

Όλα έχουν ως κοινή συνισταμένη το deep learning των μηχανών, που όπως μας εξήγησε ο Έλληνας επιστήμονας, Κωνσταντίνος Πελεχρίνης “είναι πραγματικά μια ιδέα που υπάρχει χρόνια απλά τώρα έχουμε την ικανότητα να το εφαρμόσουμε με μεγάλη αποδοτικότητα, γιατί έχουμε τους κατάλληλους αλγόριθμους να επεξεργαστούμε τα δεδομένα και την κατάλληλη υπολογιστική δύναμη.

Σε ένα αρκετά υψηλό επίπεδο το deep learning χρησιμοποιεί ένα μεγάλο όγκο από δεδομένα, για να βρει τον κατάλληλο συνδυασμό/αναπαράσταση από στοιχεία των δεδομένων τα οποία μπορούν να λύσουν ένα συγκεκριμένο πρόβλημα πρόβλεψης.

Για να χρησιμοποιήσω ένα παράδειγμα από τα sports, ας πούμε ότι θέλουμε να προβλέψουμε πόσους πόντους θα σκοράρει μια ομάδα μπάσκετ. Τα δεδομένα που έχουμε είναι οι θέσεις των παικτών και της μπάλας. Άμα έχουμε πολλά δεδομένα από προηγούμενα (χιλιάδες) παιχνίδια, μπορούμε να χρησιμοποιήσουμε τεχνικές deep learning, ώστε να βρούμε τι είναι σημαντικό και "προφητικό" για αυτή την πρόβλεψη. Είναι δηλαδή, το spacing των παιχτών; Η γρήγορη κυκλοφορία της μπάλας; Και ούτω καθ' εξής.

Και άλλες τεχνικές machine learing θα μπορούσαν να κάνουν το ίδιο, αλλά σε αυτήν την περίπτωση θα έπρεπε να πούμε εμείς στο σύστημα ποια χαρακτηριστικά πρέπει να κοιτάξει, πριν μας “πει” αν είναι σημαντικά για την πρόβλεψη ή όχι. Το deep learning θα βρει μόνο του, με έναν μαγικό τρόπο, αυτά τα στοιχεία.

Στο video που ακολουθεί, θα δείτε ένα μοντέλο deep learning που είναι ακόμα υπό κατασκευή. Κάνει ό,τι σας είπα: καθώς μια επίθεση εκδηλώνεται μας λέει πόσους πόντους θα σκοράρει η ομάδα κατά μέσο όρο.

Άλλη εφαρμογή deep learning είναι αυτή που έκαναν οι Raptors, από τους πρωτοπόρους στο data analytics. Χρησιμοποίησαν τα ίδια δεδομένα για να βρουν βέλτιστες τοποθετήσεις αμυντικών και μετά να αξιολογήσουν πόσο καλοί είναι στην άμυνα.

Δεν ξέρω αν σου είπα, αλλά η επανάσταση είναι σε εξέλιξη.