Urheilu

Tietokoneohjelma seuloo potentiaaliset jalkapallolahjakkuudet etukäteen – "Eerikkilässä halutaan kovasti hyödyntää koneoppimista"

Suomi on informaatioteknologian suurvalta, mutta jalkapallon kehitysmaa. On siis loogista käyttää IT-osaamista jalkapallon hyväksi.

Jyväskylän yliopiston informaatioteknologian tiedekunnan tutkijoiden kehittämä menetelmä on uusi työkalu, jolla on potentiaalia tehostaa suomalaista pelaajakehitystä.

Tutkijat kehittivät sovelluksen, joka perustuu poikkeavuuksia tunnistavaan tekoälymenetelmään. Tällä hetkellä vastaavaa laskentamallia käytetään esimerkiksi tietoturvasovelluksissa.

Menetelmää testattiin Eerikkilän urheiluopistossa, jossa toimii Sami Hyypiän nimeä kantava jalkapalloakatemia. Tutkimuksessa käytettiin tuhannen jalkapalloilijan 14-vuotiaana kerättyjä testituloksia. Testit olivat akatemiassa käytettyjä psykologisia, fysiikka- ja lajitaitotestejä.

Sovellukseen syötettiin ensin keskivertopelaajien dataa. Kun koko tietomäärä oli sovelluksessa, menetelmä erotti testipoikkeamien perusteella kaikki aineiston seitsemän nykyistä ammattilaista.

Kaikkiaan lahjakkuudet tunnistettiin 80 prosentin tarkkuudella, mikä tarkoittaa, että poikkeusyksilöt löytyvät väistämättä 20 prosentin joukosta. Lahjakkuudeksi määriteltiin ulkomaille ammattilaiseksi pääseminen.

Motiivina Jyväskylän yliopiston tutkimukselle oli se, että urheiluvalmennuksessa käytetty perinteinen selittävä tilastoanalyysi taipuu huonosti ennakoimiseen. Vasta kehityksen ensimmäinen vaihe on ohi, mutta tutkijat ja toimeksiantaja eli Sami Hyypiä Akatemia ovat luottavaisia ennustavan poikkeama-analyysin toimivuudesta.

– Eerikkilä otti meihin yhteyttä juuri siksi, ettei ole mitään yhtä mittaria, jolla erottaa ulkomaille mahdollisesti yltävät pelaajat. Emme päässeet mihinkään kokeilemalla tiettyjä mittareita, joten kokeilimme poikkeamantunnistusta. Koneoppimisella tämä kääntyi nimenomaan ennustamiseksi selittävien muuttujien etsimisestä, tutkimusta johtanut dosentti Sami Äyrämö kertoo.

Tutkijaryhmän mukaan tukivektorikone tunnisti muitakin pelaajia, jotka eivät ole vielä ulkomailla, joten se saattaa tunnistaa mahdollisen potentiaalin.

– Lääketieteessäkin tehdään sairauden ennustamismittareista herkkiä, jotta varmasti sairaat löytyvät joukosta. Toisaalta mittarin pitää olla spesifi, toisaalta herkkä. Kyllä tässä on työtä käytännön sovelluksen luomiseksi, mutta tämä oli pilotti. Eerikkilässä halutaan kovasti hyödyntää koneoppimista, sanoo Äyrämö.

Seuraavaksi tutkijat aikovat kehittää menetelmän tarkkuutta. Projekti jatkuu yhä Eerikkilässä.

Tutkijat esittävät, että menetelmää voisi käyttää apuna valmentajan päätöksenteossa ja esimerkiksi pelipaikkakohtaisessa uraohjauksessa.

– Jos saamme lisää dataa eri pelipaikoilta, analyysi kertoisi, mille pelipaikalle ominaisuudet sopisivat parhaiten, Äyrämö vihjaa.

Äyrämö toteaa, että ennustavalla analyysillä on myös väärin käytettynä eettinen haittapuoli.

– Meillä on monia esimerkkejä pelaajista, jotka ovat olleet valmentajan mielestä lahjattomia, mutta ovat nousseet huipulle. Moni lapsitähti on myös hyytynyt liian aikaisen satsauspäätöksen takia. HäSa

Päivän lehti

29.10.2020

Fingerpori

comic