Logo image
Logo image

Kuinka tekoälyä käytetään ammattilaisjalkapallossa?

3 minuuttia
Tiesitkö, että joukkue voi ennustaa todelliset mahdollisuudet voittaa ottelu? Tekoälyn ja kaiken sen tarjoaman ja analysoiman tiedon avulla tällainen on mahdollista.
Kuinka tekoälyä käytetään ammattilaisjalkapallossa?
Viimeisin päivitys: 16 heinäkuuta, 2022

Tekniikka on ollut osa urheilua jo pitkään, ja joka päivä löydämme sille uusia käyttötarkoituksia. Yksi niistä on tekoäly eli työkalu, jota käytetään yhä enemmän ja josta on tullut melkein välttämätön ammattilaisjalkapallon eliittimaailmassa. Tässä artikkelissa tutkimme, kuinka tekoälyä käytetään ammattilaisjalkapallossa.

Ensinnäkin haluamme määritellä kyseisen käsitteen. Tekoälyä demonstroivat koneet, prosessorit ja ohjelmistot luovat sen. Yksi sen tehtävistä urheilussa on analysoida valtavasti dataa, tunnistaa trendejä ja tehdä ennusteita niiden perusteella.

Yksinkertaisemmin sanottuna tekoälyä harjoittavat koneet, jotka tekevät saman kuin ihmiset, mutta suuressa mittakaavassa ja tarkemmin sekä nopeammin. Sen sijaan, että useat ihmiset katsoisivat peliä, koneet tallentavat automaattisesti mitä tapahtuu ja käsittelevät tiedot.

Esimerkiksi jotkut tämäntyyppistä palvelua tarjoavat yritykset asentavat kameroita stadioneille tehdäkseen omat pelikirjansa. Käyttämällä näitä kuvia he voivat poimia miljoonia tietoja algoritmien avulla. Nämä tiedot myydään urheilijoille ja seuroille, jotka voivat sitten saada laajemman kuvan siitä, mitä tapahtuu.

Lue myös: 11 harjoitusta juoksutekniikan parantamiseksi

Big data ja tekoälyn soveltaminen

Big data tarkoittaa suurta määrää dataa, joka syntyy urheiluotteluista tekoälyn avulla. Tällä hetkellä tätä analyyttistä menetelmää käyttävillä joukkueilla – eli lähes kaikilla kansainvälisillä huippujoukkueilla – on tietoa muun muassa pelaajien syötöistä, etäisyyksistä, laukauksista ja taklauksista.

Tällä on kaksi merkittävää käyttötarkoitusta. Ensimmäinen on se, että sen avulla on mahdollista analysoida urheilijoiden suorituskykyä itse joukkueessa. Tämä mahdollistaa heidän harjoitustensa muokkaamisen sekä kehityksen ja kykyjen vertaamisen muihin joukkueen jäseniin.

Big data tarjoaa myös mahdollisuuden oppia paljon enemmän muiden joukkueiden pelaajista. Tämä on positiivista sekä heitä vastaan ​​että pelaajavaihtojen aikana, kun on löydettävä “se yksi erityinen pelaaja“, joka jättää väliin hyvin vähän syöttöjä ja jolla on tietynlainen suorituskyky jokaisessa ottelussa.

Some figure
Big dataa ei sovelleta vain jalkapalloon. Se on tieteenala, jolla on yhä enemmän sovelluksia työpaikalla, mainonnassa ja jopa vapaa-ajalla.

Tavoitteena on minimoida satunnaistekijä päätöksiä tehtäessä.

Tekoäly ja uudet tilastot

Tietojen keräämisen lisäksi tekoäly mahdollistaa paremman analyysin tekemisen. Osoitus tästä on uusien termien luominen määrittämään muuttujia, joita on hiljattain alettu mitata, kuten odotetut maalit (xG) ja odotetut syöttöpisteet (xA).

Bundesliigan, Saksan jalkapallon ammattilaisliigan, virallisen verkkosivuston mukaan odotetut maalit osoittavat todennäköisyyden, että pelaaja tekee maalin käyttämällä indeksiä 0-1. Tämä ottaa huomioon muuttujat, kuten laukausasennon, etäisyyden maaliin, maalivahdin aseman, muiden puolustajien väliintulot ja pelaajan maaliennätykset yms.

Maalimahdollisuuden 0,5 xG:n rekisterillä pitäisi johtaa tulokseen 50 % ajasta.

Toisaalta avustetut syötöt tarkoittavat vaaravyöhykkeellä tehtyjä syöttöjä, joista voi tulla maali. Tätä viimeistä maalia edeltävää syöttöä kutsutaan “avustetuksi syötöksi”. Kuten odotetut maalit, nämä mitataan asteikolla 0-1, jossa maksimiarvo (1) edustaa mahdollisen maalin maksimitodennäköisyyttä.

Tämän havainnollistamiseksi selvemmin, jos pelaaja syöttää joukkuetoverilleen, jonka selkä on maalia kohti ja vastustajien merkitsemä, xA on matala. Toisaalta, jos hän auttaa maalia vasten olevaa joukkuetoveriaan ilman maalivahtia, xA on korkeampi, koska on erittäin todennäköistä, että tämä syöttö päätyy syöttöön.

Kuinka tekoälyä käytetään ammattilaisjalkapallossa?

Tekoäly on mullistanut jalkapallon ja muun urheilun viime vuosina. Tämän työkalun ansiosta valmentajan ja hänen tiiminsä kyvyt on nyt täysin arvioitu ja mitattu.

Jotkut näistä innovatiivisista mittauksista sisältävät fyysisen tehokkuuden lisäksi myös urheilijan kognitiivisen suorituskyvyn mittaamisen. Tekoälyn avulla voidaan esimerkiksi mitata päätöksenteon oikeellisuutta ja pelaajan pelin aikana kokemaa stressiä.

On jopa kehitetty indeksejä, jotka keräävät kaiken saatavilla olevan tiedon, vertaavat sitä toisen joukkueen tietoihin ja luovat siten joukkueen voittomahdollisuuden. Tätä indeksiä kutsutaan nimellä ETI (tekninen tehokkuusindeksi) ja se perustuu matematiikkaan, jonka avulla analysoidaan joukkueen yleistä suorituskykyä kollektiivisesta taktisesta näkökulmasta.

Some figure

Lue myös: Kuinka kehittyä jalkapallossa kentän ulkopuolella?

Perustyökalu nykyajan jalkapallossa

Kuten mikä tahansa innovatiivinen elementti, tekoäly kehittyy edelleen. Uusia käyttötapoja ja sen tarjoamia mahdollisuuksia löytyy koko ajan enemmän. Samaan aikaan joukkueiden tekninen henkilökunta oppii käyttämään näitä teknologioita yhä paremmin.

Ihannetapauksessa joukkueella pitäisi olla joukko asiantuntijoita, jotka sulattavat kaiken tiedon ja luovuttavat vain tärkeimmän valmentajille. Loppujen lopuksi ei ole mitään järkeä kerätä niin paljon dataa, jos kukaan ei osaa tulkita sitä.

Korkean työmoraalin, suunnitelmallisuuden ja lahjakkuuden tulee kulkea käsi kädessä teknologian kanssa, jotta joukkueet ja yksilöt voivat saavuttaa asettamansa tavoitteet.


Kaikki lainatut lähteet tarkistettiin perusteellisesti tiimimme toimesta varmistaaksemme niiden laadun, luotettavuuden, ajantasaisuuden ja pätevyyden. Tämän artikkelin bibliografia katsottiin luotettavaksi ja akateemisesti tai tieteellisesti tarkaksi.


  • Conde, M. ¿Cómo funciona la inteligencia artificial utilizada por el Boca de Alfaro y la selección Ecuador? Big Data Sports. https://bigdatasports.media/2021/12/27/como-funciona-la-inteligencia-artificial-que-utilizada-por-el-boca-de-alfaro-y-la-seleccion-ecuador/
  • Qué es el modelo xG: cómo funciona el sistema de “goles esperados” de Sportec Solutions. Bundesliga. https://www.bundesliga.com/es/bundesliga/noticias/goles-esperados-xg-sistema-que-es-como-funciona-sportec-solutions-liga-alemana-5580
  • Whitmore, J. ¿Qué son las Expected Assists (xA)? The Analyst. https://theanalyst.com/eu/2021/07/que-son-las-expected-assists-xa/#:~:text=El%20modelo%20de%20Expected%20Assists%20(xA)%20de%20Stats%20Perform%20mide,realiza%20o%20no%20un%20disparo.

Tämä teksti on tarkoitettu vain tiedoksi eikä se korvaa ammattilaisen konsultaatiota. Jos sinulla on kysyttävää, konsultoi asiantuntijaasi.