Καθώς οι Ηνωμένες Πολιτείες, ο Καναδάς και το Μεξικό υποδέχονται τον κόσμο για το μεγαλύτερο αθλητικό γεγονός του πλανήτη, μια ψυχρή, ψηφιακή φωνή έρχεται να μετριάσει τον ενθουσιασμό των γηπεδούχων. Σύμφωνα με πρόσφατη ανάλυση της Fortune AI, η οποία βασίζεται σε εξελιγμένα μοντέλα μηχανικής μάθησης, η εθνική ομάδα των ΗΠΑ (USMNT) ξεκινά τη διοργάνωση με μόλις 1% πιθανότητα να σηκώσει το τρόπαιο στον τελικό της Νέας Ιερσέης. Το αποτέλεσμα αυτό δεν είναι μια απλή εικασία, αλλά το προϊόν χιλιάδων προσομοιώσεων που λαμβάνουν υπόψη κάθε δυνατή μεταβλητή, από την απόδοση των παικτών στους συλλόγους τους μέχρι την ιστορική βαρύτητα των αντιπάλων.

Η Επιστήμη πίσω από την Πρόβλεψη

Το συγκεκριμένο μοντέλο μηχανικής μάθησης δεν είναι άγνωστο στους κύκλους των αναλυτών. Πρόκειται για την ίδια αλγοριθμική αρχιτεκτονική που το 2019 είχε προβλέψει με ακρίβεια την κατάκτηση του Παγκοσμίου Κυπέλλου Γυναικών από τις ΗΠΑ, σε μια περίοδο που οι πιθανότητες ήταν μεν υπέρ τους, αλλά ο δρόμος προς τον τίτλο κάθε άλλο παρά βέβαιος φαινόταν. Η μεθοδολογία βασίζεται σε μια παραλλαγή των προσομοιώσεων Monte Carlo, συνδυασμένη με βαθιά νευρωνικά δίκτυα που αναλύουν δεδομένα κίνησης (tracking data) και στατιστικά στοιχεία προηγμένων μετρήσεων (Expected Goals, Expected Threat).

Οι αλγόριθμοι εξετάζουν όχι μόνο τη φόρμα της στιγμής, αλλά και το «βάθος» του ρόστερ. Για τις ΗΠΑ, παρά την παρουσία ταλέντων που αγωνίζονται στα κορυφαία ευρωπαϊκά πρωταθλήματα, το μοντέλο εντοπίζει μια κρίσιμη έλλειψη εμπειρίας σε φάσεις νοκ-άουτ απέναντι σε «παραδοσιακές δυνάμεις». Όπως επισημαίνουν οι αναλυτές της Fortune AI, το πλεονέκτημα της έδρας είναι υπολογίσιμο, αλλά η στατιστική απόκλιση μεταξύ των ΗΠΑ και ομάδων όπως η Ισπανία, η Γαλλία ή η Βραζιλία παραμένει χαοτική σε επίπεδο αλγοριθμικής αξιολόγησης.

Ισπανία και Γαλλία: Οι Κυρίαρχοι των Δεδομένων

Ενώ οι ΗΠΑ παλεύουν με το 1%, η Ισπανία εμφανίζεται ως το απόλυτο φαβορί σύμφωνα με την τεχνητή νοημοσύνη. Η «La Roja» διαθέτει ένα σύστημα παιχνιδιού που οι αλγόριθμοι λατρεύουν: υψηλά ποσοστά κατοχής, ακρίβεια στις μεταβιβάσεις και μια δομή που ελαχιστοποιεί το ρίσκο της αντεπίθεσης. Η Γαλλία ακολουθεί κατά πόδας, με το μοντέλο να δίνει ιδιαίτερη έμφαση στην ατομική ικανότητα των παικτών της να αλλάζουν την πορεία ενός αγώνα με μία μόνο ενέργεια – μια μεταβλητή που η μηχανική μάθηση ονομάζει «outlier potential».

Το ενδιαφέρον στοιχείο είναι ότι η Τεχνητή Νοημοσύνη φαίνεται να «τιμωρεί» τις ομάδες που βασίζονται υπερβολικά στο συναίσθημα ή την παράδοση, εστιάζοντας αποκλειστικά στην αποτελεσματικότητα. Για παράδειγμα, η Αργεντινή, παρά το γεγονός ότι είναι η κάτοχος του τίτλου του 2022, βλέπει τις πιθανότητές της μειωμένες λόγω της ηλικιακής επιβάρυνσης βασικών στελεχών της, κάτι που τα μοντέλα πρόβλεψης τραυματισμών και κόπωσης λαμβάνουν σοβαρά υπόψη.

Η Αβεβαιότητα του Αθλητισμού και τα Όρια της AI

Παρά την εντυπωσιακή ακρίβεια των μοντέλων στο παρελθόν, οι ειδικοί προειδοποιούν ότι το 1% δεν σημαίνει 0%. Η ομορφιά του ποδοσφαίρου έγκειται στην ικανότητά του να διαψεύδει τα δεδομένα. Η μηχανική μάθηση δυσκολεύεται να ποσοτικοποιήσει την ψυχολογική πίεση ενός ολόκληρου έθνους που παρακολουθεί από τις κερκίδες, ή την «έκρηξη» ενός νεαρού παίκτη που ξεπερνά τα στατιστικά του όρια λόγω της περίστασης.

  • Η επιρροή του κλίματος και των μεγάλων αποστάσεων μεταξύ των πόλεων διεξαγωγής.
  • Η πιθανότητα τυχαίων γεγονότων, όπως μια κόκκινη κάρτα ή ένας τραυματισμός στο πρώτο λεπτό.
  • Η δυναμική της κερκίδας που μπορεί να ωθήσει μια ομάδα πέρα από τις δυνατότητές της.

«Τα δεδομένα μας λένε τι είναι πιθανό να συμβεί με βάση το παρελθόν, αλλά το Παγκόσμιο Κύπελλο είναι το μέρος όπου το μέλλον γράφεται με απρόβλεπτο τρόπο», δηλώνει ο επικεφαλής επιστήμονας δεδομένων της Fortune.

Σε κάθε περίπτωση, η χρήση της AI στον αθλητισμό έχει αλλάξει για πάντα τον τρόπο που καταναλώνουμε το παιχνίδι. Οι προβλέψεις αυτές δεν χρησιμεύουν μόνο για το στοίχημα, αλλά αποτελούν εργαλείο για τους προπονητές και τους ομοσπονδιακούς διευθυντές, ώστε να κατανοήσουν πού υστερούν οι ομάδες τους. Για τις ΗΠΑ, το 1% είναι μια υπενθύμιση ότι η φιλοδοξία απαιτεί κάτι παραπάνω από ενθουσιασμό: απαιτεί μια δομική υπέρβαση που η επιστήμη, προς το παρόν, αδυνατεί να δει στον ορίζοντα.