Wetenschappers van het Alan Turing Institute in het Verenigd Koninkrijk hebben een algoritme met kunstmatige intelligentie ontwikkeld om te voorspellen welk team de meeste kans maakt op het winnen van het WK in Qatar. Er wordt voornamelijk rekening gehouden met de resultaten van eerdere toernooien.
Belangrijke factoren zoals de prestaties van individuele spelers worden echter weggelaten. Het zou dus interessant zijn als het zou kunnen worden aangevuld met een ander algoritme, in 2020 ontwikkeld door datawetenschapper Carter Polley. Het analyseert de verschillende soorten passen die spelers kunnen maken om de beste strategieën te berekenen.
Opgemerkt moet worden dat dit algoritme niet is gemaakt voor het WK in Qatar of voor een specifiek toernooi. Het is gewoon een methode om statistieken en informatica te gebruiken om de beste speelstrategieën voor voetballers te ontwikkelen.
Het is voornamelijk gebaseerd op passes, dus het kan erg handig zijn voor teams zoals het Spaanse nationale team, wiens passingspel vaak een van de sleutels tot hun succes is. Het ideaal is om ze te optimaliseren, zodat ze een minimaal energieverbruik met zich meebrengen en bovendien precies te koppelen zijn zodat ze in het doel terechtkomen. Er is geen magische formule, maar dit algoritme kan in ieder geval helpen bij het ontwerpen van de best mogelijke strategieën.
Perfect pass-algoritme, zelfs buiten de diameter
Natuurlijk zijn niet alle voetballers hetzelfde. Ze zijn min of meer gekwalificeerd en min of meer opgeleid. Het verbeteren van hun slagstrategieën kan hen echter allemaal helpen.
Dat is het doel van dit algoritme, dat is getraind met behulp van gegevens van 358.753 passes, gemaakt in 380 wedstrijden, waaraan 20 teams deelnamen. Er werd rekening gehouden met verschillende factoren. Allereerst moet worden bepaald of de spelers op hun eigen helft staan of op de tegenstander. Om andere nauwkeurige resultaten en volledige wedstrijdresultaten te krijgen. Daarnaast worden passes grafisch uitgezet, waarbij de uiteinden van het veld de X- en Y-as zijn.Ten slotte wordt er rekening gehouden met het type pass: normaal, verticaal, voorzet, hoekschop, inworp, doeltrap of vrije trap.
Met al deze gegevens wordt AI ingezet om patronen te zoeken die een specifiek type spelerspas associëren met betere resultaten. Ze ontdekten gegevens dat een groot deel van de passen over een zeer korte afstand, minder dan 5 meter, wordt gemist. Bovendien tussen de 15 en 30 meter,” Er zijn veel meer geslaagde passes dan gemiste, en na 30 meter daalt het percentage geslaagde passes dramatisch, terwijl het aantal gemiste passes begint af te vlakken“.
Blijkt dat de andere belangrijke factor is waar op het veld de pass wordt gemaakt. Hoe dichter ze bijvoorbeeld bij het doel van de tegenstander zijn, hoe meer gemiste passes ze maken. Logischerwijs is dit een zeer belangrijk gebied, dus het is belangrijk om te weten welke strategieën het beste werken op deze site.
Speciale aandacht voor voetballers
In dit algoritme wordt rekening gehouden met de individuele rol van spelers. Zoals Pauley destijds zelf uitlegde: ” Als het model voorspelt dat er een pass zal plaatsvinden met een waarschijnlijkheid van 0,8 en deze wordt gemaakt, dan wordt 0,2 opgeteld bij de passscore van de speler“. in tegenstelling tot, ” Als de pass niet wordt gemaakt, min 0,8 voor de passscore van de speler.” Het gemiddelde wordt vervolgens berekend op basis van het aantal passes van de speler, om de gemiddelde passrisicoscore te bepalen. “Deze score maakt het mogelijk om te vergelijken spelers op risico genomen Neem het en pas het in de pas“.
Omdat het logischerwijs niet alleen gaat om het kennen van de beste passes. Je hebt ook goede spelers nodig die ze kunnen uitvoeren. Het betekent ook dat ze risico’s moeten kunnen nemen, maar zonder te durven. Er is deugd in het midden. Dit geldt ook voor het winnen van een voetbalwedstrijd. Het maakt niet uit of je meedoet aan het WK voetbal in Qatar of een lokaal toernooi.
Show Verbergen Inhoudsopgave