Иерусалим, 7 июня 2026 г. (TPS-IL) — В преддверии старта Чемпионата мира по футболу 2026 года, который начнется в четверг, израильские исследователи предупреждают, что более незаметный технологический сдвиг уже меняет будущее футбола: системы искусственного интеллекта все чаще используются для ранжирования, анализа и прогнозирования спортивного потенциала детей.
Израильское исследование изучило, как ИИ выходит за рамки анализа производительности, формируя долгосрочные суждения о человеческих способностях с раннего детства. Результаты, опубликованные в рецензируемом журнале Big Data and Cognitive Computing, предупреждают, что по мере того, как алгоритмы все больше обрабатывают данные о выступлениях молодежи, они могут не только более эффективно оценивать талант, но и преждевременно определять его, потенциально внедряя предвзятость и сужая возможности задолго до того, как игроки достигнут профессионального уровня.
В преддверии турнира ФИФА объявила о партнерстве с технологической компанией Lenovo для разработки платформы Football AI Pro — передовой системы для тактического анализа и оценки производительности, основанной на миллионах точек данных, видеоанализе, 3D-визуализациях и симуляциях машинного обучения.
Аналогичные разработки ведутся в рамках параллельных инициатив, таких как сотрудничество Intel с Международным олимпийским комитетом по системам идентификации талантов на основе ИИ. В то время как некоторые из этих инструментов уже тестируются или развертываются в таких странах, как Израиль, Япония и Сальвадор, другие находятся на ранних стадиях внедрения.
Согласно исследованию, проведенному профессором Офером Эзером из Университета Бен-Гуриона и доктором Ильей Морголевым из Академического колледжа Кая в Беэр-Шеве, наиболее значительным сдвигом является не просто улучшенный аналитический аппарат, а появление непрерывного, основанного на данных отслеживания молодых спортсменов. Автоматизированные системы видеосъемки, носимые датчики и самостоятельно записанные тренировочные видео теперь позволяют фиксировать, хранить и анализировать выступления детей с течением времени, создавая постоянную цифровую запись с раннего возраста.
В олимпийских видах спорта, таких как баскетбол, бейсбол и теннис, ИИ все чаще используется для выявления и оценки спортивных талантов с юных лет. Олимпийские программы развития используют биометрическое профилирование и симуляции производительности для направления спортсменов в подходящие дисциплины, в то время как системы баскетбола и тенниса полагаются на данные отслеживания, видеоанализ и метрики движения для оценки долгосрочного потенциала. Бейсбол аналогично применяет модели, основанные на данных, для оценки перспектив в своих системах развития, используя большие исторические наборы данных о выступлениях игроков.
Во всех этих видах спорта общим закономерностью является переход от краткосрочной оценки производительности к долгосрочному алгоритмическому прогнозированию потенциала на основе постоянно собираемых данных от все более молодых спортсменов.
Борьба с «цифровым детерминизмом»
Исследователи описывают это развитие как «цифровой детерминизм», при котором ранние данные о производительности начинают формировать и ограничивать будущие возможности. Однажды сохраненные детские метрики могут повлиять на то, какие игроки получат внимание тренеров, возможности для скаутинга или финансирование, фактически превращая ранние измерения в долгосрочные фильтры для спортивной карьеры.
Ключевым выводом исследования является то, как предвзятость может косвенно попадать в эти системы. Даже когда алгоритмы исключают чувствительные атрибуты, такие как этническая принадлежность или доход, они все равно могут воспроизводить неравенство через прокси-переменные, такие как школа, географическое положение или структура семьи. Эти сигналы, основанные на исторических моделях успеха, могут внедрять социально-экономические различия в системы, которые кажутся объективными.
Скаутские платформы уже агрегируют видеоматериалы, события матчей и статистику производительности по различным возрастным группам и лигам. Затем системы машинного обучения выявляют закономерности, связанные с элитными показателями, в то время как аналитики применяют фильтры, такие как возраст, позиция и уровень соревнований. Однако, поскольку эти системы обучаются на исторических «успехах», они часто наследуют предвзятости, заложенные в прошлых решениях тренеров и отбора, заявили ученые.
Исследование также подчеркивает усиливающийся цикл обратной связи: спортсмены, рано выявленные алгоритмами, с большей вероятностью получают превосходную подготовку и внимание, что улучшает их данные о производительности, что, в свою очередь, укрепляет первоначальный прогноз системы. Со временем эта динамика может сузить, а не расширить доступ к возможностям.
Помимо метрик производительности, исследователи предупреждают, что сбор данных может в конечном итоге выйти за пределы поля. Системы ИИ могут включать активность в социальных сетях, освещение в новостях и другую общедоступную информацию для создания более широких профилей молодых спортсменов, что вызывает опасения по поводу конфиденциальности и вопросы о долгосрочном использовании детских данных.
«Реальность такова, что соревновательные виды спорта ставят соревновательные достижения превыше всего, даже в ущерб другим ценностям, — говорит доктор Морголев. — Соревновательные виды спорта — это уникальная, экстремальная арена, которая опирается на исключительные физические данные наряду с решимостью, устойчивостью и мотивацией. Комбинация, которая, в лучшем случае, характеризует лишь около одного процента населения».
Профессор Эзер добавляет: «Пришло время нам всем вместе подумать о месте и степени автономии, которую мы готовы предоставить алгоритмам в фотографировании, ранжировании, прогнозировании и определении пути развития будущих поколений, когда соревновательные виды спорта не имеют значения для подавляющего большинства из них», предупреждая, что дети должны развиваться в поддерживающей человеческой среде, а не быть преждевременно определены алгоритмическими оценками.
