أظهر استطلاع عالمي أجرته شركة NTT اليابانية العملاقة للاتصالات، أن على المنظمات الرياضية الاهتمام أكثر بمشجعيها، خصوصاً الشباب الذين يفضلون الوسائط الرقمية.
ign: justify;">
ووفقاً لنتائج أبحاث NTT، فإن 56% من مشاهدي المباريات الذين تتراوح أعمارهم بين 18 و34 عاماً، يستخدمون شاشة ثانية أثناء مشاهدة المباراة. بمعنى آخر فإنه أثناء مشاهدة إحدى المباريات، يقوم المتفرجون بمتابعة إحصائيات المباريات مباشرة على هاتف ذكي أو كمبيوتر. وبذلك يحتاجون إلى شاشة ثانية في الوصول إلى الإحصاءات والبيانات التحليلية للمباراة.
كما بينت النتائج أن أربعة من كل 10 أشخاص، يرغبون في الحصول على مزيد من البيانات الإحصائية، من أجل تعزيز فهمهم للنتائج الرقمية في الأحداث الرياضية.
كذلك أظهر استطلاعاً للرأي شمل 3700 مشجع رياضي من مختلف أنحاء العالم، أن 54% من المشاركين يعتقدون أن الذكاء الصناعي قادر على التنبؤ بالنتائج بنجاح. في حين يعتقد 52 % من عشاق الرياضة أن التنبؤ بنتائج المباريات يزيد من الاهتمام بها وقد يشجع أكثر على ممارستها.
وبالاعتماد على نتائج التقرير، ترى NTT أن الحاجة إلى استخدام التكنولوجيا المناسبة في الأحداث الرياضية قد أضحت واجبة.
من ناحية أخرى، يعتقد 46% من المشاركين أن دعم الأحداث الرياضية ببيانات حية يجعل هذه المباريات أكثر متعة. وكذلك، فإن عدداً قليلاً جداً من المشاركين في الاستطلاع، يدرك أن الذكاء الصناعي بإمكانه أن يتوقع نتائج المباراة، بينما 26% فقط قالوا إنهم يعلمون أن تقنية الذكاء الصناعي أو التعلم الآلي تستخدم في المباريات.
وبالإضافة إلى القدرة التنبؤية للذكاء الصناعي، أصبحت القدرة على التعاطف تلعب دوراً في مجال الرياضة. وقال "فارونا دي سيلفا" من جامعة "لوبورو" في بريطانيا أنه يهدف إلى إجراء تقييم موضوعي لأداء اللاعبين باستخدام التعاطف في ألعاب كرة القدم وكرة السلة. وكانت أكاديمية نادي تشيلسي لكرة القدم هي التي شاركت البيانات ووفرتها لـ"دي سيلفا".
قياس المواهب:
في سياق الدراسات الرامية لقياس المواهب، درست الخوارزميات أولاً حركات المراوغة وغيرها من حركات كرة القدم وكرة السلة في الميدان، ورصدت كل ما يفعله اللاعب أثناء المباراة. وقال "دي سيلفا" إن النتائج المسجلة بعد هذا التدريب يمكن استخدامها في التحليل الرياضي. فالخوارزمية القادرة على تعلم حركات لاعب كرة قدم، أو لاعب كرة سلة، قادرة على تفسير درجة قدرة اللاعب أو ما إذا كان رياضياً موهوباً بالفعل. لقد تطورت الخوارزميات كثيراً بحيث أصبحت نموذجاً إدراكياً قادراً على فرز قدرات اللاعبين أو مقارنة المواهب عند مختلف اللاعبين.
كما أوضح "دي سيلفا" نموذج التحليل الرياضي هذا الذي طوره على النحو التالي: "ما فعلناه هو أن نلقي نظرة على بيانات كرة القدم المتراكمة على مر السنين لفهم كيف يركل لاعب كرة قدم الكرة، وما هي احتمالات تصرفاته في الميدان، وخلق نموذج آلي للاعب كرة قدم بناءاً على هذا الفهم. في الواقع، ما فعلناه يشبه ما تقوم به المركبات الآلية التي تتعلم القيادة مثل الإنسان. من خلال النظر في كيفية تصرف شخص ما في موقف مروري، فإنها تقلده".
كذلك يتيح "نموذج لاعب كرة القدم الآلي"، للمعلقين في البث التلفزيوني تقديم تعليق أكثر واقعية عن اللاعبين الحقيقين أو المواقف الواقعية التي تجري أثناء المباراة.
تقوم شركة تحليلات رياضية هولندية، من خلال نظام "SciSport" أي نظام التتبع الآني، بمساعدة الأندية القوية في بطولات الدوري الرائدة في العالم، في اختيار اللاعبين وتحسين مهارات اللعبة. إذ يقوم مؤشر "SciSkill" الذي طوره نظام "SciSports" بتقييم كل لاعب كرة قدم محترف في العالم، على مؤشر عالمي واحد.
وباستخدام هذه التقنية، يمكن للنظام أن يقوم بتحليل أكثر من 2000 مباراة في 244 بطولة كل أسبوع.
تستخدم خوارزميات التعلم الآلي لحساب كل من جودة وقدرة وقيمة أكثر من 90.000 لاعب. وهذا بدوره يساعد الأندية في العثور على اللاعبين من أصحاب المواهب، والبحث عن اللاعبين الذين يتناسبون مع ملف تعريف معين، وتحليل قدرات خصومهم.
كما يمكن لتقنية "SciSports"، التي لا تقوم بتحليل الـ"dribbler" فحسب، أن تحلل اللعبة بأكملها أيضاً، عن طريق تسجيل كل حركة على أرض الملعب من خلال 14 كاميرا موضوعة حول الملعب بفضل تقنية "BallJames" الخاصة بالوقت الحقيقي، التي تقوم تلقائياً بإنشاء بيانات ثلاثية الأبعاد.
يمكن استخدام البيانات المفصلة التي تم الحصول عليها بهذه الطريقة بعدة أشكال، أهمها لتحفيز مشجعي كرة القدم الذين يختبرون اللعبة من كل زاوية باستخدام الواقع الافتراضي (VR)، وكذلك زيادة منافسات الرهان الرياضي والرياضات الخيالية.
تحليلات الوقت المفيد:
قال "جيلز بروير"، مؤسس تقنية "SciSports" ورئيس النظام المبتكر: "هدفنا هو أن نكون قادرين على تقديم تحليلات البيانات في الوقت الحقيقي لمليارات من مشجعي كرة القدم في جميع أنحاء العالم"،. وأكد على أهمية استقطاب اللاعبين في عصر الاتصالات الذي يوفر حلولاً تحليلية مدعومة من الذكاء الصناعي، وقال: "لا يكفي استحواذك على عدد قليل من لاعبي كرة القدم الجيدين ليكون لديك أفضل فريق، ولكن عليك الحصول على أفضل مجموعة من اللاعبين للوصول إلى قمة البطولات". على مدى عصور، استخدم المتابعون ومدربو الفرق، الملاحظات الفردية والبيانات البدائية والحدس الداخلي لاختيار اللاعبين المميزين. واليوم، تستخدم الأندية الناجحة التحليلات المتقدمة لاكتشاف النجوم الصاعدة واللاعبين المتفوقين، بأقل التكاليف الممكنة بالاعتماد على الذكاء الصناعي.
تكنولوجيا إعادة تدوير الملابس:
انتشر مفهوم الملابس الصديقة للبيئة وتقنيات الملابس المستدامة الذي بدأ بالعلامات التجارية الصغيرة في السنوات الأخيرة ليشمل العلامات التجارية الكبرى أيضاً. ووفقاً لشركة "Forbes"، أصبحت كلا من شركتي نايكي وأديداس التي حققت أعلى مبيعات عالمية في فئة الملابس والاكسسوارات، من العلامات التجارية الصديقة للبيئة، وذلك من خلال انتاجها أحذية مصنوعة من البلاستيك المعاد تدويره. كما أعلنت شركة "أديداس" أنها ستستخدم البلاستيك المعاد تدويره بدلاً من مواد البوليستر مثل الألياف البلاستيكية في الأحذية والملابس لغاية عام 2024.
بعد إنتاجها مليون زوج من الأحذية في عام 2017، و 5 ملايين زوج في عام 2018، حددت أديداس هدفها لعام 2021 بالوصول إلى 11 مليون زوج. وهذا يعني إنتاج 5 ملايين زوج من الأحذية البلاستيكية المعاد تدويرها واستخدام 40 طن من النفايات البلاستيكية. وكذلك، تستخدم "نايكي" المواد المعاد تدويرها لتقليل النفايات البلاستيكية.
يذكر أن نايكي بدأت إنتاج سلسلة "Air" بنسبة 50% من المواد المعاد تدويرها منذ عام 2008، في حين تم إعادة تدوير 19% من البوليستر المستخدم في الملابس والأحذية في العام الماضي.
Şule Güner
