Песах Бенсон • 7 червня 2026 року

Єрусалим, 7 червня 2026 року (TPS-IL) — Напередодні Чемпіонату світу з футболу 2026 року, який розпочнеться у четвер, ізраїльські дослідники попереджають, що тихіша технологічна зміна вже формує майбутнє футболу: системи штучного інтелекту все частіше використовуються для оцінки, аналізу та прогнозування спортивного потенціалу дітей.

Ізраїльське дослідження вивчало, як ШІ виходить за межі аналізу продуктивності, формуючи довгострокові судження про людські здібності з раннього дитинства. Результати, опубліковані у рецензованому журналі *Big Data and Cognitive Computing*, попереджають, що оскільки алгоритми все більше обробляють дані про виступи молоді, вони можуть не тільки ефективніше оцінювати таланти, але й передчасно визначати їх — потенційно закріплюючи упередження та обмежуючи можливості задовго до того, як гравці досягнуть професійного рівня.

Напередодні турніру ФІФА оголосила про партнерство з технологічною компанією Lenovo для розробки платформи Football AI Pro — вдосконаленої системи для тактичного аналізу та оцінки продуктивності, що базується на мільйонах точок даних, відеоаналізі, 3D-візуалізаціях та симуляціях машинного навчання.

Схожі розробки відбуваються в рамках паралельних ініціатив, таких як співпраця Intel з Міжнародним олімпійським комітетом над системами виявлення талантів на основі ШІ. Хоча деякі з цих інструментів вже тестуються або впроваджуються в таких країнах, як Ізраїль, Японія та Сальвадор, інші перебувають на ранніх стадіях реалізації.

Згідно з дослідженням, яке очолювали професор Офер Езер з Університету Бен-Гуріона та доктор Ілля Морголев з Педагогічного коледжу Кая в Беер-Шеві, найважливішою зміною є не просто покращений аналіз, а поява безперервного, керованого даними відстеження молодих спортсменів. Автоматизовані системи відеозйомки, носимі датчики та відео тренувань, записані самостійно, тепер дозволяють фіксувати, зберігати та аналізувати виступи дітей протягом тривалого часу, створюючи постійний цифровий запис з раннього віку.

В олімпійських видах спорту, баскетболі, бейсболі та тенісі ШІ все частіше використовується для виявлення та оцінки спортивних талантів з юного віку. Олімпійські програми розвитку використовують біометричне профілювання та симуляції продуктивності для спрямування спортсменів до відповідних дисциплін, тоді як системи баскетболу та тенісу покладаються на дані відстеження, відеоаналіз та метрики руху для оцінки довгострокового потенціалу. Бейсбол так само застосовує моделі, керовані даними, для оцінки перспективних гравців у своїх системах розвитку, використовуючи великі історичні набори даних про виступи гравців.

У всіх цих видах спорту спостерігається спільна тенденція: перехід від короткострокової оцінки продуктивності до довгострокового алгоритмічного прогнозування потенціалу на основі постійно зібраних даних від все молодших спортсменів.

Боротьба з «цифровим детермінізмом»

Дослідники описують цей розвиток як «цифровий детермінізм», коли ранні дані про виступи починають формувати та обмежувати майбутні можливості. Збережені показники дитинства можуть впливати на те, які гравці отримають увагу тренерів, можливості для скаутингу чи фінансування, фактично перетворюючи ранні вимірювання на довгострокові фільтри для спортивної кар’єри.

Ключовим висновком дослідження є те, як упередження можуть потрапити в ці системи опосередковано. Навіть коли алгоритми виключають чутливі атрибути, такі як етнічна приналежність чи дохід, вони все одно можуть відтворювати нерівність через проксі-змінні, такі як школа, географічне розташування чи сімейна структура. Ці сигнали, отримані з історичних моделей успіху, можуть закріплювати соціально-економічні розбіжності в системах, які здаються об’єктивними.

Платформи скаутингу вже агрегують відеоматеріали, події матчів та статистику виступів за різними віковими групами та лігами. Системи машинного навчання потім виявляють закономірності, пов’язані з елітними виступами, тоді як аналітики застосовують фільтри, такі як вік, позиція та рівень змагань. Однак, оскільки ці системи навчаються на історичному «успіху», вони часто успадковують упередження, закріплені в минулих рішеннях тренерів та відбору, кажуть вчені.

Дослідження також висвітлює підсилюючий зворотний зв’язок: спортсмени, яких рано виявили алгоритми, з більшою ймовірністю отримують кращу підготовку та висвітлення, що покращує їхні дані про виступи, що, в свою чергу, зміцнює початковий прогноз системи. З часом ця динаміка може звузити, а не розширити доступ до можливостей.

Окрім показників продуктивності, дослідники попереджають, що збір даних може зрештою вийти за межі поля. Системи ШІ можуть включати активність у соціальних мережах, висвітлення новин та іншу загальнодоступну інформацію для створення ширших профілів молодих спортсменів, що викликає занепокоєння щодо конфіденційності та питань щодо довгострокового використання даних дитинства.

«Реальність показує, що змагальні види спорту освячують змагальні досягнення понад усе, навіть за рахунок інших цінностей», — каже доктор Морголев. «Змагальні види спорту — це унікальна, екстремальна арена, яка покладається на виняткові фізичні дані поряд з рішучістю, стійкістю та мотивацією. Комбінація, яка, в кращому випадку, характеризує лише близько одного відсотка населення».

Професор Езер додає: «Настав час спільно подумати про місце та ступінь автономії, яку ми готові надати алгоритмам у фотографуванні, ранжуванні, прогнозуванні та визначенні шляху розвитку майбутнього покоління, коли змагальні види спорту не мають значення для переважної більшості з них», попереджаючи, що діти повинні розвиватися під наглядом людини, а не бути передчасно визначеними алгоритмічними оцінками.