Perjantai, 14.12.2018 
Jouko
Urheilu

Tekoäly auttaa jalkapallolahjakkuuksien tunnistamisessa

  • STT
Monen lupaavan junioripelaajan tähti himmenee ennen aikuisikää. Lehtikuva / Irene Stachon Monen lupaavan junioripelaajan tähti himmenee ennen aikuisikää. Lehtikuva / Irene Stachon
Kenestä juniorista tulee aikuisena huippupelaaja, kenestä ei?

Palloilulajit ovat täynnä tarinoita satumaisista juniorilahjakkuuksista, joiden tähti kuitenkin himmeni ennen aikuisikää. Ja toisaalta myöhään kehittyneistä nuorista, jotka eivät ole erottuneet junioreina, mutta nousseet huipulle aikuisina.

Siksi lahjakkuuksien tunnistaminen on yksi urheilun ikuisuuskysymyksistä. Eerikkilän urheiluopistossa toimiva jalkapalloilun Sami Hyypiä Akatemia (SHA) ja Jyväskylän yliopiston informaatioteknologian tiedekunta ovat yhteistyössä hakeneet siihen vastausta yhdistämällä SHA:n kokonaisvaltaisen kehittymisen seurannan tuloksia tekoälyyn.

Mainos alkaa
Mainos päättyy

Tuloksena on menetelmä, joka tunnisti tuhannen jalkapallojuniorin 14-vuotiaana SHA:ssa tekemien testien ja itsearviointien perusteella kaikki myöhemmin ulkomaille edenneet pelaajat. Tutkimuksen julkistamishetkellä viime kesänä näitä pelaajia oli seitsemän.

–  Työnjako oli se, että Eerikkilä etsii selitystä lahjakkuudelle, me taas etsimme lahjakkuuksien tunnistamista. Koneen etu on, että voidaan kaivaa hyvin monimutkaisia yhteyksiä, Jyväskylän yliopiston informaatioteknologian tiedekunnan dosentti Sami Äyrämö kertoo.

Tekoäly yhdistelee tietoja

Menetelmän pohjana ovat SHA:ssa vuodesta 2011 lähtien kerätyt kokonaisvaltaisen seurannan tulokset. Fyysisillä testeillä on mitattu nopeutta, ketteryyttä, kestävyyttä ja nopeuskestävyyttä, taitotesteillä perustaitoja pallon kanssa ja psyykkisellä itsearvioinnilla pelaajan motivaatiota, itseluottamusta ja henkistä vahvuutta.

Vuonna 1998 syntyneet pelaajat ovat ensimmäinen suomalaisikäluokka, joka on käynyt testipatteriston läpi.

SHA:n kehityspäällikkö Hannele Forsman tutki pari vuotta sitten hyväksytyssä väitöskirjassaan nuorten suomalaispelaajien kehittymistä. Hän totesi, että 15-vuotiaiden kohdalla syöttö- ja keskitystaidot, ketteryys ja korkea motivaatio ennustivat tulevaa menestystä luotettavammin kuin valinta nuorten maajoukkueeseen.

Tekoälyn käyttäminen SHA:n seurantatulosten analysoimiseen auttaa löytämään kokonaisprofiililtaan poikkeavia pelaajia.

–  Tekoäly yhdistelee eri tietoja ja löytää kokonaisuutena poikkeavia pelaajia. Keskiarvotasolla voidaan sanoa, että ulkomaille edenneet ovat ketterämpiä, nopeampia, kestävämpiä ja vähän isompikokoisempiakin kuin muut, Forsman kertoo.

Äyrämö kertoo, että nyt kehitetty tekoälymenetelmä auttaa tunnistamaan pelaajan potentiaalin. SHA:n testeihin tulevat pelaajat ovat nimittäin jo valikoitunutta joukkoa suomalaisista kärkijoukkueista.

–  Jos meillä on tuhat pelaajaa, saamme rajattua kahteensataan sen joukon, josta löytyvät ulkomaille edenneet seitsemän. 800 voidaan rajata pois, Äyrämö selittää.

Oikeiden asioiden mittaamista

Lahjakkuuksien tunnistusmenetelmä auttaa siis suuntaamaan valmennusresursseja entistä pienemmälle joukolle. Tekoälystä ei kuitenkaan ole mitään apua, jos testit eivät mittaa oikeita asioita.

–  Urheilutestaamisen riski liittyy aina siihen, että mitataanko oikeita asioita. Jos ei, koneoppiminenkaan ei auta, Sami Äyrämö sanoo.

SHA:n käytännön kenttätestit eivät suoraan mittaa kognitiivisia taitoja, joiden kehittäminen on nykyisin pallopelien juniorivalmennuksen muodikkainta uutta. SHA:ssa kognitiivisia taitoja mitataan itsearvioinneilla.