A régi és az új módszer
A kerékpáros tehetségkutatás hagyományosan manuális folyamat volt, amelynek lehetőségeit a földrajzi távolságok, a rendelkezésre álló szakemberek száma és az elérhető versenyek egyaránt korlátozták. A sportigazgatók néhány hazai versenyen személyesen megfigyelték a bringásokat, majd az ott látott teljesítményük alapján tettek javaslatot arra, hogy kivel lenne érdemes tovább foglalkozni. Bár ez a módszer működött, természeténél fogva korlátozott volt: egyszerre csak kevés sportolót lehetett értékelni, így számos külföldi tehetség egyszerűen elkerülte a csapatok figyelmét.
Ezen változtathat az AI-alapú tehetségkutatás. Az olyan platformok, mint a TrainingPeaks, alapvetően átalakították azt, ahogyan a sportolók teljesítményadataik eljutnak a szakemberekhez. Az edzésfájlok önkéntes feltöltésével új lehetőségek nyíltak a tehetségek azonosítására. Egy felhőalapú rendszer ma már képes egységesíteni a különböző sportolóktól érkező adatokat, melyek alapján kiszámítja a különféle versenyzői szerepkörökhöz igazított teljesítménypontszámokat, majd minden új edzésfájl alapján frissíti ezeket. Így akár több száz sportoló teljesítménye összevethető és rangsorolható, valós időben, függetlenül attól, hogy a világ mely részén edzenek.
Hogyan működik az AI-alapú rendszer?
A folyamat az adatok standardizálásával kezdődik. A rendszer összegyűjti és egységesíti az egyes sportolók teljesítménymutatóit, például a leadott teljesítményt vagy a pulzusadatokat. Ez lehetővé teszi a versenyzők összehasonlítását akkor is, ha eltérő eszközökkel és különböző körülmények között edzenek.
Ezután a rendszer teljesítménypontszámokat generál, amelyeket az egyes versenyzői szerepkörök speciális követelményeihez igazít. Egy hegyimenő adatait például más szempontok szerint értékeli, mint egy sprinterét. Az AI így olyan tehetségeket is képes azonosítani, akik pontosan megfelelhetnek egy adott csapat szakmai igényeinek. Ahogy pedig a sportolók folytatják az edzést és újabb fájlokat töltenek fel, a rendszer a fejlődésüket is folyamatosan követni tudja.
A WorldTour-csapatok már használják
Az AI alkalmazása a kerékpársportban már nem pusztán elméleti lehetőség. A férfi Jayco-AlUla és a női Liv-AlUla-Jayco csapat mögött álló GreenEDGE Cycling nemrég együttműködésre lépett a brit AI-technológiai vállalattal, az ai.io-val. A közös munka a teljesítmény fejlesztésére, a tehetségek azonosítására, sőt a szurkolók bevonására is kiterjed. Az ai.io 3DAT mozgáselemző rendszere és aiScout tehetségkutató platformja többek között a versenyzők technikájának elemzésében, a sérülések megelőzésében és a korábban észrevétlen tehetségek felkutatásában segíthet.
A tendencia nem korlátozódik a GreenEDGE-re. A jelenleg a Netcompany által támogatott Ineos csapata stratégiájának egyik központi elemévé tette a mesterséges intelligenciát, és célként tűzte ki, hogy segítésével öt éven belül ismét megnyeri a Tour de France-t. Hasonlóképpen a Visma–Lease a Bike a Mistral AI-jal lépett partnerségre, míg az UAE Team Emirates-XRG az Analoggal fogott össze. Ezek az együttműködések egy szélesebb körű változásra utalnak: a mesterséges intelligencia már nem a jövő technológiája, hanem olyan gyakorlati eszköz, amely a kerékpársport minden szintjét egyre inkább átalakítja.
Az ember és a mesterséges intelligencia együttműködése
Egy dolgot azonban nem képes helyettesíteni az AI: az emberi ítélőképességet. Sokkal inkább olyan eszközként működik, amely jelentősen kibővíti a szakemberek lehetőségeit, és kiemelhet olyan sportolókat, akiknek a teljesítménye egyébként észrevétlen maradna. A végső döntést továbbra is az edzők és a teljesítményért felelős szakemberek hozzák meg, a modell azonban lehetővé teszi számukra, hogy jóval több versenyzőt lássanak és értékeljenek, csökkentve annak esélyét, hogy egy potenciális tehetség elkerülje a figyelmüket.
Éppen az emberi szakértelem és a mesterséges intelligencia együttműködésében rejlik a módszer valódi ereje. Az algoritmus hatalmas adatmennyiséget képes feldolgozni, és olyan összefüggéseket vagy fejlődési potenciált azonosíthat, amelyek emberi szemmel könnyen észrevétlenek maradnának. Az eredményeket azonban továbbra is az edzőknek és a szakmai stábnak kell értelmeznie, saját tapasztalatukkal és intuíciójukkal kiegészítve azokat.
A tanulság
Az AI akkor működik a leghatékonyabban, ha jó minőségű adatokra épül, eredményeit pedig megfelelő emberi szakértelemmel értelmezik. Nem helyettesíti egy tapasztalt edző összetett tudását, hanem olyan eszközt ad a kezébe, amellyel hatékonyabban végezheti a munkáját. Nagyon valószínű – talán szinte biztos –, hogy a Tour de France jövőbeli győztesei között lesznek olyanok, akiket az emberi szakértelem és a mesterséges intelligencia ilyen együttműködésével fedeznek fel. A hagyományos tehetségkutatás önmagában már aligha képes ezzel lépést tartani.