Του Pesach Benson • 7 Ιουνίου 2026

Ιερουσαλήμ, 7 Ιουνίου, 2026 (TPS-IL) — Καθώς το Παγκόσμιο Κύπελλο του 2026 πρόκειται να αρχίσει την Πέμπτη, Ισραηλινοί ερευνητές προειδοποιούν ότι μια πιο αθόρυβη τεχνολογική στροφή επανακαθορίζει ήδη το μέλλον του ποδοσφαίρου: τα συστήματα τεχνητής νοημοσύνης χρησιμοποιούνται ολοένα και περισσότερο για την κατάταξη, την ανάλυση και την πρόβλεψη του αθλητικού δυναμικού των παιδιών.

Ισραηλινή μελέτη εξέτασε πώς η τεχνητή νοημοσύνη υπερβαίνει την ανάλυση απόδοσης και κατευθύνεται προς τη διαμόρφωση μακροπρόθεσμων κρίσεων σχετικά με την ανθρώπινη ικανότητα από την πρώιμη παιδική ηλικία. Τα ευρήματα, που δημοσιεύθηκαν στο επιστημονικό περιοδικό Big Data and Cognitive Computing, προειδοποιούν ότι καθώς οι αλγόριθμοι επεξεργάζονται όλο και περισσότερο τα δεδομένα απόδοσης των νέων, ενδέχεται όχι μόνο να αξιολογούν το ταλέντο πιο αποτελεσματικά, αλλά και να αρχίσουν να το καθορίζουν πρόωρα — ενδεχομένως ενσωματώνοντας προκατάληψη και περιορίζοντας τις ευκαιρίες πολύ πριν οι παίκτες φτάσουν σε επαγγελματικό επίπεδο.

Ενόψει του τουρνουά, η FIFA ανακοίνωσε μια συνεργασία με την τεχνολογική εταιρεία Lenovo για την ανάπτυξη της πλατφόρμας Football AI Pro, ενός προηγμένου συστήματος για τακτική ανάλυση και αξιολόγηση απόδοσης που βασίζεται σε εκατομμύρια σημεία δεδομένων, ανάλυση βίντεο, τρισδιάστατες απεικονίσεις και προσομοιώσεις μηχανικής μάθησης.

Παρόμοιες εξελίξεις λαμβάνουν χώρα σε παράλληλες πρωτοβουλίες, όπως η συνεργασία της Intel με τη Διεθνή Ολυμπιακή Επιτροπή για συστήματα εντοπισμού ταλέντων βασισμένα στην τεχνητή νοημοσύνη. Ενώ ορισμένα από αυτά τα εργαλεία δοκιμάζονται ή αναπτύσσονται ήδη σε χώρες όπως το Ισραήλ, η Ιαπωνία και το Ελ Σαλβαδόρ, άλλα παραμένουν στα αρχικά στάδια υλοποίησης.

Σύμφωνα με τη μελέτη, με επικεφαλής τον καθ. Ofer Ezer από το Πανεπιστήμιο Ben-Gurion και τον δρ. Ilya Morgolev από το Ακαδημαϊκό Κολλέγιο Kay στην Μπερ Σεβά, η πιο σημαντική αλλαγή δεν είναι απλώς η βελτιωμένη ανάλυση, αλλά η εμφάνιση συνεχούς, βασισμένης σε δεδομένα παρακολούθησης των νεαρών αθλητών. Αυτόματα συστήματα βιντεοσκόπησης, αισθητήρες φορετές συσκευές και αυτοκαταγεγραμμένα βίντεο προπόνησης επιτρέπουν πλέον στην απόδοση των παιδιών να καταγράφεται, να αποθηκεύεται και να αναλύεται με την πάροδο του χρόνου, δημιουργώντας ένα μόνιμο ψηφιακό αρχείο από μικρή ηλικία.

Στα ολυμπιακά αθλήματα, την καλαθόσφαιρα, το μπέιζμπολ και την αντισφαίριση, η τεχνητή νοημοσύνη χρησιμοποιείται ολοένα και περισσότερο για τον εντοπισμό και την αξιολόγηση του αθλητικού ταλέντου από νεαρή ηλικία. Τα ολυμπιακά προγράμματα ανάπτυξης χρησιμοποιούν βιομετρικό προφίλ και προσομοιώσεις απόδοσης για να κατευθύνουν τους αθλητές προς κατάλληλες αγωνιστικές κατηγορίες, ενώ τα συστήματα καλαθόσφαιρας και αντισφαίρισης βασίζονται σε δεδομένα παρακολούθησης, ανάλυση βίντεο και μετρικές κίνησης για την αξιολόγηση των μακροπρόθεσμων δυνατοτήτων. Το μπέιζμπολ εφαρμόζει παρομοίως μοντέλα βασισμένα σε δεδομένα για την αξιολόγηση των ταλέντων σε όλα τα στάδια ανάπτυξής του, αντλώντας από μεγάλα ιστορικά σύνολα δεδομένων για την απόδοση των παικτών.

Σε όλα αυτά τα αθλήματα, το κοινό μοτίβο είναι η στροφή από τη βραχυπρόθεσμη αξιολόγηση της απόδοσης στη μακροπρόθεσμη αλγοριθμική πρόβλεψη των δυνατοτήτων βάσει συνεχώς συλλεγόμενων δεδομένων από ολοένα και νεότερους αθλητές.

Καταπολέμηση του «Ψηφιακού Ντετερμινισμού»

Οι ερευνητές περιγράφουν αυτήν την εξέλιξη ως «ψηφιακό ντετερμινισμό», στον οποίο τα δεδομένα πρώιμης απόδοσης αρχίζουν να διαμορφώνουν και να περιορίζουν μελλοντικές ευκαιρίες. Μόλις αποθηκευτούν, οι παιδικές μετρικές ενδέχεται να επηρεάσουν ποιοι παίκτες λαμβάνουν προσοχή προπονητών, ευκαιρίες ανίχνευσης ταλέντων ή χρηματοδότηση, μετατρέποντας ουσιαστικά τις πρώιμες μετρήσεις σε μακροπρόθεσμα φίλτρα για αθλητικές καριέρες.

Ένα βασικό εύρημα της μελέτης είναι ο τρόπος με τον οποίο η προκατάληψη μπορεί να εισέλθει σε αυτά τα συστήματα έμμεσα. Ακόμη και όταν οι αλγόριθμοι αποκλείουν ευαίσθητα χαρακτηριστικά όπως η εθνικότητα ή το εισόδημα, ενδέχεται εξακολουθούν να αναπαράγουν την ανισότητα μέσω μεταβλητών διακομιστών όπως το σχολείο, η γεωγραφική θέση ή η οικογενειακή δομή. Αυτά τα σήματα, που αντλούνται από ιστορικά πρότυπα επιτυχίας, μπορούν να ενσωματώσουν κοινωνικοοικονομικές ανισότητες σε συστήματα που φαίνονται αντικειμενικά.

Οι πλατφόρμες ανίχνευσης ταλέντων συγκεντρώνουν ήδη υλικό βίντεο, αγωνιστικά γεγονότα και στατιστικά απόδοσης σε πολλαπλές ηλικιακές ομάδες και πρωταθλήματα. Τα συστήματα μηχανικής μάθησης εντοπίζουν στη συνέχεια μοτίβα που συνδέονται με την ελίτ απόδοση, ενώ οι αναλυτές εφαρμόζουν φίλτρα όπως η ηλικία, η θέση και το επίπεδο ανταγωνισμού. Ωστόσο, επειδή αυτά τα συστήματα εκπαιδεύονται σε ιστορική «επιτυχία», συχνά κληρονομούν προκαταλήψεις ενσωματωμένες σε προηγούμενες αποφάσεις προπόνησης και επιλογής, δήλωσαν οι επιστήμονες.

Η μελέτη επισημαίνει επίσης έναν ενισχυτικό κύκλο ανατροφοδότησης: οι αθλητές που εντοπίζονται νωρίς από τους αλγόριθμους είναι πιο πιθανό να λάβουν ανώτερη εκπαίδευση και προβολή, γεγονός που βελτιώνει τα δεδομένα απόδοσής τους, το οποίο με τη σειρά του ενισχύει την αρχική πρόβλεψη του συστήματος. Με την πάροδο του χρόνου, αυτή η δυναμική μπορεί να περιορίσει αντί να επεκτείνει την πρόσβαση σε ευκαιρίες.

Πέρα από τις μετρικές απόδοσης, οι ερευνητές προειδοποιούν ότι η συλλογή δεδομένων θα μπορούσε τελικά να επεκταθεί εκτός γηπέδου. Τα συστήματα τεχνητής νοημοσύνης ενδέχεται να ενσωματώσουν τη δραστηριότητα στα μέσα κοινωνικής δικτύωσης, την ειδησεογραφική κάλυψη και άλλες δημόσια διαθέσιμες πληροφορίες για να δημιουργήσουν ευρύτερα προφίλ νεαρών αθλητών, εγείροντας ανησυχίες για την ιδιωτικότητα και ερωτήματα σχετικά με τη μακροπρόθεσμη χρήση των παιδικών δεδομένων.

«Η πραγματικότητα δείχνει ότι ο ανταγωνιστικός αθλητισμός αγιοποιεί το αγωνιστικό επίτευγμα πάνω από όλα, ακόμη και σε βάρος άλλων αξιών», λέει ο δρ. Morgolev. «Ο ανταγωνιστικός αθλητισμός είναι μια μοναδική, ακραία αρένα που βασίζεται σε εξαιρετικά σωματικά δεδομένα σε συνδυασμό με αποφασιστικότητα, ανθεκτικότητα και κίνητρο. Ένας συνδυασμός που, στην καλύτερη περίπτωση, χαρακτηρίζει μόνο περίπου το ένα τοις εκατό του πληθυσμού».

Ο καθ. Ezer προσθέτει: «Είναι καιρός να σκεφτούμε μαζί ως κοινωνία σχετικά με τη θέση και τον βαθμό αυτονομίας που είμαστε πρόθυμοι να δώσουμε στους αλγόριθμους στη φωτογράφηση, την κατάταξη, την πρόβλεψη και τον καθορισμό της αναπτυξιακής πορείας της μελλοντικής γενιάς όταν ο ανταγωνιστικός αθλητισμός είναι αδιάφορος για τη συντριπτική πλειονότητα αυτών», προειδοποιώντας ότι τα παιδιά θα πρέπει να αναπτύσσονται κάτω από ένα υποστηρικτικό ανθρώπινο πλαίσιο αντί να καθορίζονται πρόωρα από αλγοριθμικές βαθμολογίες.