همه‌ی اخبار

هوش مصنوعی در ورزش؛ اصلاح مسیر قهرمان‌پروری

ایسنالحن: مثبتتک‌منبع

یک مدرس هوش مصنوعی در دانشگاه فردوسی مشهد گفت: هوش مصنوعی می‌تواند با جمع‌آوری داده‌های چندساله از جمله شاخص‌های آمادگی جسمانی، مهارت‌های حرکتی، نتایج مسابقات و ارزیابی‌های مربیان، تصویری دقیق از روند رشد ورزشکار ارائه دهد و با حذف نگاه تک‌بعدی و تکیه بر داده‌های مستمر، فرصت ارزیابی منصفانه‌تری را برای ورزشکاران فراهم کند.

سیدناصر بهشتی در گفت‌وگو با ایسنا با اشاره به اینکه ورزش ایران نیازمند گذار از استعدادیابی مقطعی به سمت مدیریت مستمر رشد ورزشکاران است، اظهار کرد: باید میان برگزاری رویداد استعدادیابی و داشتن نظام استعدادپروری تفاوت قائل شد. موفقیت در ورزش با شناسایی گروهی از دانش‌آموزان در یک رویداد خاص، پایان کار نیست؛ بلکه موفقیت واقعی زمانی معنا پیدا می‌کند که بتوانیم مشخص کنیم چه تعداد از این افراد وارد برنامه‌های تخصصی شده‌ و توانسته‌اند در طول زمان با موفقیت مسیر رشد خود را طی کنند.

وی‌ افزود: اگرچه آموزش‌وپرورش، باشگاه‌ها، هیأت‌ها و فدراسیون‌های ورزشی فعالیت‌های گسترده‌ای در زمینه استعدادیابی انجام می‌دهند، اما چالش اصلی در میزان پیوستگی و اثربخشی این اقدامات نهفته است؛ زیرا پس از شناسایی اولیه مشخص نیست که چه کسی مسئولیت پیگیری رشد ورزشکاران را بر عهده دارد، چه اطلاعاتی از توانایی‌های وی ثبت می‌شود و اگر خانواده‌اش توان مالی نداشته باشد، چه سازوکاری برای حمایت از وی وجود دارد.

مدرس دوره‌های آموزشی هوش مصنوعی در دانشگاه فردوسی با اشاره به نقش هوش مصنوعی در گذار از اقدامات پراکنده برای کشف استعدادها به سمت یک نظام مستمر و قابل ارزیابی، تصریح کرد: هوش مصنوعی می‌تواند با جمع‌آوری داده‌های چندساله از جمله شاخص‌های آمادگی جسمانی، مهارت‌های حرکتی، نتایج مسابقات و ارزیابی‌های مربیان، تصویری دقیق از روند رشد ورزشکار ارائه دهد.

وی افزود: سامانه‌های هوشمند می‌توانند تفاوت میان پیشرفت واقعی و رشد جسمانی زودرس را تشخیص دهند؛ به طوری که حتی اگر ورزشکاری در ارزیابی‌های اولیه عملکرد معمولی داشته باشد، سیستم می‌تواند با تحلیل نرخ پیشرفت وی، ظرفیت بالای او را شناسایی کند و از خطای تشخیص در مورد ورزشکارانی که صرفاً به دلیل رشد جسمانی زودتر، عملکرد موقتی عالی دارند، جلوگیری کند.

بهشتی با بیان اینکه هوش مصنوعی با حذف نگاه تک‌بعدی و تکیه بر داده‌های مستمر، فرصت ارزیابی منصفانه‌تری را برای ورزشکاران فراهم می‌کند، تشریح کرد: تصمیمات دیگر صرفاً بر پایه عملکرد یک مسابقه یا یک آزمون گذرا اتخاذ نخواهد شد. همچنین با استفاده از ابزارهای کم‌هزینه و تحلیل ویدئویی، فرآیند ارزیابی‌های اولیه را تسهیل می‌کند، مشروط بر اینکه متدهای به‌کارگرفته‌شده از نظر علمی کاملا اعتبارسنجی شده باشند. البته هوش مصنوعی ذاتاً عادلانه نیست. اگر داده‌های آموزشی آن بیشتر متعلق به ورزشکاران برخوردار باشد، ممکن است همان نابرابری را بازتولید کند. بنابراین عدالت باید از ابتدا یکی از معیارهای طراحی و ارزیابی هوش مصنوعی باشد.

وی با تفکیک میان توانایی تکنولوژی و مسئولیت مدیریت، خاطرنشان کرد: هوش مصنوعی تنها می‌تواند فرآیند شناسایی ورزشکاران و پیگیری را تسهیل کند؛ نمی‌تواند جای خالیِ مسئولیت‌پذیری سازمان‌ها را پر کند. باید در یک زنجیره هماهنگ، مدرسه، خانواده، مربی، باشگاه و فدراسیون‌ها با تعریف دقیق نقش‌ها و دسترسی‌های قانونی، مسئولیت حمایت از ورزشکار را از دوش سیستم برداشته و در عمل ایفا کنند.

مدرس دوره‌های آموزشی هوش مصنوعی در دانشگاه فردوسی تأکید کرد: عملکرد مناسب هوش مصنوعی در محیط پژوهشی الزاماً به معنای موفقیت آن در محیط واقعی نیست؛ هر چند که در پژوهش‌های بین‌المللی از روش‌های یادگیری ماشین برای تحلیل داده‌های جسمانی، فنی، عملکردی و سایر عوامل مؤثر بر رشد ورزشکاران استفاده می‌شود.

وی افزود: بر اساس پژوهش منتشرشده در سال ۲۰۲۶، پژوهشگران ۲۷ مطالعه مرتبط با یادگیری ماشین را در استعدادیابی ورزش‌های تیمی بررسی کردند و نتیجه کلی نشان داد که این فناوری ظرفیت کمک به تصمیم‌گیری را دارد، اما محدودیت‌هایی مانند حجم داده، سوگیری و اعتبارسنجی ناکافی همچنان جدی هستند. بنابراین، باید از فناوری هوش مصنوعی برای افزایش کیفیت تصمیم‌ها استفاده کنیم و اثربخشی آن را در شرایط واقعی ورزش ایران بسنجیم.

ضرورت طراحی سامانه هوش مصنوعی بومی برای استعدادیابی ورزشی در ایران

بهشتی با تأکید بر ضرورت طراحی سامانه هوش مصنوعی متناسب با شرایط ورزشی ایران، تشریح کرد: در مرحله نخست نباید سراغ فناوری‌های پیچیده و پرهزینه رفت. ابتدا باید مشخص کنیم چه داده‌هایی برای تصمیم‌گیری‌های ورزشی ضروری است، مسئولیت صحت داده‌ها با کیست و چگونه می‌توان روند رشد ورزشکاران را رصد کرد. در مرحله بعد، با به کارگیری مدل‌های تحلیلی می‌توان به شناسایی الگوهای پیشرفت، ارزیابی تخصصی و پیشگیری از خروج ورزشکاران از مسیر تمرین کمک کرد.

وی افزود: اگر نتایج اولیه طرح سامانه هوش مصنوعی متناسب با شرایط ورزشی ایران رضایت‌بخش بود می‌توان آن را توسعه داد. نکته مهم این است که موفقیت این پروژه را نباید با تعداد کاربران سامانه یا تعداد گزارش‌های هوش مصنوعی اندازه‌گیری کنیم. باید دید آیا واقعاً کیفیت شناسایی، پیگیری و حمایت از استعدادها بهتر شده است یا خیر.

مدرس دوره‌های آموزشی هوش مصنوعی در دانشگاه فردوسی تصریح کرد: با توجه به اینکه با داده‌های حساس کودکان و نوجوانان سر و کار داریم، جمع‌آوری و استفاده از آن‌ها مستلزم رضایت معتبر، رعایت حقوق خانواده‌ها، محدودیت دسترسی و الزامات امنیتی است. هیچ الگوریتمی نباید به‌تنهایی آینده ورزشی یک کودک را رقم بزند یا به حذف دائمی وی از فرصت‌های رشد منجر شود.

وی با تأکید بر استمرار پرورش استعدادهای ورزشی، گفت: در ایران هوش مصنوعی می‌تواند با قدرت تحلیل، دقت و سرعت بیشتر به شناسایی استعدادها و قهرمان پروری کمک کند، اما موفقیت آن در گرو همکاری نهادهای مسئول، نقش‌آفرینی متخصصان، دسترسی عادلانه به فرصت‌ها و ارزیابی مستمر نتایج است. ورزش ایران نباید فقط به موفقیت‌های فردی و مقطعی متکی باشد؛ ما باید شرایطی فراهم کنیم که شناسایی و پرورش استعدادها به یک فرایند مستمر تبدیل شود؛ فرایندی که با رفتن یک مربی، تغییر یک مدیر یا پایان یک دوره مسابقات متوقف نشود.

راستی‌آزماییتک‌منبع۳۶٪

تا این لحظه منبع مستقل دیگری این خبر را منتشر نکرده است.

بررسی خودکار: مقایسه با خبرهای ۷۲ ساعت اخیر منابع دیگر و اعتبار پایه‌ی منبع؛ جایگزین داوری انسانی نیست.

گفت‌وگو

    منبع: ایسنا