ВПРОВАДЖЕННЯ ШІ В УКРАЇНСЬКИЙ ФУТБОЛ: ВИКЛИКИ, ПЕРСПЕКТИВИ, АНАЛІТИКА
DOI:
https://doi.org/10.32782/ped-uzhnu/2025-9-25Ключові слова:
футбол, спортивна аналітика, штучний інтелект, теорія ігор, адаптивні моделі, цифрові технології в спортіАнотація
У статті розглянуто перспективи застосування інструментів штучного інтелекту в аналітиці футболу, зокрема в умовах українського спортивного середовища під час війни. Проаналізовано сучасний стан розвитку футбольної аналітики у світі, акцентовано на методах статистичного навчання, комп’ютерного зору та теорії ігор. Зазначено, що попри широке використання аналітичних підходів у провідних спортивних країнах, український футбол лише нещодавно розпочав процес цифрової трансформації, що зумовлено технічними, організаційними та соціальними бар’єрами. Окрему увагу приділено викликам, пов’язаним із воєнним станом: руйнування інфраструктури, відтік кадрів, обмежені ресурси для технічного забезпечення, проблеми з інтернетом та зберіганням даних. Розкрито потенціал використання глибинного та підкріплювального навчання, мультиагентних систем і нейромережевих підходів для побудови адаптивних моделей у режимі реального часу. Обґрунтовано доцільність створення відкритих українських футбольних датасетів, що дозволить уніфікувати дослідження та сприяти локалізації світового досвіду. Запропоновано напрями подальших досліджень: впровадження адаптивних AI-моделей, аналіз молодіжних та аматорських матчів за допомогою комп’ютерного зору, вивчення етичних аспектів використання ШІ в спорті. Матеріали можуть бути корисними для спортивних аналітиків, тренерів, менеджерів клубів і науковців, які працюють на перетині фізичної культури, цифрових технологій, програмування та математичного моделювання. Окремо акцентовано увагу на важливості підготовки фахівців, здатних працювати з великими обсягами даних у спортивному середовищі. Підкреслено потребу міждисциплінарних освітніх програм, які поєднують аналітику, спорт, інформатику й когнітивні науки, що дозволить сформувати нову генерацію спеціалістів, спроможних ефективно впроваджувати інновації у футболі як у мирний, так і у повоєнний періоди.
Посилання
Гончарова Н. М., Головач І. І., Гацко О. В. Сучасні цифрові інструменти у процесі відбору футболістів. Академічні візії (Випуск 40). Zenodo. 2025. DOI: https://doi.org/10.5281/zenodo.15170730
Baumer B. S., Zimbalist A. S. The Sabermetric Revolution: Assessing the Growth of Analytics in Baseball. University of Pennsylvania Press. 2014.
Beal C., Norman T. J., Ramchurn S. D. Artificial intelligence for team sports: A survey. IEEE Transactions on Artificial Intelligence, 1 (1). 2019. 1–14.
Carreira J., Zisserman A. Quo vadis, action recognition? A new model and the kinetics dataset. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2017. Рp. 6299–6308.
Chen D., Kim J., Mooney R. J. Training a multilingual sportscaster: Using perceptual context to learn language. Journal of Artificial Intelligence Research, 37, 2010. 397–435.
CVSports. Computer Vision in Sports Workshop. 2020. URL: https://cvsports.eecs.qmul.ac.uk
Decroos T., Davis J. Interpretable player representations via restricted Boltzmann machines. In Proceedings of the 13th MIT Sloan Sports Analytics Conference. 2019.
Deng J., Dong W., Socher R., Li L.-J., Li K., Fei-Fei L. ImageNet: A large-scale hierarchical image database. In IEEE Conference on Computer Vision and Pattern Recognition, 2009. Рp. 248–255.
Fernandez-Navarro F., et al. A new approach for team performance analysis in soccer: The weighted centroid. International Journal of Performance Analysis in Sport, 16 (2), 2016. 553–567.
Franks A., Miller A., Bornn L., Goldsberry K. Characterizing the spatial structure of defensive skill in professional basketball. The Annals of Applied Statistics, 9 (1), 2015. 94–121.
Kuper S., Szymanski S. Soccernomics (3rd ed.). Nation Books. 2018.
Giancola S., Amine M., Dghaily T., Ghanem B. SoccerNet: A scalable dataset for action spotting in soccer videos. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2018.
Godard C., Mac Aodha O., Brostow G. J. Unsupervised monocular depth estimation with left-right consistency. In CVPR 2017.
Liu P., Schulte O. Deep reinforcement learning in ice hockey for context-aware player evaluation. In Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI). 2018. Рp. 3442–3448.
Liu P., et al. Learning soccer analytics from spatio-temporal data. In Proceedings of the 2020 AAAI Conference on Artificial Intelligence.
Long J., Shelhamer E., Darrell T. Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2015. Рp. 3431–3440.
Alp Güler R., Neverova N., Kokkinos I. DensePose: Dense human pose estimation in the wild. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2018. pp. 7297–7306.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.





