עולם ניתוח הביצועים בספורט עבר מהפכה שקטה. ממערכות ידניות, איטיות וסובייקטיביות, אנחנו עוברים לצינורות עיבוד חכמים שמסוגלים להבין משחק שלם, לא רק לזהות מה קרה אלא גם להפיק תובנות שניתן לעבוד איתן.

בלב המהפכה נמצאות מערכות AI ובפרט טכניקות למידה עמוקה (Deep Learning) – מערכות שלומדות דפוסים מורכבים מתוך כמויות גדולות של וידאו, משלבות זיהוי חזותי, ניתוח תנועה לאורך זמן והסקת מסקנות ברמת קבלת ההחלטות.

הפער האמיתי הוא שכמעט כל המערכות כיום מתארות רק מה קרה במשחק, ומעטות מספקות המלצות אימוניות, טקטיות ויישומיות, במיוחד בענפי ספורט שפחות זוכים לחשיפה טכנולוגית.

כאן נכנס הכדורשער (GoalBall). ענף פראלימפי ייחודי, המבוסס על שמיעה, תנועה ותגובות מהירות, שעד היום נותח בעיקר ידנית. כל תיוג וידאו, חלוקה לאזורים או ניתוח זריקות דורש שעות של עבודה אנושית ומוביל להטיות בלתי נמנעות.

במסגרת עבודת מחקר מקיפה, פיתח החוקר אייל מידז’ינסקי, סטודנט לתואר שני בתחום מדעי הנתונים באוניברסיטת תל אביב, מערכת ניתוח חכמה לקבוצת מערכות המידע של הוועד הפר-אולימפי הישראלי, כחלק מתזה בליווי מדעי של פרופ’ עירד בן־גל, ראש מכון סילבן אדמס למדעי הספורט באוניברסיטת תל אביב.

המטרה הייתה לבנות תהליך ניתוח אוטומטי מלא שמתחיל בווידאו גולמי ומסתיים בהמלצות ברורות לצוות המקצועי. המערכת מזהה בזמן אמת את השחקנים והכדור, מזהה רצפים של פריימים כזריקות מובחנות, מנתחת את התנועות ובכך מזהה כיוונים של זריקות ומבדילה בין שער, חסימה או זריקה החוצה.
בסיום, הנתונים מוצגים בצורה שמאפשרת להבין דפוסים, חולשות והזדמנויות. צינור עבודה זה מהווה מערכת המלצה למאמן שאף בזמן אמת מאפשרת לזהות הסתברויות לכיווני הזריקות, וגיבוש תכנית משחק נכונה לפי הסטטיסטיקה המעודכנת.

התוצאה היא מערכת שעובדת מהר פי כמה מניתוח ידני, מפחיתה טעויות אנוש ומספקת בסיס אובייקטיבי לקבלת החלטות. היא גם מהווה הוכחת היתכנות – הוכחה שאפשר לקחת מחקר מתקדם בבינה מלאכותית ולהפוך אותו לכלי עבודה אמיתי במגרש, גם בענפים פראלימפיים, בתנאים של דאטה מוגבל ומצלמות לא אידיאליות.

זו לא רק תרומה טכנולוגית, אלא גם תרומה מקצועית, יישומית וחברתית, גשר אמיתי בין מחקר, ספורט וביצועים.